直觉模糊数的表示和结构刻划

本文给出了直觉模糊数的表示定理:包括区间表示、函数表示、嵌入定理,并将直觉模糊数空间嵌入到一类特殊的二维模糊数空间—方模糊数空间,给出了直觉模糊数的结构定理;最后,利用方模糊数与一般二维模糊数的逼近定理,给出了二维模糊数的直觉模糊数逼近。     

基于直觉模糊散度的自适应非局部均值去噪算法

针对传统的非局部均值(NLM)算法在图像去噪时会出现边缘会模糊的问题,提出了一种基于直觉模糊散度的自适应非局部均值(IFD-NLM)去噪算法.该算法利用图像块之间的直觉模糊散度度量非局部图像块的相似性,修正NLM算法的相似性权重,降低不相似图像块之间的干扰,提高了NLM算法相似性权重的准确性.此外,根据图像块内容和直觉模糊散度特征图像,设定相关阈值,自适应地选择滤波参数.实验结果表明,所提算法相对于传统NLM算法能更有效地去除噪声,同时可以保留更多的纹理细节特征和几何结构特征,图像细节信息更为丰富.     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

基于直觉模糊张量的决策方法及其应用

对具有高维数据特征的直觉模糊决策问题进行了研究,定义了直觉模糊张量的一般形式和运算法则;建立了基于直觉模糊张量的广义直觉模糊加权平均算子,探索了广义直觉模糊加权平均算子的基本性质;证明了广义直觉模糊加权平均算子是直觉模糊加权平均算子的一般形式。提出了基于广义直觉模糊加权平均算子的决策方法,通过算例验证了该方法能够有效解决具有高维数据特征的直觉模糊决策问题。     

模糊聚类分析在模糊神经网络结构优化中的应用

研究了模糊聚类分析在多变量模糊神经网络的结构确定中的应用,在传统的模糊C－均值算法的基础上,给出了一个衡量聚类有效性的函数和确定模糊指数的启发式方法,并给出了应用该算法的具体的模糊神经网络模型。     

递归神经网络的模糊随机学习算法

提出了一种新的基于模糊逻辑的Alopex学习算法（FLA）。FLA算法利用模糊逻辑推理实时获得适应于学习过程的适当的算法修正值，克服了Alopex算法中修正值固定不变的缺点，使得随机学习过程在速度、精度和稳定性之间获得平衡。将该算法应用于神经网络的训练，可以无需神经网络的梯度信息和结构信息，因此可以用于具有各种结构特性的递归神经网络对动态系统的学习过程。实验结果表明了FLA算法的有效性。     

自适应神经模糊系统及其MATLAB实现

本文介绍了模糊神经网络系统的T-S模型、结构及算法,同时论述了采用网格分割方式生成模糊推论系统函数和自适应神经模糊系统的建模函数,最后用一个例子证明了自适应神经模糊系统在未知非线性的建模方面的良好的性能。     

基于滑模变结构的火炮位置伺服系统故障诊断

针对一类非线性系统,并考虑含有不知其上下界的未知输入扰动,提出了一种故障诊断方案.利用滑模变结构中的等值控制方法设计了滑模状态观测器;利用自适应方法实现了对故障的重构;采用Lyapunov方法对观测器和故障重构的收敛性进行了证明.为减少滑模运动的抖动,设计了一个模糊神经网络对观测器参数实时调整,并给出网络的学习算法.将本文提出的方法在火炮伺服系统中应用,证明了该方法的有效性.     

空调系统神经模糊控制器——结构和算法

提出了一种适用于空调系统控制的新型神经模糊控制器。这种神经模糊控制器将神经网络和模糊控制紧密结合，是一种以神经网络表示模糊控制规则的模糊控制系统，控制推理基于模糊推理的精确值法，神经网络采用后向传播（BP）学习算法。本文论述这种神经模糊控制器的结构和算法，其仿真和优化将另文论述。     

自适应神经网络模糊小波语音消噪算法

针对有色噪声,采用自适应神经网络模糊系统模糊(Auto Neural Fuzzy Inference System,ANFIS)逼近有色噪声,利用自适应神经模糊推理系统ANFIS对噪声的非线性动态特性进行建模,提出了语音自适应神经网络模糊小波消噪算法,建立并训练了消噪系统。对被有色噪声污染的测量信号经模糊消噪后,根据信号和噪声的小波系数在不同分解尺度上的传递性,进行中值滤波和小波重构,得到了干净的语音。对算法进行了仿真实验,结果表明,消噪效果明显。     

基于直觉模糊关系的供应链风险评估

针对供应链风险评判过程中的复杂模糊关系,借助直觉模糊理论,将犹豫度引入到具体的风险评判过程中,构建基于直觉模糊关系的供应链风险评判决策模型,并详细阐述了该方法的算法步骤,最后通过具体算例对该模型的实际应用进行了一定的分析.结果表明,该模型有望在实际中得到更加广泛的应用.     

模糊神经网络在精密三轴转台机械台体故障诊断中的应用研究

针对三轴转台机械台体故障,提出了一种基于模糊神经网络的故障诊断方法,给出了模糊神经网络的结构和学习算法,并阐述了模糊故障诊断原理和故障判别方法将振动信号和电流噪声信号结构用于机械台体的故障诊断,测试结果表明,该方法是有效的。     

无菌包装预热系统温度控制方法研究

目的为了提高无菌砖包设备预热系统温度控制精度,设计一种温度控制器。方法基于模糊神经网络算法设计一种温度控制器。在预热系统硬件结构的基础上,建立被控对象数学模型。利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊神经网络的PID控制策略,以实现对PID参数的实时在线整定。结果试验结果表明,与其他方法相比,所述控制方法能够将温度超调从2.6℃减小到0.9℃,稳态偏差从±1℃减小到±0.4℃。结论该方法能够满足预热系统温度控制需求。     

基于多项式系的类模糊神经网络与非线性系统的控制

提出一种新的神经网络－－类模糊神经网络，并以基于多项式系的类模糊神经网络为例作了讨论。该网络具有隐层少，运算简单和函数逼近能力强的特点。就一类非线性系统的在线控制，给出了类模糊神经网络控制的选择记忆算法，并证明了这种算法的收敛性，这一类非线性系统的在线控制问题得以初步解决。     

一种改进的模糊神经网络控制器学习算法

提出了一种改进的模糊神经网络混合学习算法,运用遗传算法优化构成隶属函数的网络结构,运用最小二乘法进行解模糊,具有更高的学习精度和更快的收敛速度,解决了在多变量系统中采用模糊神经网络时学习收敛慢且易陷入局部极小点的问题。     

基于梯形直觉模糊数的改进DEMATEL方法

针对传统DEMATEL方法在评价复杂系统因素间影响关系时,表征评估信息时存在模糊性、反映专家判断时存在不确定性等问题,提出基于梯形直觉模糊数的改进DEMATEL方法。该方法运用可转化为梯形直觉模糊数的语言变量表征专家对复杂系统因素之间影响程度的评分,清晰化综合关系模糊影响矩阵得到系统中各影响因素的原因度和中心度,并且通过实例结果证明了该方法的有效性。     

模糊神经网络在高层建筑横风向振动控制中的应用研究

提出了模糊神经网络方法控制高层建筑横风向风振反应。通过观测部分楼层加速度和控制力输出，建立了模糊神经网络控制器，解决了传统控制中有限的传感器数目对系统振动状态估计的困难．利用模糊神经网络控制器预测结构的控制行为，消除了闭环控制系统中存在的时滞。利用模糊神经网络控制器的自学习能力来确定模糊规则和语言变量隶属函数，解决了土木工程复杂结构模糊控制中，难于依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。模糊神经网络方法的优势在于算法自身的鲁棒性，处理结构非线性、参数不确定性及时变等问题的能力。通过对基准建筑的刚度不确定性分析，讨论了模糊神经网络控制器的鲁棒性。仿真分析表明，模糊神经网络控制策略能有效地抑制高层建筑的横风向风振反应，控制效果略优于LQG控制，而拥有LQG控制不具备的诸多优点。     

基于模糊学习算法的空调机组性能模拟

基于模糊熵准则和误差平方和准则建立了模糊学习算法,基于该模糊学习算法,应用BP神经网络对柜式空调机组的性能进行了模拟.结果表明,与传统的基于误差平方和准则的学习算法相比,采用模糊学习算法可以大大简化网络结构,有效提高模拟精度和效率.     

人工智能在水流量标准装置中的应用研究

本文论述了多变量模糊神经网络的控制方法并将其运用于传统的水流量标准装置过程控制系统中,同时介绍了模糊神经网络的原理、结构、性能及学习算法.计算机仿真结果表明：采用多变量模糊神经网络技术能有效提高水流量标准装置的稳定性,使系统的静、动态性能得到很大的提高,显示出强大的优越性.     

基于模糊神经网络的火灾信号处理

根据火灾探测的特点,提出相应的模糊神经网络,论述综合处理多种火灾信号的模糊处理计算模型;针对具体应用,对网络结构进行了改进。由于模糊神经网络的自适应特性和推理过程易于理解的特点,它很适用于高层建筑这样的复杂环境,并可明显提高火灾探测的灵活性和准确性。