模糊洗衣机控制器的研制

本文应用MOTOROLA单片机68HC05C8作洗衣机模糊控制器。利用不同的检测手段，测定衣量、衣质及浊度，并对衣量、衣质进行模糊推理，较好地解决了洗衣机在不同衣量、衣质情况下，对水位、水流及洗涤时间进行决策，成功地用于家电生产。     

洗衣机神经网络模糊控制器的设计

将BP神经网络与模糊控制相结合设计洗衣机神经网络模糊控制器．并用MatLab进行仿真实验。预设洗衣机水位、水流强度和洗涤时间,自动生成模糊控制规则和隶属度函数,在整个过程中实时调整这些参数．提高洗衣机的性能．达到较好的节水省电的洗衣效果。     

单片微机与模糊控制讲座：第十讲用MC6805R3控制的模糊洗衣机 上

传统的全自动洗衣机有两种,一种是机械控制式,一种是单片控制式。无论采用什么方式,它们都需进行人为的洗涤程序选择,衣质和衣量选择,然后才能投入工作。在本质上讲,这种洗衣机还称不上是全自动的,最多只能称为半自动的。 用MC6805R3控制的模糊洗衣机和传统的洗衣机有很大的区别,它能自动识别衣质、衣量,自动识别肮脏程度,     

工业洗衣机模糊控制器的设计

本文深入研究了工业洗衣机的模糊控制系统结构,确定了控制器的输入、输出变量,设计了输入输出变量的隶属函数,分析了输入输出变量的相关性,在正交实验的基础上建立了模糊控制规则库,给出了软件设计思想及模糊推理程序流程。     

基于补偿模糊神经网络的洗衣机仿真研究

本文介绍了基于模糊逻辑和神经网络的补偿神经网络(CFNN)及其学习算法,利用CFNN学习速度快、学习过程稳定、全局动态优化运算等特点使洗衣机能够更加准确的判断衣物的软硬程度、衣量多少、脏污程度和性质等,自动生成模糊控制规则和隶属度函数,预先设定洗衣机水位、水流强度和洗涤时间,在整个洗衣过程中实时调整这些参数,达到最佳的洗衣效果。     

工业洗衣机模糊控制器的设计

本文深入研究了工业洗衣机的模糊控制系统结构,确定了控制器的输入、输出变量,设计了输入输出变量的隶属函数,分析了输入输出变量的相关性,在正交实验的基础上建立了模糊控制规则库,给出了软件设计思想及模糊推理程序流程.     

一种洗衣机模糊变频控制的实现

从硬件设计和软件设计两个方面，系统地介绍了应用MC68332单片机作为洗衣机控制器的核心，结合IPM模块及相关外围电路实现洗衣机中模糊变频控制的方法；并对设计过程中的某些关键问题给出了较为详细的论述，洗衣效果的提高也证明了该控制方法的有效性。     

单片微机与模糊控制讲座：第十讲 用MC6805R3控制的模糊洗衣机（下）

三、洗衣机物理量检测 洗衣机在洗衣过程中起决定作用的物理量有布质、布量、浑浊度、水温等四种。这些物理量都需要采用一定的方法检测出来,并且转换成单片机MC6805R3能接受的形式送入单片机中,才能进行处理和执行模糊推理。 1.浑浊度的检测 衣物的脏污程度、肮脏性质和洗净程度等都需要检测,以便进行工作过程的整定的控制。浑浊度的检测是采用红外光电传感器来完成的。利用红外线在水中的透光率和时间的关系,通过模糊推理,以得出检测的结果而这个结果就可以用于控制推理。     

单片微机与模糊控制讲座：第十讲 用MC6805R3控制的模糊洗衣机（中）

二、模糊全自动洗衣机的模糊推理 在模糊洗衣机中,浑浊度、布质、布量等都是通过对现行状态的检测,再通过模糊推理得出的。 在模糊推理中,需要考虑推理的前件和后件,也即是推理的输入条件和输出结果。在模糊洗衣机中,主要是要考虑布质、布量、水温和肮脏程度这几种条件,而从这些条件求取水位,洗涤时间和水流,漂洗方式和脱水时间等。故而,模糊洗衣机的推理如图2所示。     

洗衣机智能模糊控制系统

本文将模糊控制引入洗衣机控制系统中，根据洗衣机工作特点，重点阐述了模糊决策系统和主要检测电路，并给出了该洗衣机的控制程序流程图。     

模糊分类与模糊匹配相结合的模糊检索

1.问题的提出文献信息检索的过程,可以看成是一个用户“查询”和文献库之间“匹配”的过程。但是,当文献库中文献数量达到几百万甚至更多时,如果仍用用户的“查询”去逐一匹配文献库,将花费很长的时间,甚至使检索方法无法付诸实用。因此,将文献适当地分成若干子类,在子类中进行检索,能缩小检索范围,可加速匹配     

模糊代数系统与模糊范式

模糊代数系统是研究模糊语言及模糊自动机的有力工具,语言的范式已有详细的研究。在模糊代数系统的基础上,给出模糊范式的概念并进行分类,研究proper模糊代数系统与Chomsky模糊范式的关系,给出由proper模糊代数系统构造Chomsky模糊范式的方法,这种方法使得proper模糊代数系统在表达形式上规范化。为了研究proper模糊代数系统的解,构造了operator模糊范式,并得到结论:二者强解的第一分量相等,其余对应分量相差一个右逆算子。模糊范式提供了研究模糊代数系统的不同视角,彰显了模糊范畴下代数系统比经典代数系统具有更好的性质。     

模糊逻辑控制器的模糊神经网络实现

模糊逻辑是人脑思维活动的基本方式，而神经网络则是模仿人脑神经系统功能而设计的一类巨型非线性网络。所以将模糊逻辑与神经网络相结合具有很大的前途。本文利用模糊神经元突破了没有计算机就不能实现模糊控制的传统观点，给出了一种不用计算机就能实现的模糊神经网络控制器，对模糊控制的硬件实现起到积极的作用。     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况, 模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的. 针对这一问题, 根据模糊积分的思想, 本文通过分析隶属函数的变化曲线来确定模糊密度, 以此为依据为输入特征划分合适的模糊变量, 并以Iris数据集为例验证了该方法的有效性.     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况,模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的.针对这一问题,根据模糊积分的思想,本文通过分析隶属函数的变化曲线来确定模糊密度,以此为依据为输入特征划分合适的模糊变量,并以Iris数据集为例验证了该方法的有效性.     

基于模糊积分的多模糊决策树融合

给定一个模糊信息系统,可能找到多个重要的模糊属性子集,而且这些重要的模糊属性子集对决策有不同的贡献,会产生不同的影响.如果仅选择其中一个模糊属性子集进行决策,即使是最重要的一个,也会丢失隐含在其他重要的模糊属性子集中的可用信息.为了充分利用模糊信息系统中每个重要的模糊属性子集所提供的信息,提出了一种基于模糊积分的多模糊决策树融合方法.这种方法分3个步骤:1)通过模糊等价关系找到几个重要的模糊属性子集;2)对每个模糊属性子集,利用模糊ID3算法生成一棵模糊决策树;3)用模糊积分融合几棵模糊决策树.实验结果证明了用多模糊决策树融合方法比单模糊决策树分类效果更好.     

论模糊C均值算法的模糊指标

模糊C均值算法(FCM)是经常使用的聚类算法之一．模糊指标m的选取对FCM的性能有重要影响．但使用模糊C均值算法时，理论上如何选取模糊指标m一直是一个问题．该文指出当一个数据被聚集成c个子类时，每个子类一般情形下应有不同的类中心．据此作者通过研究FCM算法的收敛点集的性质，得到了FCM算法的平凡解的稳定性判据，由此证明了如何选取模糊指标m理论上依赖于数据本身，并给出了理论上选取模糊指标m的规则．实验结果说明了该文给出的规则是有效的．     

一种基于模糊熵的模糊分类算法

在模糊ID3算法中,用模糊分类熵选择扩展属性,以自顶向下的方式递归地构建模糊决策树,对数据进行分类。提出了一种基于属性模糊熵的模糊分类算法,不同于模糊ID3算法,模糊条件属性的模糊熵作为权值用来对相对模糊频率进行加权,综合考虑各个模糊条件属性对分类的贡献。实例分析和实验结果表明了这一算法的有效性。