基于模糊神经网络的统一潮流控制器

为了减少先验知识对统一潮流控制器中模糊规则的设计和电力系统参数的变化对统一潮流控制器性能的影响,文中采用模糊神经网络来设计统一潮流控制器.为此首先简单介绍了统一潮流控制器的控制策略,然后阐述了自组织模糊神经网络和基于遗传算法的模糊神经网络的构造方法,接着将自组织模糊神经网络、基于遗传算法的模糊神经网络结合统一潮流控制器的控制策略应用于两种统一潮流控制器.最后通过MATLAB仿真例子来验证:这两种统一潮流控制器的设计方法的有效性.     

模糊神经网络控制器

自从1965年美国学者LAZadeh教授提出模糊集合论以来，模糊系统理论得到很大的发展，而1974年英国剑桥的E．H．MhlTldani首次应用模糊控制实现了对蒸汽机的控制。使人们对模糊控制引起了极大的热情。近二十年来，模糊控制经历了重大的发展与演变，现已深入到自组织控制，预测控制．多变量控制等方面。但是，无论是何种模糊控制系统，其核心都集中于模糊推理框架。如何将模糊规则表达与近似推理有机结合起来，实现高速动态推理，一直是尚待解决的问题。近年来随着人工种经网络理论的发展，人们开始将神经网络和模糊控制相结合，构成模糊神…     

动态模糊神经网络控制器在伺服系统中的应用

通过在ANFIS的归一化层与输出层之间加入递归,层提出了一种新型的动态模糊神经网络（DFNN）,将模糊推理系统、神经网络和Ⅲ型控制有机地结合起来。给出DFNN的网络结构,为基于收缩间距隶属函数和BP算法提供了参数调整方法。系统实验表明,DFNN控制器比PID＋前馈控制具有更好的动、静态响应,尤其在前馈信号难以取得的情况下具有更明显的优势。     

一类新型模糊控制器及其应用

研制了一种新型模糊控制器并成功地用于轧同棉卷密度控制。该控制器在大偏差范围内采用模糊控制，在小偏差情况下采用比例积分控制，而且能自动修改控制参数。它在过程和相关性显变化的条件下仍能很好地控制，使系统运行在最佳状态，较好地解决了非线性、大惯性，大滞后系统的稳定控制问题。实际运行结果表明，该系统较比例积分控制动态响应速度快，超调误差小，稳态精度高，鲁棒性强，而且可靠性高，节电效果明显。     

神经网络模糊控制器的研究

本文讨论如何用人工神经网络（ANN）构成模糊控制器（FLC）的问题，基于ANN的FLC能通过在线学习提高它的适应能力实现智能控制，这里提出的经网络控制器NNFLCFC以动态系统的状态变量为输入，输出则是控制信号。     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

统一潮流控制器逆系统方法控制策略

统一潮流控制器在同步旋转dq坐标系下的数学模型, 反映出统一潮流控制器是一个强耦合的、非线性的系统. 为解决对这个强耦合、非线性系统直接设计控制器的困难, 采用逆系统方法, 将原系统线性化且解耦, 构造出一个伪线性系统. 然后, 运用变结构控制, 针对构造出的这个伪线性系统, 设计该系统的控制策略以实现对统一潮流控制器综合控制. 最后, 通过建立仿真试验模型进行仿真, 仿真的结果验证了文中提出的这种控制策略的可行性和有效性.     

一种最优模糊神经网络控制器

基于最优控制的思想,通过对控制系统的过程模拟,提出一种最优模糊神经网络控制器的设计方案,首先利用基于十进制编码机制的遗传算法寻找最优的控制器结构,然后利用基于浮点数编码机制的遗传算法寻的最优的控制器参数,仿真结果表明该控制器优于常规模糊控制器。     

一种自组织模糊神经网络控制器

采用一种具有结构和参数学习能力的自组织模糊神经网络控制器设计方法。这种控制器无需事先确定模糊控制规则，能在控制过程中通过神经网络的结构及参数学习在线调整模糊神经网络的结构、产生模糊控制规则、调整规则的参数。仿真表明该控制器能用于一定纯滞后时变对象的控制，具有良好的控制性能。     

利用神经网络进行推理的模糊控制器

本文介绍了一种利用神经网络进行推理的模糊控制器。网络的输入和输出均为模糊集。训练后的网络能完成合成关系，即模糊推时。为了减少ＢＰ网络的高线训练时间，对模糊集进行了“编码”。最后给出了该控制器应用于曲线环节的实时控制结果。     

模糊神经网络在张力控制系统中应用的研究

传统的张力控制系统大多采用张力反馈控制的结构，其原理简单，但是控制精度难以达到理想的目标。本文采用模糊神经网络结构，实现对张力的控制，使得张力系统的参数得到优化，而且系统的抗干扰能力强．     

基于模糊神经网络的变换器自适应控制方法

提出了一种新型的基于模糊神经网络自适应PI调节电流控制电压型PWM变换器方法.结合了模糊神经网络控制与PI控制器,根据三相电流比较产生的三相电流误差和电流误差变化率,自动调整P、I参数,提高了电流的控制精度和变换器的动态性能.采用MATLAB/Simulink对常规PI控制器和模糊神经网络自适应PI控制器进行了仿真对比.仿真结果表明了采用模糊神经网络自适应PI控制器,其系统输出的误差及误差变化要小,系统的跟踪精度得以提高,动态性能得到改善.     

Add-Mult型模糊神经网络

提出了一种Add-Mult型模糊神经网络模型(AMFNN)，给出了该模型的结构。根据梯度下降算法，给出了AMFNN模糊神经网络的误差反传学习算法。与6种极具代表性的模糊推理方法进行比较的结果表明，AMFNN模糊神经网络模型具有推理精度高、适用范围广、泛化能力强以及实现容易等特点，因而具有广阔的应用前景。     

模糊神经网络在课堂教学质量评价中的应用

为解决课堂教学质量的评价工作量大、统计繁琐等问题,并考虑到神经网络用于教学质量评价的进步性和局限性,基于教学过程中存在大量模糊信息的特征,以及模糊神经网络是模糊逻辑和神经网络有机地结合,并汇集了各自的优点,集学习、联想、识别、自适应及模糊信息处理于一体特点,提出了用模糊神经网络来评价教师的课堂教学质量的方法,仿真计算表明,采用数学模型具有较好的评价效果.同其他方法相比,具有科学、简洁、可操作性强等特点,而且模型的结构与方法应用前景广阔.     

基于模糊RBF神经网络算法的灌溉控制系统设计

对于一个农田占地面积大,灌溉用水量少的农业国而言,高效用水影响着农业的稳步发展;针对这一现象,提出一种基于模糊RBF神经网络的灌溉策略,将隐层的输出函数构成一组基来逼近目标函数,预测出灌溉的需水量,并用模糊控制计算出具体的灌溉时间;以山西省忻州地区种植的玉米利合328号为例,对气象条件、土壤条件以及作物特性进行分析,可以根据不同环境计算出灌溉时间;对大田采取高效、实时的灌溉策略,不仅可以提高灌溉用水的利用率,还可以为大田灌溉的发展奠定基础,增加了作物的产量。     

改进的模糊细胞神经网络(IFCNN)的应用与研究

运用模糊细胞神经网络（FCNN）来分割白细胞显微图像,在边缘检全上的效果尚不理想,针对此问题．提出了改进的模糊细胞神经网络（IFCNN）,该网络基于生物细胞脉冲原理,具有好的收敛和稳定性．实验结果表明．它能有效地克服已有方法无法克服的边缘检出问题。使得分割图像能更好的接近真实图像．     

DFKCN：一种动态模糊自组织神经网络及其应用

提出了一种新的动态模糊自组织神经网络模型(DFKCN)，并将其用于文本聚类中。将DFKCN模型应用到中文文本聚类中，该文的特征向量的表示采用隐含语义分析理论，以体现特征词的语义关系并实现特征词的降维。仿真表明本聚类法的精度高于TGSOM算法的精度，算法的执行效率高于TGSOM，取得了良好的效果。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用，并对目前几种较重要的神经网络控制现状进行了评述，最后对神经网络控制的发展作了展望。     

基于T-S模糊神经网络的涡扇发动机加速控制

航空发动机足一个结构复杂的非线性强多变量控制对象。随着航空发动机全权限数字式电子控制器的研制和应用,发动机加速性能要求的不断提高,对发动机加强智能控制技术的应用是必然的趋势。因此将智能控制引入到航空发动机控制系统中,根据模糊控制与神经网络结合的思想,针对涡扇发动机加速控制中的最优控制问题,提出了基于T—S（Tagaki—Sugeno）模型的模糊神经网络的发动机加速控制,并对控制系统的结构、网络结构进行仿真实现。仿真结果表明方法在满足发动机加速控制中各约束条件的前提下,不喘振、不超温、使发动机加速过程安全稳定,且加速时间短。