T-S模型的模糊神经网络控制器及应用研究

本文介绍了Ｔ－Ｓ模型的模糊神经网络,讨论了这种网络的结构、学习算法,给出了由这种网络组成的控制器结构。仿真结果表明此控制器对船舶操纵等非线性系统具有很好的控制性能和鲁棒性。     

一种自组织模糊神经网络控制器的研究

采用自组织模糊神经网络充分融合模糊控制和神经网络控制的优点,应用于电力变换器的潮流控制中,通过仿真对比,实验表明它具有自组织和在线学习能力以及设计上不依赖被控制对象数学模型的特点,具有很好的追踪控制能力和鲁棒性,达到了较好控制效果.     

T—S模型的模糊神经网络控制器及其应用研究

本文介绍了Ｔ－Ｓ模型的模糊神经网络，讨论了这种网络的结构、学习算法，给出了由这种网络组成的控制器结构。仿真结果表明此控制器对船舶操纵等非线性具有很好的控制性能和鲁棒性。     

一种基于模糊逻辑的加热控制器

设计了一种用于加热的模糊控制器。用Ｖｅｒｉｌｏｇ ＨＤＬ语言在行为级上描述了加热器的功能，用ＦＰＧＡ验证了电路的功能。然后综合至门级，用１．２μｍ两层金属布线标准单元库进行自动布局布线直至生成版图。结果表明，采用该方法可增加设计的灵活性，缩短了设计周期。     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

一种模糊神经网络智能控制器及其应用

本文提出了一种模拟推理神经网络模型，并用于实现模糊控制，在此基础上提出了基于模糊神经网络的自组织控制器和有效的快速Ｋａｌｍａｎ学习算法，经仿真结果和实际温度控制表明，这种新型的自组织控制器性能优于一般Ｆｕｚｚｙ自组织控制器。     

一种高速模糊控制器的硬件设计

本文采用了先进模糊规则算法，提出了一种以ＭＯＳ－ＤＹＬ集成电路为基本电路的模糊控制器的设计方法，设计了一种用ＭＯＳ电流镜的电流型电路和ＤＹＬ电压型电路互相兼容在一块芯片上高速的模糊逻辑硬件系统。研究结果证明，其速度可达２×１０７ＦＩＰＳ（每秒模糊逻辑推理次数）。     

一种基于神经网络的模糊推理方法

对于Zadeh的模糊关系合成法则（简称CRI方法），选择一个适宜蕴涵关系矩阵是至关重要的。通常蕴涵关系矩阵的元素值是通过一个所构造的数学表达式计算的，或是由领域专家凭经验直接给出。然而，有时，特别是对于后一种情形，CRI法不能满足模糊推理最基本的一致性要求。文章构造了一个神经网络用于模糊推理，新方法不仅是CRI方法的推广，而且远比CRI方法易于满足推理的一致性要求。得益于神经网络的长处，新方法具有灵活性、可调性。文章给出了权值的具取值法。     

基于模糊神经网络的粗纱机电气控制系统

文章在现有的纺织机械电气控制系统中,引入了一种模糊神经网络控制器,利用神经网络控制器的自学习能力来获得精度、速度及稳定性都较高的控制系统,从而提高了出纱速度和质量。     

一种双模糊控制器的设计实现

在工程实际中,很多被控对象具有时变、非线性的特点,用常规的控制方法难以进行控制或者控制效果不好,为了对这类实际系统进行有效地控制,本文基于模糊控制器的基础上,设计实现了一种双模糊控制器,根据实际系统输出信号的误差大小利用两个模糊控制器分别进行控制,以改善系统的快速性和消除误差。从仿真结果来看,和常规PID控制及普通模糊控制相比,双模糊控制器有效地减小了系统稳态误差,响应时间、超调量、稳定时间等性能均优于传统的PID控制和模糊控制。     

基于BP神经网络的温度模糊PID控制器设计

根据BP神经网络对温度控制的要求设计出一种模糊PID控制器,采用误差和误差变化率作为模糊PID控制器的输入,PID参数作为模糊PID控制器的输出,使用一组模糊规则实现对PID参数的在线优化调节。采用Simulink图形化工具平台对模糊PID控制器和传统的PID控制器进行建模和仿真,结果表明和传统PID控制器相比,模糊PID控制器性能优良,使系统响应速度加快,超调减小。     

基于模糊CMAC的三连杆机械臂的最优控制器

研究了将模糊CMAC神经网络和最优控制方法Hkamilton-Jacobi-Bellman(H-J-B)相结合来实现三连杆机械臂的最优控制策略。介绍了模糊CMAC神经网络的基本结构,基于二次最优控制信号的模糊CMAC控制器设计,推导了基于Lyapunov稳定性分析理论的神经网络自适应学习算法,并通过一个鲁棒化向量来克服系统模型中不确定项的影响,保证系统的稳定性。     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制器的设计方法。该控制器主要由2部分组成，第一部分利用遗传算法搜索出一组神经网络控制器的初始权值，第二部分用历史输入输出数据训练神经网络自适应控制器，经过训练后其达到稳定的控制效果。通过Matlab仿真表明，该控制策略克服了BP算法对初始值敏感的问题，有效提高神经网络的控制效果，和常规PID控制器相比较，超调量小、抗干扰性强和鲁棒性好。     

基于模糊神经网络的微波器件建模

通过模糊数据曲线来确定模糊规则,从而只需要根据系统的输入输出数据来建立网络最佳结构,并对BP算法进行了改进以加快网络模型的训练速度.在此基础上,用建立的模糊神经网络对微波无源器件共面波导的电容参数来进行提取.实验证明,模糊数据曲线确定的网络结构是接近最佳的,在训练速度和精度方面,效果优于神经网络建模算法.     

基于模糊神经网络智能预测模型的设计与实现

针对智能决策支持系统中经常遇到的预测类问题,根据人工神经网络和模糊逻辑系统的各自特点,设计一种模糊神经网络模型,将模糊系统用类似于神经网络的结构表示,再用相应的学习算法训练模糊系统实现模糊推理.并对此模型进行预测验证和编程实现.     

基于BP神经网络的PID控制器的设计及模拟研究

本文首先对BP神经网络进行概述,然后对基于BP神经网络的PID控制器的设计进行分析,最后进行模拟仿真研究,得出基于BP神经网络的PID控制器与传统PID控制器具有适应性强、精度高等明显优势的结论.     

基于模糊神经网络的传感器可信度实时获取

针对传感器在复杂环境中所测信息不完全准确的问题,提出了一种基于专家规则的零阶Sugeno模糊模型神经网络来获取传感器可信度的方法.神经网络经训练样本训练后,可以根据传感器状态和环境信息实时地得到传感器可信度.将该模型学习算法中的最小二乘识别器加以改进,并引入了遗忘因子,可以使该网络实现在线学习,不断更新网络参数.仿真结果表明该模糊神经网络可以有效地获得传感器可信度,且越小则网络在线学习能力越强.     

Taste Identification of Tea Through a Fuzzy Neural Network Based on Fuzzy C-means Clustering

1　IntroductionTasteidentificationisoneofthemainapplica tionsofthepatternrecognition .Thestudyoftasteidentificationcanbetracedbacktothebeginningof90’s.Theneuralnetworkmodelrealizingtasteidentificationofthefivebasictasteswithvariousdensitywasoriginally proposedbyHaoBo[1 ] in1 994.Afterward ,withthedevelopmentofartificialintelligence,thefuzzyneuralnetworkwasusedtoidentifythebasicandsweet acidcompoundtaste[2 ] .Furthermore ,thequantitysamplinganalysisofvari ousfoodsandbeverages,suchascoffee ,r…     

基于PLC的模糊神经网络控制策略的应用

研究了模糊控制与神经网络两者相结合构成的模糊神经网络控制策略,实现了模糊神经网络控制算法在PLC中的软件编程,它不依赖于被控对象精确的数学模型,将模糊神经网络控制器应用于温度控制系统中,获得了良好的控制效果。     

基于模糊神经网络的自适应预失真功放

在无线通信中,高数据传输率的数字无线系统要求用频谱有效的线性调制方法,但是这些调制方法对功放的非线性又很敏感,会产生频谱扩展、邻近信道干扰和误码率(BER)特性的恶化。本文提出用模糊神经网络(FNN)的算法来实现功放的自适应预失真,以补偿功放的非线性,并仿真了模糊神经网络对功放非线性的补偿以及对误码率特性的改进。结果表明,此方法实现的预失真器具有良好的自适应性和鲁棒性,不需要从一大堆原始数据中进行费时的训练,而可以充分地利用己有的知识和经验;而且,在学习的过程中,采用变结构的神经网络,先粗后细、分组学习,更大大缩短了学习的时间。