天然气发动机空燃比控制策略的研究与仿真

介绍了天然气发动机空燃比的比例-积分-微分控制、模糊自适应整定比例-积分-微分控制以及神经网络等各种控制策略,并对其进行了Matlab/simulink仿真,分别建立了仿真模型,给出了不同控制策略下的仿真结果图形曲线。通过仿真结果分析并对比了各种控制策略的控制特点,指出了在实际应用中需注意的问题。     

RBF神经网络算法在汽油机空燃比控制中的比较

选择具有多干扰和复杂非线性的汽油机空燃比为控制对象,对径向基函数(RBF)神经网络的RLS和LMS在线算法,从训练速度、抗干扰能力、控制精度三个方面,在MATLAB下进行了仿真比较。结果表明:在用离线训练的网络参数作为初始值、且不调整RBF中心值和宽度向量时,RLS算法优于LMS算法。     

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。     

模糊神经网络控制器的仿真研究

简要介绍了一般模糊神经网络控制器的设计理论 ,仿真给出了基于 MATLAB控制器的模糊神经控制流程和算法 ,仿真实验表明该模糊神经网络控制器具有良好的动、静态性能、抗干扰性能和鲁棒性能     

一种基于自适应神经元的模糊变结构控制器

融合模糊控制、变结构控制和自适应神经元,提出了一种基于自适应神经元的模糊变结构控制器。该控制器选用时变开关超平面,利用自适应神经元在线学习模糊变结构控制规则,并采用模糊推理合成消除颤振。仿真结果证明：这种控制器动态响应快,超调小,无颤振现象,系统鲁棒性强。     

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。     

模糊神经网络及其在温度控制系统中的应用

根据模糊系统的结构,构造等价结构的神经网络,针对工程实际应用中模糊控制对于时变参数非线性系统缺乏在线自学习或自调整能力的缺陷,设计了一种增强模糊控制规则自学习能力的模糊神经网络控制器．仿真研究和模拟实验证明了方法的可行性．     

电控汽油机怠速模糊RBF神经网络控制

针对电控汽油机怠速控制要求,提出了一种模糊径向基函数(RBF)神经网络控制方案,在MATLAB环境下进行了控制仿真,获得了比PID、模糊、模糊BP神经网络更好的控制性能。     

应用模糊神经网络完成模糊控制器的设计和仿真

介绍了模糊神经网络的基本结构,讨论了利用模糊刘经网络技术通过离线学习的设计模糊控制器的方法。     

运用模糊神经网络的雷情系统故障诊断研究

为了对雷达情报信息系统进行快速准确的故障诊断,提出了一种模糊神经网络的故障诊断方法.该方法将BP网络与FAM网络相结合,充分利用BP网络的分类功能和FAM网络的综合诊断功能,实现了高效、准确的故障诊断.最后通过对雷达情报信息系统故障实例的诊断仿真,证明了该算法的合理性.     

基于模糊决策与神经网络的汽车安全气囊多级触发控制算法

建立了安全气囊触发控制的模糊神经网络模型,通过编程训练使其识别不同碰撞强度,实现安全气囊的多级触发。安全气囊多级触发可减免低速碰撞双气囊同时触发造成的经济损失和气囊触发对乘员造成的冲击伤害,同时高速碰撞时双气囊同时触发加强对乘员的保护,使控制算法适应安全气囊智能化发展的要求。     

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.     

基于模糊神经网络的模式识别方法

讨论了3种模糊神经元和由其构成的模糊神经网络的基本原理及其学习和自适应机制,针对模糊模式识别问题,建立了一种基于BP学习算法的模糊神经网络模式识别系统,该系统兼有模糊逻辑控制和神经网络两种技术的优点,提高了模糊模式识别的准确性。     

模糊神经网络PID控制器在污水处理中的应用

为建立实时响应快、动态调节性能大、鲁棒性强的污水处理自动控制模型,结合模糊逻辑推理控制、神经网络控制及常规PID（Proportion Integration Differentiation）控制技术,设计了模糊神经网络Fuzzy-PID污水处理控制器。仿真结果和实际应用显示,采用该控制器后,整个控制系统的收敛性、鲁棒性以及动态响应性等均有了很大的改善,系统具有较强的稳定性和自适应性。     

基于模糊神经网络系统的结构主动控制

目的 应用自适应模糊神经网络对多维地震动下结构的振动进行主动控制．方法 用这种自适应模糊神经网络作为主动控制器，以结构的位移和加速度作为输入，计算出主动控制力．结果 将计算的主动控制力输入到结构的动力方程中，结构的位移响应有了较大幅度地减少．同被动控制相比有较大提高．结论 自适应模糊神经网络是一种适用于对结构进行主动控制的智能算法。该控制系统无需引入结构的运动模型和精确参数；对复杂的结构易于建模；同被动控制相比其适应力强，消振迅速而且效果良好．     

广义CMAC神经网络及在空燃比控制中的应用

将广义CMAC神经网络及快速学习算法应用于发动机瞬态空然比控制中,并考虑喷油过程的非线性特性,与采用基本CMAC控制的文献[7]相比较,在相同条件下的仿真表明瞬态空然比的控制精度明显提高。     

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 .     

模糊神经网络的舰载雷达辐射源识别方法

采用模糊神经网络方法,对舰载雷达辐射源进行识别,将模糊系统确定模糊推理规则以及如何推理决策作为黑盒子,只需给出模糊化的输入,即可得到决策输出．该方法具有简捷方便、快速、准确的优点,特别适用于复杂的识别问题。     

基于神经网络的LPG电喷发动机过渡工况空燃比仿真控制

针对LPG电喷发动机过渡工况空燃比难于精确控制的特点,提出了一种将改进Elman神经网络和常规PI控制算法相结合的空燃比控制方法.其中Elman神经网络用于实现无传输延迟空燃比信号的预测,常规PI控制器利用预测信号实现过渡工况下空燃比的实时反馈控制.为验证控制算法的有效性,建立了基于GT-Power/Simulink的LPG电喷发动机空燃比仿真控制平台.仿真结果表明,该控制方法具有较强的自适应功能,能将过渡工况空燃比的控制误差保持在±5%之内.     

模糊神经网络在机器人控制中的应用

为克服机器人控制过程中存在的许多不确定因素的影响,构造了一种新型模型神经网络结构,提出了一新算法,并将其应用于机器人控制,取得了满意的仿真效果,表明有极强的鲁棒性。