基于模糊神经网络的加热炉温控系统控制器的设计

本文设计了一种模糊神经网络控制器,该控制器将模糊控制与神经网络融合在一起,既能用模糊规则来描述神经网络的推理过程,又可以通过神经网络来不断调整模糊规则;既能处理加热炉生产过程中的模糊和不确定性因素,又可以适应加热炉对象的非线性和时变性。     

基于模糊神经网络的模糊控制器综合优化设计 Ⅰ设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并 利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

基于模糊神经网络的模糊控制器综合优化设计──Ⅰ．设计方法

将人工神经网络和模糊控制相结合，提出了一种实用的模糊神经网络的构造方法，并利用优化技术，提出了基于模糊神经网络的模糊控制器综合优化设计方法。     

采用神经网络优化调整因子的模糊温度控制器

含多个调整因子的模糊控制器的调整因子的确定是一个参数组合优化问题,为避免参数选择上的盲目性,本文采用BP神经网络对系统的调整因子进行了寻优。仿真及实际运行结果表明,调整因子优化后的模糊控制器在对加热炉的温度实施控制时,性能得到很大改善,这说明利用神经网络对调整因子进行优化的方法有较高的应用价值。     

基于神经网络BP算法的模糊自适应控制器的研究与实现

提出了一种基于神经网络BP算法的模糊自适应控制器 ,通过BP算法 ,修正量化因子和比例因子 ,使模糊控制器具有自适应的能力。计算机仿真结果和实验表明 ,这种智能控制器超调小、响应快且具有良好的鲁棒性。     

微型水力发电机组的T-S模糊神经网络控制器

随着能源短缺现象的加剧,全球能源互联网的提出,微型水力发电越来越被人们重视。详细分析了模糊控制、神经网络以及TS模糊神经网络结构和算法,针对微型水力发电机系统的非线性和时变性的特点,构件了微型水力发电机组的T-S模糊神经网络控制器,采用MATLAB/Simulink仿真软件,在动态负载条件下对该微型水力发电机组进行仿真,分析了突甩负载和突加负载对机械功率、转子速度、频率和电压的影响,并与PID控制器进行比较。其仿真结果表明,所建立的T-S模糊神经网络控制器动态特性模型符合工程实际,满足系统的稳定性要求,具有良好的稳定性和鲁棒性。     

基于神经网络预测模型的聚类自适应模糊控制器的设计及应用

将神经网络与预测控制相结合 ,采用递阶遗传算法对神经网络的权值和结构同时进行训练 ,实现了非线性、大时滞系统模型的精确预测 ;然后将聚类算法和模糊控制相结合 ,设计了一种新型的聚类自适应模糊预测控制器 ,实现了对非线性和大时滞系统的自适应控制。将该控制器应用于锅炉的单元机组负荷控制系统中 ,仿真表明该方案的适应性、实时性和鲁棒性都很强 ,具有工程实用价值。     

永磁直线电机自构式模糊神经网络控制器设计

针对永磁直线同步电动机伺服系统中负载扰动和负载质量变化等参数不确定性对伺服系统动态性能的影响,设计自构式反馈模糊神经网络控制器.该控制器在模糊控制的非线性辩识功能和神经网络的自学习功能的基础上,各层神经元的个数可以根据误差状况发生改变,从而在保留了神经网络自学习能力的同时,增强了神经网络的实时性,提高了伺服系统的动态性能.自构反馈机制的引进,增强了神经网络的适应性.仿真结果表明,基于自构式反馈模糊神经网络控制器的永磁直线电机伺服系统对于参数的变化、外部干扰等具有较强的抑制作用,系统具有较强的鲁棒性.     

基于模糊神经网络的火灾信号处理设计

针对传统智能建筑中火灾报警系统功能简单、定位困难且存在误报和漏报等问题,设计了一种基于模糊控制理论、人工神经网络的火灾安全报警系统.该系统依靠模糊控制理论提高了灵敏度,减少了误报率,并结合神经网络具有自学习功能的特点,提高了整个系统的智能化程度.阐述了火灾报警系统的设计原理,对模糊理论和几种神经网络模型进行了分析,并使用Matlab软件对设计的算法进行了仿真分析,得到比较理想的效果.     

基于模糊神经网络的交流伺服系统

提出了一种基于神经网络的模糊控制交流伺服系统,将神经网络与模糊逻辑结合起来,输入信号先模糊化,然后通过构建的神经网络,在线调整其权值和变化的控制参数,使系统的输出具有更好的动、静态性能,提高了系统的鲁棒性。仿真实验证明了这种基于神经网络模糊控制方法在交流伺服系统中应用的可行性和可靠性。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

基于模糊神经网络的同步发电机失步识别

本文叙述了利用MATLAB软件建立用于发电机外部故障仿真的单机无穷大系统模型,得到发电机各类外部故障仿真数据及波形。并介绍了将模糊神经网络用于发电机失步保护的探测方法,综合提高了失步保护的可靠性。     

模糊神经网络实现的参数自校正控制

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆参数调整规则,从而构成了ＰＩＤ参数调整机构,经过离线训练后,可使ＰＩＤ参数按模糊规则规定的基本原则在线调整。仿真结果表明,对非线性系统的控制,这种方法比常规的ＰＩＤ控制具有更好的动静态性能。     

神经网络PID控制器在交流矢量控制系统中的应用

介绍了一种基于BP神经网络的PID控制器的设计方法，仿真实验结果表明该系统既保证了系统的稳态精度，又保证了系统的快速响应和鲁棒性。     

基于模糊神经网络的铅酸善电池快速充电系统设计

针对铅酸蓄电池充电过程具有非线性、时变性、滞后性的特点,提出了模糊神经网络控制充电的思想,构建了快速充电系统,对信号采集电路、充／放电主电路及控制策略和软件的总体设计进行了详细的阐述,实验表明该系统有效的缩短了充电时间,降低了充电过程中的温升,具有重要的实际意义和应用价值。     

Use of Fuzzy Neural Network in Industrial Sorting of Apples

In this paper, an automated system and methodology for nondestructive sorting of apples are presented. Different from the traditional manual grading method, the automated, nondestructive sorting equipment can improve the production efficiency and the grading speed and accuracy. Most popular apple quality detection and grading methods use two-dimensional (2D) machine vision detection based on a single charge-coupled device (CCD) camera detect the external quality. Our system integrates a 3D structured laser into an existing 2D sorting system, which provides the addition third dimension to detect the defects in apples by using the curvature of the structured light strips that are acquired from the optical system of the machine. The curvature of the structured light strip will show the defects in the apple surface. Other features such as color, texture, shape, size and 3D information all play key roles in determining the grade of an apple, which can be determined using a series of feature extraction methods. After feature extraction, a method based on principal component analysis (PCA) for data dimensionality reduction is applied to the system. Furthermore, a comprehensive classification method based on fuzzy neural network (FNN), which is a combination of knowledge-based and model-based method, is used in this paper as the classifier. Preliminary experiments are conducted to verity the feasibility and accuracy of the proposed sorting system.     

基于实数编码遗传优化的神经网络参数自学习PID控制器

利用遗传算法全局随机搜索能力,设计一种基于遗传算法的神经网络学习算法.利用Matlab进行仿真计算.实验结果表明,所设计的参数自学习PID控制器具有良好的鲁棒特性和响应速度以及抑制干扰特性,可构成较实用的工业控制器.     

基于模糊神经网络直接转矩控制系统设计

针对传统的直接转矩控制中存在转矩、定子磁链波动大的问题,提出了一种结合空间矢量调制的模糊神经网络直接转矩控制方法。它运用模糊神经网络得到期望的任意相位空间电压矢量,再结合空间矢量调制直接对逆变器的开关状态进行控制,以达到减小转矩、定子磁链波动的目的。最后以TMS320F240为核心搭建了一个直接转矩控制系统,通过采集实验数据,分析该直接转矩控制系统与传统的直接转矩控制系统相比磁链和转矩波动明显减少,并具良好的响应性。     

基于SPDS神经网络的电流保护

提出一种基于SPDS神经网络的全新的电流保护方式。该网络采用的是 3层SPDS神经网络模型 ,由 3部分构成 :故障类型与相别判断子网络ANN1、故障方向判别子网络ANN2、振荡识别子网络ANN3。对该模型进行了各种故障状态的测试及仿真实验 ,并与BP网络进行比较 ,发现SPDS网络训练速度快 ,且证实了基于SPDS网络的电流保护的可行性