基于模糊神经网络的电液位置伺服系统控制

采用将T-S模型与RBF神经网络相结合的网络结构,提出一种复合式控制方案,以解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,以达到对不确定非线性系统的高精确度输出跟踪控制;通过引入运行监控器,克服模糊神经网络控制方法通常存在的实时性差的问题;同时,利用一个鲁棒反馈控制器,来保证模糊神经网络模型学习初期闭环系统...     

基于多重模糊神经网络的PID温度控制算法

传统PID算法在控制具有大滞后、非线性、时变性等动态特性复杂的温度对象时,存在超调量大、参数无法自调节、模型自适应能力差、系统稳定性低等问题。为此,文章提出一种多重T-S型模糊神经网络PID温度控制算法。该算法根据PID算法的结构特点,利用T-S型模糊神经网络的单输出特性,建立能分别输出PID 3个参数的3重网络模型。MATLAB仿真实验结果表明,该算法与传统PID、BP神经网络PID,以及常规模糊神经网络PID等相比,超调量低,稳定性好,模型自适应性强,抗干扰能力强,综合性能指标好。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经元节点间的连接代替模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法（GA）和模糊神经网络控制器的结构进行了说明,为了克服以反向传播算法（BP）的缺点,通过遗传算法对模糊神经网络控制器的参数进行优化,亦即对模糊神经网络进行训练,用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象,仿真结果证实了其性能较常规模糊控制器优越。     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.     

模糊控制与模糊神经网络研究的现状及展望

回顾了模糊控制理论的发展历程，介绍了模糊产品和模糊硬件的开发概况，阐述了将模糊逻辑与神经网络相结合的模糊神经网络技术的研究动态，并对模糊控制学科的发展进行了展望。     

基于神经网络的模糊控制器及其应用

本文提出了一种基于神经网络的模糊控制器，采用神经网络技术实现模糊控制的知识规则的获取、隶属函数的确定及模糊推理，最后通过仿真实验证明了这种方法的有效性。     

神经网络自适应模糊IDSS系统研究

提出了采用神经网线络与模糊控制相结合的方法来设计自适应ＩＤＳＳ。阐述了神经网络控制器的设计原则及其算法，给出了神经网络自适应ＩＤＳＳ的总体设计和系统结构。     

模糊控制和人工神经网络控制仿真课件的研究

本文论述模糊控制和人工神经网络控制仿真课件的基本设计方法,着重论述设计本课件时所用到的几个主要MATLAB函数的使用方法。用本课件设计了水箱水位模糊控制系统,仿真运行结果证明本课件的可用性,并具有使用简单、易学易懂等优点。     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

基于模糊神经网络的模糊辨识方法及其应用研究

利用模糊神经网络（FNN）的学习能力从控制操作的现场数据中获取模糊规则,并自动调节隶属函数,把建模的过程转化为FNN网络结构多数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题,取得了满意的结果。     

基于补偿模糊神经网络的集群创新能力评价

目的为了提高产业集群创新能力及企业的整体创新水平,增强产业国际竞争力．方法将补偿模糊神经网络算法应用到产业集群创新能力评价当中,构建了基于网络结构的集群创新能力评价指标体系,通过因子分析将指标体系精简为6个因子,以6个因子为输入,建立补偿神经网络模型,实现对集群创新能力的评价研究．结果应用Matlab进行编程运算,从实验结果来看,误差非常小,训练结果令人满意,取得了很好的效果．结论该方法适用于产业集群创新网络能力的绩效评价,从而为研究产业集群的评价提供了一个新的思路．     

工程机械模糊神经网络挡位决策方法

结合工程机械的工作特点 ,提出了一种可应用于工程机械换挡决策的模糊神经网络(FNN)方法。并且利用ZL50装载机传动系统模糊换挡控制试验的数据进行了验证性仿真试验 ,该模糊神经网络系统实际上是对模糊控制系统的一种自适应与自学习的神经网络算法改造。仿真结果表明 :该挡位决策方法可以根据操作工况环境实现正确的变速箱挡位决策 ,为FNN换挡控制器的开发做了理论准备     

基于神经网络的模糊控制及其应用

本文介绍一种利用神经网络的学习功能设计模糊控制逻辑的方法，并对这种方法在工业控制中的应用前景做了探讨。     

一种智能模糊—PID控制器的研究

本文提供了一种智能控制器的设计方法，在设计方法中综合运用了模糊控制技术、人工智能技术、ＰＩＤ控制技术。当完成阶跃响应任务时，采用一类模糊控制器，其控制器参数Ｋｕ由ＢＰ神经元网络推理得到，进入稳态后的消除余差、抗干扰任务由ＰＩＤ控制器宛成。对于一类大常值干扰，采用另一类模糊控制器改善了抗干扰性能。仿真结果说明了这种控制器设计方法的有效性。     

模糊神经网络在水文水资源应用中的研究进展

模糊神经网络结合了模糊逻辑的推理能力及神经网络的自学习能力,使其具备强大的结构式知识表达能力、自身参数调整优化的能力和较好的预报效果.同时在介绍模糊神经网络模型的特点、结构基础上,着重介绍了模糊神经网络在水文水资源领域的研究现状,并指出了其在理论及应用中存在的问题.     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的El-man动态回归神经网络预测控制算法.首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制(GPC)的反馈校正、滚动优化来完成非线性系统的预测控制.仿真结果表明:将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力.     

基于混沌机制的神经网络预测控制及仿真研究

为解决一大类未知、时滞、非线性系统的预测控制问题,提出了一种基于改进的Elman动态回归神经网络预测控制算法．首先,在一般的Elman动态回归神经网络算法中加入了混沌机制,利用混沌机制固有的全局游动有效地消除了Elman网络易陷入局部极值的缺点,提高了系统的辨识速度;然后,结合广义预测控制（GPC）的反馈校正、滚动优化来完成非线性系统的预测控制．仿真结果表明：将本算法应用于非线性系统预测控制,对未建模动态具有较强的鲁棒性和良好的控制跟踪能力。