基于MATLAB的神经模糊聚合釜控制

针对模糊控制表达能力强,但学习能力、适应性差的特点,提出在聚合釜温度控制过程中使用模糊控制与神经网络相结合的控制方案.给出了神经模糊网络结构和学习算法,仿真研究表明,神经模糊网络可以直接从经验中获取知识,自动建立模糊规则和隶属函数,无需查表,具有较强的适应和联想能力,比单纯的模糊控制具有更大的优势.     

一种基于GA优化模糊推理神经网络的新方法

通过对已有的一些基于遗传算法（GA）优化模糊系统方法的分析，指出了它们存在的一些缺陷，提出了一种新颖的基于GA优化模型推理神经网络的方法，并给出了相应的优化算法，这种方法可以对模糊推理系统中的所有结构和参数同时或分别进行优化。在此基础上，还讨论了模糊推理神经网络的精简问题，如无用模糊规则的删除，最后通过实例验证了该方法是一种很有效的方法，具有易理解，精度高，收敛快，泛化能力好且能全局收敛的优点。     

模糊逻辑系统的遗传算法优化方法

参照模糊逻辑系统的表格查询学习算法,提出了一个切实可行的遗传算法优化方法。仿真结果表明,利用该方法可以在缺乏先验知识的情况下,只需要较少的样本数据,就可以通过评价学习,使优化后的模糊逻辑系统最大程度地拟合原系统的动态特性。     

基于模糊聚类分析的模糊神经网络结构的优化

该文讨论了模糊聚类分析在模糊神经网络结构的确定中的应用。通过将模糊C－均值算法、有效性函数和模糊指数相结合,给出了模糊神经网络结构确定的方法,并且给出了应用该算法具体的模糊神经网络模型。     

基于规则插入的自适应模糊控制器的设计

提出一种为模糊控制器系统开发有效规则的自适应模糊控制器的设计方法.该方法首先基于两个基本的If-then模糊规则,然后插入多个新If_then模糊规则,其合成的模糊规则的输入_输出映射保持不变,且其隶属函数的参数在线约束为最小化成本函数,最后以最典型的非线性和延迟系统模型为例进行仿真实验,结果证明了该设计方法的有效性.     

一类模糊系统的逼近问题

对于一类模糊系统，首次给出了它们可在紧论域上以任意要求的精度逼近任意C^1函数的构造性充分条件，同时导出了可用于计算所需模糊规则条数的显式公式，对于多项式函数情形，证明了所给结果比献[1]中结果保守性要小。     

自调整模糊控制器的软件仿真系统设计

该文提出一种具有修正因子的自调整模糊控制器软件仿真系统RMDFCSS。它包含有编辑器、调试器、模糊推理机和代码生成器功能,用编辑器定义模糊规则、隶属函数、特定的推理方法和反模糊化方法;用调试器能检查整个推理过程的每一个步骤,完成模糊控制算法模型的确立、论证和优化操作。     

基于T—S模糊模型的多变量预测控制

提出一种基于T-S模糊模型的多输入多输出预测控制策略.T-S模糊模型用于描述对象的非线性动态特性,模糊规则将非线性系统划分为多个局部子线性模型.为提高预测控制性能,采用多步线性化模型构成多步预报器,从而将预测控制中的非线性优化问题转化为一个线性二次寻优问题.串接贮槽液位控制系统的仿真结果表明,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

关于模糊规则的提取及利用神经网络进行优化的问题

本文讨论了一种模糊规则的提取技巧，再将所得的模糊规则转化成模糊神经网络（ＦＮＮ），通过反复学习，得到精炼的规则库，从而提高模糊控制的性能。     

基于LabVIEW的机械密封模糊控制系统软件设计

为了延缓机械密封失效,使机械密封工作在最佳工况,必须对机械密封进行可控性研究,目前大部分模糊控制类论文仅仅停留在论述模糊控制器的设计原理及流程上,基于机械密封泄漏量的模糊控制完整地阐述了模糊控制软件的设计方法及过程;模糊控制系统软件借助高效率的LabVIEW开发平台、基于模糊控制理论、使用查询表方式进行设计;使用LabVIEW中的DAQ-mx函数,省却了控制执行机构的采集和控制的底层开发,极大提高了开发效率;将开发的软件应用于可控机械密封试验装置,试验表明,对泄漏量的控制取得了令人满意的效果。     

一种新的基于迭代模糊控制的图像滤波方法

本文提出一种新的基于迭代模糊控制的滤波方法,该方法具有消除脉冲噪声、平滑高斯噪声而同时又有效地保持边缘和图像细节的特性。它主要基于这样一个思想,即不让相关区域的每个点被每个基本的模糊规则同样地激活。此法的种种改进均大大增强了本文提出的滤波方法的性能。     

基于RBF网络的参数自学习模糊控制的研究

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用。然而模糊控制规则的获得通常由专家经验给出,这就存在诸如控制规则不够客观、专家经验难以获得等问题。在模糊控制系统中,模糊规则库的构建是至关重要的,因此研究模糊规则的自动生成有着重要的理论和应用价值。本文首先以模糊控制理论和RBF神经网络理论为基础,提出了一种能够有效表达模糊系统可解释性的RBF网络结构;然后详细讨论在此网络结构下提取模糊规则的学习算法;最后依据上述方法进行仿真实验,实验结果表明,这种根据测量数据自动提取模糊规则的方法是有效的。     

基于T-S模糊模型的神经网络的系统辨识

基于T-S模糊模型,提出了利用神经网络实现非线性系统的辨识。首先,利用一种无监督的聚类算法分析输入输出数据生成初始的结构模型,确定系统的模糊空间和模糊规则数,构造神经网络辨识模型前提参数,使前提参数自适应变化,有较好的自学习能力和优化能力,采用最小二乘法取得结论参数。仿真结果验证了该方法是有效和可行的。     

一种基于T-S模型的模糊预测控制

提出了一种基于T-S模型的模糊预测控制策略。T-S模糊模型用来描述对象的非线性动态特性,通过当前的工况参数实时在线的修正每一时刻的阶跃响应模型参数,将模糊模型作为常规线性预测控制DMC方法的预测模型,从而把T-S模型对复杂的非线性系统的良好描述特性和预测控制的滚动优化算法相结合,来实现利用常规线性预测控制策略对非线性系统的有效控制,有效地解决了复杂工业过程的强非线性问题。pH中和过程的仿真结果表明其性能明显优于传统的PID控制器。     

基于改进蚁群算法的模糊控制器优化设计

研究控制器优化问题,由于模糊控制系统参数无法同时优化,使得系统选择参数困难,使系统控制效果存在一定的缺陷,安全性和可靠性降低。为解决上述问题,提出了一种多种群进化蚁群算法对模糊控制器优化设计。采用懒蚂蚁效应的改进蚁群算法进行优化,在传统蚁群算法的基础上,采用多个种群并行,对算法的初始化、路径构建以及信息素更新改进,并引入到模糊控制器的隶属函数、模糊规则的优化搜索中,搜索出适应于不同控制阶段的模糊控制器参数及控制规则,并进行仿真。仿真结果证明了改进算法对模糊控制器的参数具有良好的搜索速度和精度,使系统有很强的鲁棒性。     

锅炉系统的神经模糊智能控制研究

将神经网络与模糊集相结合形成一类新的智能信息处理方法,利用神经网络的并行运算能力来实现模糊规则的快速推理,并用学习算法在线调整规则。通过在锅炉系统的仿真研究,证明了该系统的良好性能。     

基于扩展T-S模型的PSO神经网络在故障诊断中的应用

针对现实故障现象具有模糊性和非线性的特点,提出了一种利用自适应扩展T-S(Takagi-Sugeno)模糊模型的PSO(Particle Swarm Optimization)算法和神经网络相结合的新型智能结构化算法来进行故障诊断的新方法.首先通过自适应的高斯函数来更改基本T-S模糊模型中的隶属度函数,进而使用扩展的T-S模糊模型来调整PSO算法的参数.然后使用该PSO算法作为神经网络的学习训练算法来进行训练.最后将此算法用于齿轮箱实测故障诊断.诊断结果显示均方误差提高了0.1981%.通过不同模型的诊断结果比较,表明本方法便捷、高效,为解决故障诊断问题提供了一条新途径.     

预测模糊控制在聚合反应釜中的仿真研究

聚合反应釜温度控制系统的数学模型具有非线性、大惯性、纯滞后以及时变等特点,传统的PID控制依赖于被控对象的精确数学模型,很难达到令人满意的控制效果。模糊控制和预测控制都是对不确定系统进行控制的有效方法,而预测模糊控制作为二者相结合的产物,可进一步提高控制的效果。该文提出了将预测模糊控制运用于聚合反应釜温度控制器的设计,为聚合反应釜的控制提出了一种新算法。理论分析和基于MATLAB的仿真研究表明,该控制方法具有使系统超调量小、调整时间短、对系统参数变化和外界干扰有较强的鲁棒性等优点,是一种提高聚合反应釜温度控制效果的有效方法。     

基于幂函数隶属函数划分的T-S模糊模型辨识方法

给出了一种新的模糊集构成方法.用幂函数构成的模糊集满足测量准则,使模糊集理论更完善.并将幂函数模糊集应用到T-S模糊模型的辨识中.通过仿真试验,选择出最适合的模糊集.     

基于神经网络的访问控制策略优化模型

访问控制是网络安全防范和保护的主要核心策略,其主要任务是保证网络资源不被非法使用和访问。将风险概念引入访问控制,分析了基于风险的权限委托以及权限再分配的基本性质;基于MUS集合的计算方法,给出了一种基于神经网络的风险评估方法。针对神经网络适合定量数据,而风险因素的指标值具有很大的不易确定性等问题,采用模糊评价法量化信息安全的风险因素指标,对神经网络的输入进行模糊预处理。仿真结果表明,模糊神经网络经过训练,可以实时地佑算风险因素的级别。