MSBR法污水处理模糊神经网络控制的研究

模糊神经网络(FNN)技术的迅速发展及其理论的不断完善为其在各个领域的应用奠定了基础。简述了FNN技术的发展以及在污水处理过程中的应用现状和重要性,详述了模糊神经网络控制在MSBR法污水处理中的应用,提出了一个具有5层的模糊神经网络控制器,通过仿真实验表明该控制系统具有很强的鲁棒性与容错性,该控制器能够自动调整隶属度函数、动态优化控制规则,将其应用于溶解氧控制和出水水质预测,结果表明可以快速、有效地使溶解氧浓度达到期望值,实际出水水质预测结果也具有很好的收敛性和预测精度。     

前向多层神经网络模糊自适应算法

本文将模糊集理论与人工神经网络的研究相结合，提出一种模糊自适应ＢＰ算法，用典型异或问题与规模更大的打印机磁泄漏信息识别问题进行计算机模拟表明，该算法可使ＢＰ算法的收敛速度明显提高。此项工作为神经网络与模糊系统相结合探索了一条新的途径。     

模糊神经网络PID在三容水箱中的应用

现代工业生产过程日益复杂,采用先进的控制算法对生产进行控制,以提高生产控制水平,提高生产质量及效率.通过对工业过程控制中典型对象——三容水箱的液位控制分析,提出将模糊控制与神经网络结合的智能模糊神经网络PID控制.仿真结果表明该控制方法比传统PID控制具有调节时间短、超调量小、鲁棒性强的优点.该控制方法集中了模糊控制和神经网络控制的优点,自学习能力及模糊信息处理能力都具有一定优势,更能适应现代工业控制的需要.     

神经网络和自适应模糊神经网两种算法在曲面重构中的比较

分析了应用于三维曲面重构中的神经网络和自适应模糊神经网络两种算法,并结合具体的应用例子对两种算法在物体三维模型重建及曲面再现中的优劣进行了比较.试验结果表明,在相同的网络模型训练时间及模型充分收敛的前提下,自适应模糊神经网(ANFIS)算法比神经网络(ANN)算法具有更快的收敛速度和更高的重构精度,而且ANFIS更适合对表面复杂的三维物体进行模型重构和曲面再现.     

模糊信息处理与模糊神经网络

模糊神经网络结合模糊逻辑具有较强的结构性知识表达能力（即描述系统定性知识的能力）,神经网络具有强大的自学习与定量数据的直接处理能力,从而具有一定的处理定性与定量知识的技术和方法。     

模糊神经网络在变压器故障诊断中的应用

介绍了一种模糊神经网络，它利用神经网络强大的知识获取和模式分类能力以及模糊理论能有效处理不确定因素的特点，来解决变压器故障诊断中的复杂性和模糊性问题，从而提高诊断精度。     

一种递归模糊神经网络自适应控制方法

构造了一种递归模糊神经网络(RFNN),该RFNN利用递归神经网络实现模糊推理,并通过在网络的第一层添加了反馈连接,使网络具有了动态信息处理能力.基于所设计的RFNN,提出了一种自适应控制方案,在该控制方案中,采用了两个RFNN分别用于对被控对象进行辨识和控制.将所提出的自适应控制方案应用于交流伺服系统,并给出了仿真实验结果,验证了所提方法的有效性.     

基于自组织模糊神经网络的污水处理出水水质预测建模

提出了一种新的自组织模糊神经网络算法,该算法能够基于输入数据自动进行神经网络结构辨识和参数辨识。首先采用一种自组织聚类方法得到神经网络的结构和网络参数初值,然后采用监督学习来优化网络参数。以某污水处理厂的运行数据为对象,应用该自组织模糊神经网络建立了活性污泥污水处理系统出水水质预测模型。仿真结果表明,该模型能够对污水处理系统出水水质进行较好的预测。     

基于CSO优化模糊神经网络的污水处理出水COD预测模型

针对污水处理的非线性系统,为了能够有效预测出水化学需氧量（COD）。提出了一种基于鸡群算法（CSO）算法优化的模糊神经网络预测模型。首先通过模糊神经网络设计了COD模糊神经网络预测模型;之后采用鸡群算法优化模糊神经网络模型参数,弥补预测模型容易陷入局部极小值的缺点,使模糊神经网络的预测精度有了明显提高。最后用MATLAB平台进行仿真实验,仿真结果清晰表明,改进型模糊神经网络预测模型具有很好的自适应性和鲁棒性,提高了COD预测精度和预测效果,能够满足实际污水处理的测量需求,具有一定的研究价值。     

基于模糊神经网络滑模控制器的一类非线性系统自适应控制

本文研究了一类不确定性非线性系统的自适应控制,在模糊神经网络滑模控制器（Ｆｕｚｚｙ ｎｅｒｕａｌ Ｎｅｔｗｏｒｋｓ sｌｉｄｉｎｇ Ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅ ）的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与带死区的滑模控制器（Ｓｌｉｄｉｎｇ ｍｏｄｅ Ｃｏｎｔｒｏｌｌｅｒ ｗｉｔｈ Ｄｅａｄ Ｚｏｎｅ）有机结合,通过平滑切换实现自适应控制,这种方法使系统不仅有好的鲁棒性而且能有效地消除离频动,同时     

基于遗传算法的自适应神经模糊控制器

分析了自适应神经模糊系统的特性，以此设计一个智能控制器，控制器的输入为误差和误差变化率，输出为控制量。遗传算法是一种有效的全局最优搜索算法，对于复杂、非线性的空间也能够快速地搜索最优解，因而本文利用遗传算法来优化自适应神经模糊控制器的参数。仿真实验表明，该方法优化得到的控制器具有优良的控制效果。     

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。     

一种模糊小波神经网络辨识器的设计与应用

针对现有模糊神经网络的语言变量层隶属函数的不足,借鉴小波变换良好的尺度变换和伸缩平移特性,提出了一种新的模糊小波神经网络模型,并研究了其结构和相应的优化算法.将该模糊小波神经网络作为系统辩识器进行计算机仿真,仿真结果表明所研究的模糊小波神经网络结构及其学习算法简单有效,系统辩识准确.     

自适应模糊PID在温度控制中的应用

温度控制具有非线性、大惯性、时变性等特点,常规PID控制和常规模糊控制还不能使温度的控制达到理想效果。设计一种自适应模糊PID控制器,该控制器在大偏差范围内采用模糊控制,根据偏差和偏差变化的需要实时调整PID参数,小偏差范围内采用PID精确控制。介绍自适应模糊PID控制器的构成和原理,并利用Matlab／Simulink和模糊逻辑工具箱对其进行仿真,仿真结果表明,这种自适应PID控制器既具有模糊控制灵活、响应快、适应性强的特点,又具有PID控制精度高的特点,改善了温度控制的效果。     

基于模糊神经网络的综合导航系统故障检测与诊断技术

文中主要针对综合导航系统对于缓变故障检测困难，以及故障难以定位等问题，提出一种基于状态χ^2。检验和ARTMAP神经网络技术的故障检测与诊断系统。用基于BP神经网络的状态χ^2检验法检测出故障数据后，以故障时刻的SCST值作为两个ARTMAP网络的输入模式，判断故障源、故障幅值和故障发生时间。并以SINS／GPS综合导航系统实际跑车数据为基础进行缓变故障仿真，验证该方法的有效性和检测精度。     

Evolving Fuzzy Neural Networks for Extracting Rules

ＥｖｏｌｖｉｎｇＦｕｚｚｙＮｅｕｒａｌＮｅｔｗｏｒｋｓｆｏｒＥｘｔｒａｃｔｉｎｇＲｕｌｅｓ＊＊ＴｈｉｓｗｏｒｋｗａｓｓｕｐｐｏｒｔｅｄｂｙｔｈｅＣｌｉｍｂｉｎｇＰｒｏｇｒａｍｍｅ┐ＮａｔｉｏｎａｌＫｅｙＰｒｏｊｅｃｔｆｏｒＦｕｎｄａｍｅｎｔａｌＲｅｓ...     

模糊汉明神经网络及其实现的研究

由于传统汉明神经网络未解决模式重叠和识别算法是否一定收敛的问题,也未充分利用输入模式与其他神经元之间的靠近程度信息,本文提出一种模糊汉明神经网络.模糊汉明神经网络可接受二值和非二值输入;使用模糊类隶属度子网解决模式重叠问题和充分利用靠近程度信息;采用比较子网保证算法的收敛和减少互连.其模块式的电路设计也便于网络的VLSI实现和扩展.     

基于模糊神经网络的PID控制器研究

工业控制经常会用到一些经典的PID控制,PID控制有很多优点比如应用范围广、参数较易整定、鲁棒性好等.但是随着科技的发展,工业控制对控制对象的要求越来越高,PID控制有时候很难满足控制要求.因此文章在原有的PID控制器的基础上,加入模糊控制、神经网络控制,优化其控制系统.模糊神经网络PID控制器通过实验证明控制效果有很大的提升.模糊控制、神经网络控制结合一起起到互补的效果,比单独的PID控制系统性能更好.     

模糊神经网络信息融合技术在导弹故障诊断中的应用

在导弹发射时,电路板发生故障将对导弹的性能产生严重的影响。本文结合模糊理论处理不确定知识的优势和神经网络并行处理、容错性强、有自学习能力等优点,应用模糊神经网络组建被测系统的数学模型,并将信息融合技术引入导弹故障诊断的过程中,通过实例证明该方法使得检测和诊断导弹故障更加可靠。