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     

工程车辆自动变速挡位决策的遗传径向基神经网络方法

为了能通过4个挡位的控制使液力变矩器在高效区工作,提高工程车辆自动变速传动系统的效率,利用径向基函数(RBF)神经网络较强的输入输出映射功能提出了一种基于径向基函数神经网络的工程车辆自动变速控制方法。以ZL50E装载机传动试验台换挡控制试验的数据为样本,采用遗传算法对RBF神经网络进行训练,并进行了验证性的仿真试验。仿真结果表明:该方法能够根据车辆运行状态确定最佳挡位,从而及时、准确地满足工程车辆自动换挡的要求。     

基于模糊神经网络的超视距空战战术决策研究

超视距空战是随着飞机武器系统的发展而出现的一种新的空战方式,本在借鉴国外先进系统设计思想的基础上,利用模糊神经网络进行自动战术决策研究,通过对典型情况的分析,表明网络能够针对空战输入的不同确定信息进行正确决策,同时具有一定的联想记忆能力和容错能力。     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

基于模糊神经网络的模糊辨识方法及其应用

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网络结构参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。     

模糊系统与神经网络的融合一类模糊神经网络的应用研究

本文简要提脑模糊系统及神经网络的特怀，在分析模糊系统和神经网络关系的基础上，探讨了模糊神经网络研究中模糊系统和神经网络融合的基本理论，并以简单的实例说明了应用的可行性及有效性。     

具有模糊联想神经网络的自组织模糊控制器

在分析了几种用神经风格实现的模糊控制器不足的基础上，提出一种用模糊联想记忆神经网络实现的自组织模糊控制器，该控制器由２个模糊联想记忆神经网络分别记忆校正规则表和修正控制规则表，并通过网络权值矩阵的在线修正完成控制规则的实时修正，模糊推理则由网络的自联想功能完成。     

基于多尺度小波神经网络的工程车辆换挡策略

介绍了以提高工程车辆传动系效率为目的的自动换挡原理,以多尺度小波神经网络为基础构建了换挡模型,并利用自动变速控制实验数据对建立的模型进行验证性实验.实验结果表明,基于多尺度小波神经网络的换挡模型比遗传BP神经网络的换挡模型准确度更高,能更准确地实现换挡,更进一步提高了工程车辆传动系统的效率,达到了节约能源、增加效率的目的.     

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。     

期货交易的模糊数决策方法

期货价格预期通常是模糊的,因而传统的期货交易决策方法在实际交易过程中往往缺乏可操作性。运用模糊数构造期货人格的模糊表达,并通过实例分析给出了期货交易的模糊数决策方法。     

模糊神经网络的临床路径优化决策研究

针对医疗信息的复杂性及模糊不确定性,对信息化医疗数据进行综合分析,采用模糊C均值算法进行迭代运算,获得最终模糊聚类结果。在此基础上建立模糊神经网络T—S模型对聚类结果进行训练,达到自适应学习的目的。采用Matlab进行模拟仿真,实验结果表明该模型具有较强的泛化性、自适应学习能力,实际输出与预测输出误差较小,能持续优化临床路径,并快速为患者选择最优治疗方案。     

模糊神经网络故障诊断专家系统

模糊诊断和神经网络有机结构能够提高设备邦联诊断技术水平，文章阐述了单症兆主多症兆诊断模糊与神经网络的有机结合论述以模糊诊断原理为根据发展的扩展神经了网和子节点的可塑性学习方法和以模糊模式识别理论指导学习样本的组织方法。     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法．采用结构辨识和参数辨识相结合的方法，构造模糊系统完善的模糊规则库．用此设计方法对函数逼近问题进行仿真，结果表明该方法具有规则数目少、学习速度快、建模精度高等特点．     

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。     

非线性系统的模糊神经网络辨识方法

根据一种模糊动力学模型,提出一种非线性系统的模糊神经网络辨识方法。这种模型具有与线性系统ＤＡＲＭＡ模型类似的结构,证明了辨识算法的收敛性。最后结合实例进行了仿真。     

模糊神经网络的混合调整方法

由于常规调整方法的收敛性依赖于模糊型的初始条件。文中提出一种新的基于遗传算法和梯度法的模糊神经网络自动调整方法。通过仿真证明了这一方法是有效的。