基于模糊—神经融合的自适应模糊控制系统研究

模糊逻辑系统与人工神经网络各具优势,前者善于利用专家语言信息,后者有强大的学习能力,两者的结合可以取长补短。基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统,其特点是模糊控制器具有多层前向网络结构。基于一种近最优的性能指标导出其参数自适应的误差反向传播算法。为了克服传统算法收敛慢的缺点,提出用模糊逻辑来调整学习过程的方法。通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学     

基于HGA的模糊神经控制充电器设计与实现

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应,提出了基于递阶遗传算法的模糊神经网络优化算法来进行蓄电池的充电控制,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数,实现对非线性的、时变的、有干扰的、具有纯滞后的蓄电池充电控制系统的最佳控制.     

神经模糊技术在DSP控制交流调速系统中的应用

运用神经模糊技术中的串联型神经模糊混合模式,设计了神经网络在线模糊自适应控制器,作为异步交流电机直接转矩调速系统中的速度控制器.在TMS320F240 DSP的开发平台上进一步开发设计了全系统的硬件和软件.实验结果表明,系统取得了较好的调速性能.     

非线性系统模糊神经网络直接自适应控制

提出一种基于模糊神经网络的自适应控制方法。由模糊神经网络构成非线性预测器，利用使预测输出等于参考输出，生成实时控制信号。对自适应算法进行了理论分析，结合实例进行了仿真。     

基于动态神经模糊算法的船舶航向自适应控制

针对船舶航向控制中模型参数变化引起的不确定性问题,提出一种基于动态神经模糊模型(DNFM)的自适应控制算法.DNFM在学习中同时调整结构和参数,充分逼近Norrbin非线性船舶NARX模型的逆动力学.训练好的DNFM与PD控制器并联构造自适应控制器用于航向控制,且以PD控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值.以5446 TEU集装箱船的航向控制仿真结果验证了算法的有效性.     

基于模糊逻辑的模糊神经网络推理机结构及其实现

讨论了基于模糊逻辑与神经网络的模糊神经网络推理机的结构;给出了将模糊产生式规则转换为相应模糊神经网络的方法;深入探讨了采用欧氏距离作为误差函数的改进ＢＰ算法;给出了在数据融合中使用该模糊神经网络推理机进行目标平台识别的例子．     

一种基于模糊神经网络的城市道路交叉口可变相序控制

在结合模糊控制和神经网络各自优点的基础上,提出一种城市道路交叉口可变相序自适应控制算法.算法根据通行权转移度设计出相位转移模块和绿灯延时模块,并分别为之建立模糊控制器,每个控制器都通过多层BP神经网络来实现.仿真结果表明,该方法能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力.     

基于模糊神经控制的EPS系统设计

为提高自动驾驶过程中汽车转向的轻便性和鲁棒性,建立了自动驾驶汽车的EPS系统模型,提出了基于径向基神经网络的辅助特性曲线模块和模糊神经网络PID控制算法,并运用Matlab/Simulink和Carsim建立整车联合仿真.结果表明：基于径向基神经网络的辅助特性曲线平滑度更高,为后续整车仿真精确性提供了良好的基础,且基于模糊神经网络PID的EPS系统比常规神经网络PID控制系统更优,对自动驾驶汽车的EPS系统设计具有重要意义.     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法．首先根据生产控制系统的实验记录的曲线或者数据，初步确定一个“if…then”模糊逻辑规则模型；然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算，构造了一个神经模糊系统；通过有导师的误差反向传输学习，将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改，从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

基于模糊自适应共振理论的图象分割

提出了一种基于模糊ＡＲＴ神经网络的灰度门限化图象分割方法,该方法不仅可以自动确定分类数目,而且还能有效抑制噪声,对人工和实际图象的分割实验结果验证了本方法的有效性。     

基于模糊神经网络的汽车安全控制系统

针对国内汽车安全控制系统水平相对落后的现状,提出了一种模糊神经网络的汽车安全控制系统,采用基于标准模型的模糊神经网络作为控制器,包括输入层,模糊化层,规则层,归范化处理和输出层,应用多层前馈网络的反向传播算法网络作为学习算法,运用动态BP网络作为神经网络预测器。MATLAB仿真结果表明：该控制系统具有较好的快速性、稳定性、稳态性能以及鲁棒性。     

一种基于遗传神经元网络的模糊控制系统

针对常用的基于BP网络的模糊控制器对模糊控制规则的学习难以达到理想效果的缺陷,采用遗传算法生成前向神经元网络,可同时对网络的极值与结构进行学习,基于此基础的神经网络模型控制系统具有良好的自适应特性。     

基于模糊RBF神经网络的主汽温控制系统

本文主要研究应用模糊神经网络实现主汽温控制系统,采用神经网络的学习能力来优化权值,在不同负荷下都取得了较好的控制效果.     

A Direct Feedback Control Based on Fuzzy Recurrent Neural Network

A direct feedback control system based on fuzzy-recurrent neural network is prosed, and a method of training weights of fuzzy-recurrent neural network was designed by applying modified contract mapping genetic algorithm. Computer simulation results indicate that fuzzy-recurrent neural network controller has perfect dynamic and static performances .     

基于模糊控制算法的暖体假人温控系统设计

用传统PID方法设计的暖体假人温控系统存在参数难以整定、调整和试验效率较低的情况,本文介绍了一种基于二维模糊控制算法的暖体假人温控系统.该系统可以取得较好的温度控制效果.     

Control System of Garbage Incinerator Based on Fuzzy BP Neural Network

根据固体垃圾焚烧技术原理,结合垃圾焚烧炉运行特点,分析了垃圾焚烧过程与影响焚烧的主要因素,提出了基本模糊BP神经网络算法的垃圾焚烧炉控制方法.建立了垃圾焚烧炉炉温双端输入模糊神经网络（DIFNN）控制模型,并使用模糊BP神经网络控制算法对系统进行控制.仿真实验表明,该模糊BP神经网络控制能够适应复杂多变的焚烧过程的控制要求,控制效果好.     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。     

基于神经网络的自学习模糊控制

将神经网络与模糊控制相结合，提出了一种基于神经网络实现自学习模糊控制的方法，并给出了神经网络训练、控制器离线自学习、控制器在线自学习的相应算法，利用该方法，可以实现控制器的离线自学习和在线自学习，从而在控制对象发生变化时，通过控制器自学习改善系统的控制性能，仿真结果表明了该方法的有效性。     

基于神经网络实现模糊控制的方法

介绍了一般模糊控制器的结构和主要组成部分的工作原理，介绍了实现模糊控制的查表法，硬件表用模糊控制器和软件模糊推理法的特点。     

无刷直流电机直接转矩神经模糊控制研究

为简化无刷直流电机控制系统结构的同时又能使其具有较快的转矩响应速度,提出一种适用于无刷直流电机直接转矩控制的神经网络模糊推理控制方案,用神经网络定子磁链观测器取代传统的定子磁链观测器．采用模糊控制算法设计逆变器开关状态选择器。利用MATLAB对系统两种不同控制方法的仿真实验结果进行比较,通过比较得出,本文的控制方法转矩、转速、磁链响应快、脉动小,具有优良的稳定跟踪性能和较快的动态响应,具有一定的工程研究价值。