基于模糊神经网络的深基坑变形预测

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.     

基于S型隶属函数的FALCON神经网络及其应用

作为一种由基本模糊逻辑和神经网络结构结合而成的网络模型,FALCON神经网络兼具模糊逻辑控制和神经网络的学习能力.传统FALCON神经网络使用高斯函数作为隶属函数,具有良好的逼近和收敛能力,但使得网络拓扑结构和学习算法相对复杂.使用较为简单的S型函数作为FALCON神经网络的隶属函数,相应修改网络的拓扑结构,推导网络的学习算法,通过与原型网络相比较,证明改型网络简化了网络算法,且网络性能没有很大降低.最后,将改型网络应用于铝电解槽阳极效应预报,通过实际应用验证了改型网络的有效性和实用价值.     

基于T-S模糊神经网络的电晕放电模式识别方法

提出了基于T-S模糊神经网络的电晕放电模式识别方法,设计制作了三类电晕放电实验模型,并从采集的电晕放电信号中提取最大值、最小值、均值及其分形维数作为网络的输入特征向量,根据特征向量维数、隶属度函数类型及隶属度函数个数对T-S模糊神经网络的拓扑结构进行分析,将输入神经元个数为4、隶属度函数层为3个高斯型函数的网络确定为电...     

基于隶属度函数偏差的非线性网络控制系统的H_∞跟踪控制

研究带有丢包和时滞的非线性网络控制系统的输出跟踪控制问题,用带有外部干扰的T-S模糊模型表示被控对象.不同于现存的基于T-S模型的网络控制系统的跟踪控制方法,在设计跟踪控制器的过程中考虑了隶属度函数的偏差信息.根据网络特性和非平行分布补偿(non-PDC)方案建立跟踪控制模型.基于Lyapunov稳定性理论和线性矩阵不等式(LMI)技术给出了隶属度函数偏差依赖的控制器存在的充分条件,保证了闭环网络控制系统的给定H∞跟踪性能.通过一个数值例子证明了所提方法的有效性.     

无刷直流电机模糊神经网络 PI 控制

在模糊神经网络PI控制算法基础上,采用改进的自适应动量调谐方法对NFNN-PI的网络权值、隶属度函数的中心和宽度进行调整,并利用边缘稳定性来获得较高的跟踪性能,以及对外界负载扰动和参数变化的鲁棒能力。建立了无刷直流电机的仿真模型,对NFNN-PI与传统PI控制器和固定动量率模糊神经网络PI(FNN-PI)控制器性能进行对比,并分析效果。     

基于免疫遗传算法的模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，结合免疫遗传算法寻优速度快和模糊神经网
络控制不依赖于控制对象的优点，设计了一种基于免疫遗传算法优化的模糊神经网络控制的交流伺服系统
。采用免疫遗传算法优化模糊神经网络控制器中隶属函数的平均值、标准偏差以及隶属函数层与规划层的
连接权值。实验和仿真结果验证了该控制策略的可行性。该方法对于系统调节和设定值跟踪均具有很好的
控制效果，而且具有很好的抗干扰性能和较强的鲁棒性，使交流伺服系统具有良好的动、静态性能。     

基于模糊神经网络的焊缝跟踪算法

将智能控制应用到焊缝跟踪系统中,采用模糊神经网络实现模糊控制的功能,提出了一种基于模糊神经网络的焊缝跟踪算法．实验结果表明,基于模糊神经网络的焊缝跟踪系统对于直线焊缝和平滑过渡的弯曲焊缝轨迹跟踪效果令人满意．     

General Fuzzy Min-Max神经网络的改进与应用

针对General Fuzzy Min—Max(GFMM)神经网络不能自适应学习新类的缺陷，提出了一种基于该网络的无师训练改进算法。它一方面继承原GFMM网可以处理模糊输入量的优点．重构了网络中的模糊隶属度函数：另一方面结合ART2神经网络无师学习的特点．引入了网络警戒门限和运行状态切换控制。改进后的GFMM神经网络完全具备了自适应调整和无师学习的能力．并展现出了良好的并行处理性能。自动目标识别中的应用结果表明：该网络具有广泛的实用性     

一类非线性不确定系统的输出跟踪控制

设计了一类不确定非线性系统模糊自适应输出跟踪控制器. 首先将一个时变参数引入到规则前件的高斯型隶属度函数中, 形成一组带有时变参数的模糊规则, 通过时变参数的变化改变高斯型隶属度函数的中心和宽度,进而改变原Mamdani型模糊逻辑系统的输出,形成新的带有时变参数的模糊逻辑系统. 然后以这种改造后的模糊逻辑系统逼近系统的未知非线性项,构造时变参数和逼近精度的自适应律,设计相应的自适应输出跟踪控制器. 这种方法的优越性在于充分利用原有的有限数目的模糊规则,合成具有较少自适应律的模糊自适应输出跟踪控制器. 最后,通过Duffing的仿真算例验证了本文提出方法的可行性和有效性.     

基于可能度的区间直觉模糊数排序方法及其在决策中的应用

根据区间直觉模糊数的隶属度与非隶属度的代数和与差,定义一种用区间数表达的得分函数和精确函数, 并利用本文定义的得分函数和精确函数给出区间直觉模糊数大小的可能度,然后基于可能度提出区间直觉模糊数的一种新的排序方法。最后,基于这种新的排序,给出了区间直觉模糊信息环境下的多属性决策方法,并用数值算例说明该方法的可行性和有效性。       

Seam tracking control for mobile welding robot based on vision sensor

To solve the seam tracking problem of mobile welding robot, a new controller based on the dynamics of mobile welding robot was designed using the method of backstepping kinematics into dynamics. A self-turning fuzzy controller and a fuzzy-Gaussian neural network (FGNN) controller were designed to complete coordinately controlling of cross-slider and wheels. The fuzzy-neural control algorithm was described by applying the Gaussian function and back propagation (BP) learning rule was used to tune the membership function in real time by applying the FGNN controller. To make the tracking more quickly and smoothly, the neural network controller based on dynamic model was designed, which utilized self-learning and self-adaptive ability of the neural network to deal with the partial uncertainty and the disturbances of the parameters of the robot dynamic model and real-time compensate the dynamics coupling. The results show that the selected control input torques make the system globally and asymptotically stable based on the Lyapunov function selected out; the accuracy of the proposed controller tracing is within ±0.4 mm and can satisfy the requirements of practical welding project.     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

Application of neural networks and fuzzy control to the welding robot

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｒｃｗｅｌｄｉｎｇｐｒｏｃｅｓｓｐｌａｙａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎｔｈｅｍｏｄｅｒｎｔｅｃｈｎｏｌｏｇｙｔｏｊｏｉｎｔｈｅｍｅｔａｌｐｌａｔｅｓ .Ｉｔｉｓｉｍｐｏｒｔａｎｔｔｏｒｅａｌｉｚｅｉｎｔｅｌｌｉｇｅｎｔｗｅｌｄｉｎｇｒｏｂｏｔｓｏａｓｔｏｏｂｔａｉｎａｇｏｏｄｑｕａｌｉｔｙｏｆｗｅｌｄｉｎｇｒｅｓｕｌｔｓ .Ｔｈｅｓｅａｍ ｔｒａｃｋｉｎｇｓｙｓｔｅｍｉｓａｎｉｍｐｏｒｔａｎｔｐａｒｔｏｆｔｈｅｗｅｌｄｉｎｇｒｏｂｏｔ .Ｍａｎｙｓｅａｍ ｔｒａｃｋｉｎ…     

机器人智能控制研究进展

以介绍机器人控制技术的发展及机器人智能控制的现状为基础 ,叙述了模糊控制和人工神经网络控制在机器人中智能控制的方法 .讨论了机器人智能控制中的模糊控制和变结构控制 ,神经网络控制和变结构控制 ,以及模糊控制和神经网络控制等几种智能控制技术的融合 .并对模糊控制和神经网络控制等方法中的局限性作出了说明     

数控凸轮轴磨床加工过程的智能控制

由于现有数控凸轮轴磨床磨削凸轮的轮廓和尺寸精度均受到限制，为了提高加工精度、生产效率，对模糊神经网络控制器进行了研究，利用它来控制数控凸轮轴磨床的加工过程，用梯度法实时修正模糊控制器的输入和输出隶属度参数，得到一种在线模糊自适应控制的方法，通过仿真实验证明该方法是可行的。     

神经网络模糊控制在透镜抛光中的应用

构造了一种用于光学透镜磨抛加工控制的神经网络自适应模糊控制器，同时建立了用于动态估计透镜光圈数的磨抛机模型网络．控制器采用梯度下降学习算法，对网络权重和隶属函数参数进行自动调整，从而可以获得最优隶属函数．系统具有较好的自适应学习功能，仿真结果表明控制性能优于普通模糊控制．     

模糊逻辑推理的神经网络方法及其应用

应用可能性度量理论提供了一种模糊逻辑推理的神经网络实现方法,在该方法中,模糊规则羊件（ａｎｔｅｃｅｎｄｅｎｔ）和后件（ｃｏｎｓｅｑｕｅｎｔ）的语言变量被表示为神经网络的中权重,采用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法来学习相关语言变量的隶属度水平,介绍了控制器的构造和推理方法以及在移动机器人路径跟踪中的应用。     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

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。     

非结构环境下基于机器视觉的机器人路径跟踪方法

针对温室环境下机器人自主导航问题,提出了基于模糊预测控制的实时路径规划和跟踪方法.通过训练神经网络对图像进行分割,获取导航预瞄点,得到机器人运动的角度偏差和横向偏差.当角度偏差小于25°时,采用预测控制的方法,用拟合圆弧曲线作为机器人跟踪的规划路径,当角度偏差大于25°时,采用模糊控制器对2驱动轮的轮速进行控制.实验表明,该方法能对曲线路径进行平滑的跟踪,以0.3 m/s的速度运动时最大跟踪误差小于5cm.