不确定时滞系统的模糊神经网络自适应PID控制

对于不确定时滞对象，提出了一种模糊神经网络自适应调整PID参数的控制方法，利用模糊逻辑实现了模糊化，利用多层BP神经网络来实现模糊推理。该网络通过学习并记忆PID参数调整规则，实现了在线调整PID参数。通过对一类不确定时滞系统的仿真，验证了该方法具有较好的控制效果。     

具有时滞的不确定性系统神经网络模糊自学习控制

本文对具有时滞的不确定性控制对象提出了一种神经网络时滞补偿模糊自学习控制方法．模糊控制器采用误差、误差变化及误差加速度的加权和的解析描述形式，利用人工神经网络直接对过程建模，实现对时滞补偿预报以及对模糊加权因子的自学习优化调整．将上述方法用于焊接熔池动态过程控制试验，结果表明本文提出的自学习神经网络时滞补偿模糊控制方案有效．     

模糊神经网络在时滞系统中的应用

本文采用基于模糊神经网络的控制器实现了对时滞系统的控制，采取模糊规则对输出误差进行预测．预测中假设系统输出变化较缓慢．以至可以忽略高次项．得到的输出误差经过神经网络算法对控制对象进行控制．算法采用BP算法，仿真实验得到了很好的结果，系统的时滞基本消除．动态特性符合要求。     

具有学习功能的多值模糊神经网络控制系统

对于具有非线性、大时滞、不确定性等特性的难以用精确数学模型描述的多变量复杂系统,靠传统控制理论难以获得理想的控制效果。基于模糊神经网络控制技术不依赖于被控对象精确的数学模型,且能根据被控对象参数的变化自适应调节控制规则和隶属函数参数的特性,进行了采用模糊神经网络控制器实现其控制的应用研究。采用典型的前向型模糊神经网络模型,给出了具有学习功能的多值模糊神经网络控制系统的一种设计方法。仿真实验证明,该系统能够获得较理想的控制效果。     

基于CAN总线的楼字恒压变频供水监控系统设计与实现

本文提出了采用89C51单片机作为控制器实现模糊PID算法控制供水系统．并且利用CAN总线技术构成的底层控制网络与监控计算机通讯，实现了楼宇供水设备的现场数据采集、传输及远程监控功能。试验表明恒压变频供水监控系统取得良好控制和监控的效果。     

基于FNN的板球系统轨迹控制方案

基于视觉的板球系统是一个典型的多变量、非线性控制对象,本文针对该系统的基本位置控制和轨迹控制问题,提出了模糊多变量控制方法并结合神经网络控制方案,仿真实验结合实际系统实验均实现了其对位鼍控制和任意运动轨迹控制,验证了控制效果。     

神经模糊网络在工业监控系统故障诊断中的应用与研究

根据工业监控系统故障诊断自身复杂性的特点，提出并设计了一种结合神经网络和模糊系统优点的新型5层结构的模糊神经网络故障诊断系统，并对该系统的结构、算法进行了详细的说明，最后在此基础上，将该故障诊断系统应用到一个具体的工业监控系统一“KJ15A矿井机车运输监控系统”上，取得了良好的诊断效果。     

变风量空调系统优化控制策略研究

变风量空调系统是多变量,大滞后、非线性和不确定性的系统,普通的模糊神经网络控制已难以满足其多变量动态控制的要求,为改善变风量空调系统控制性能,本文提出了一种小波模糊神经网络预测控制方法,实现变风量空调的温湿度有效控制.通过小波神经网络预测器在线建立被控对象的数学模型,并用模糊RBF神经网络控制器对所得到的信息在线修正,优化控制器参数,从而改善系统的控制效果.仿真结果表明,小波模糊神经网络预测控制具有很强的鲁棒性和自适应能力,控制精度高,控制效果好,安全可靠等优点,具有广泛的应用价值.     

二级倒立摆的状态变量合成模糊神经网络控制

为解决模糊神经网络在控制多变量系统时的规则组合爆炸问题，提出用状态变量合成模糊神经网络控制二级倒立摆。该方法既能解决具有快速、强非线性、绝对不稳定系统的控制问题，又能对状态变量可摈性质和类型分类的多变量系统，大大减少模糊神经网络控制器的规则数，有利于利用专家的控制经验。实验结果证实了该方法的控制效果好，鲁棒性强。     

模糊神经网络在火灾报警系统中的应用

提出一种利用神经网络和模糊推理系统设计火灾报警系统的方法，该系统将模糊系统和神经网络结合起来，实现模糊系统的自学习和自适应功能，提高火灾报警的准确性，减少了火灾报警系统漏报率和误报率。神经网络的学习方法提高了该系统智能化程度。实现了消防系统智能化。     

A Transfusion Monitor According to Fuzzy Neural Network

With the MSP430 MCU as the core of control, the monitor combines the transfusion sensor, the electric apparatus, the LCD screen and the keyboard to realize automatic monitor for transfusion process. Because transfusion system is nonlinear and complex, which changes now and then and lags behind hour, conventional control method can hardly obtain benign real time monitor effect. This article introduced a control method according to fuzzy neural network, which integrates the excellences of fuzzy logical control and neural network. The method uses neural notwork to remember fuzzy rule and achieve fuzzy control and uses error back propaga- tion to realize online self-learning when the control object parameter has changed. So it can colligate, analysis and dispose data quickly and exactly to achieve intelligent control. Through examination, this monitor manages accurately, runs credibility, and its small bulk, low cost and convenient manioulation makes it worth popularizing and applying.     

基于神经网络预测与模糊度量的再融合诊断

通过分析神经网络理论和模糊度量方法的特点,提出基于神经网络预测和模糊度量方法的故障再融合诊断方法。该方法采用多个观测数据及主客观相结合的诊断方法,实现方法间的互补融合诊断,更全面、客观地辨识故障,提高故障定位能力,并给出一个液压设备故障诊断实例验证了该方法的有效性。     

模糊B样条基神经网络磁共振图像分割方法

针对磁共振图像分割的特点,提出了一种基于模糊B样条基神经网络的磁共振图像分割方法。该方法采用B样条基函数作为模糊隶属函数,利用神经网络实现模糊推理,并采用反向误差传播算法对网络进行训练。实验结果表明,这种基于模糊B样条基神经网络的磁共振图像分割方法与普通神经网络分割方法相比,具有更高的分割精度和更快的训练收敛速度。     

一种高效的模糊规则自动生成方法

文中提出一种模糊规则自由生成方法。该方法借助Ｋ－Ｎｅａｒｅｓｔ－Ｎｅｉｇｈｂｏｒ的概念确定控制曲面的的关键点,然后根据关键点确定模糊划分,并由此构造模糊神经网络学习模糊规则。神经网络采用ＢＰ算法学习,在学习过程中可根据收剑情况适当增加模糊分区,并重构神经网络继续学习。该方法能生成较精简的规则集,并具有良好的收敛性和较快的收剑速度。     

基于模糊积分的多神经网络集成信息融合

使用模糊积分实现集成神经网络中的子分类器信息融合,提出一种更加有效和全面的模糊密度,用于模糊积分的计算。以双螺旋分类问题为实验对象,使用集成神经网络实现具有较高正确率的分类方法,对神经网络集成的有效性和各类参数的设定作实验分析,并通过多种模糊密度的比较数据说明该模糊密度函数的有效性。     

石灰窑温度智能控制系统设计

提出了一种石灰窑燃烧室温度智能控制系统的设计方案。该系统以下燃烧室温度为控制目标,以煤气流量为调节对象,通过模糊神经网络动态调整煤气流量设定值,采用粒子群优化算法对模糊神经网络的参数进行寻优,并采用最小二乘支持向量机逆控制系统对煤气流量进行跟踪控制,实现了对石灰窑下燃烧室温度的精确控制。仿真结果表明,该系统响应速度快,稳定性好,具有很好的抗干扰性和鲁棒性。     

模糊PID和Hopfield神经网络在矿井通风系统中的应用

针对传统的PID控制或者单一的模糊控制无法准确控制矿井通风系统风量的问题,提出了一种采用模糊PID调节器和Hopfield神经网络调节器对矿井通风机的转速、风门、风量进行控制的方法。该方法利用模糊控制器对PID参数进行实时修正,并结合Hopfield神经网络的联想记忆功能和反馈调节特性,实现矿井通风机风量的快速、稳定输出。仿真与实验结果表明,模糊PID调节器和Hopfield神经网络调节器可以准确控制矿井通风机的转速和风量,实现通风系统的稳定输出。     

负荷实时跟踪精细化氨法脱硫智能控制系统

传统的氨法脱硫控制系统存在延迟时间较长、无法实现实时跟踪负荷的局限性。针对该问题提出的Smith预估补偿装置,通过抵消系统中的纯滞后环节来提高控制系统的实时性。虽然该方法有效解决了长延时问题,但系统中PID参数调整采用的是试错法并依赖于调试操作经验,偶然性和因人而异导致系统波动较大。本文提出了BP（back propagation）神经网络的PID参数整定方法,该方法能实现对任意非线性函数的逼近,通过神经网络学习得到最佳的比例、微分、积分系数组合。运用该方法建模并进行长时过程控制仿真,结果验证了算法的可行性,其误差小,大幅提高了氨法脱硫系统的实时性和稳定性,实现了智能化精准控制效果。     

基于修剪策略的D-FNN直接逆控制算法研究

神经网络是模拟人脑结构,它具有大规模并行及分布式信息处理能力,但是不能处理和描述模糊信息.模糊系统具有推理过程容易理解,但它很难实现自适应学习的功能.如果结合神经网络与模糊系统,可以取长补短.基于此,本文提出了一种新型动态模糊神经网络（Dynamic fuzzy neural network,D-FNN）学习算法.因为它具有结构和参数同时调整且学习速度快等优点,所以既可以在模糊逻辑系统中包含低级的神经网络学习和计算功能,也可以为神经网络提供高级的类似人的思维和推理的模糊逻辑系统.此外,本文还开发了生物医学工程应用算法程序,针对药物注射系统的直接逆控制案例进行了仿真,结果表明:D-FNN具有实时学习和控制能力强、参数估计和结构辨识同时进行等优点.     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。