一种新型的模糊神经网络控制器

本文在分析传统模糊控制的基础上,提出了一种由模糊神经网络实现的自适应模糊控制器,详细分析了网络的结构形式、控制器的在线学习、离线学习方法。最后成功地将它应用于两关节液压机器人的实时控制之中。     

基于相平面的模糊神经网络研究及应用

本文拓展传统相平面分析方法，提出了基于相平面的模糊区间划分和目标函数，并在此基础上系统提出了一种模糊神经网络新的建构和学习方法。通过对不同控制系统的研究，证明了该方法在模型未知系统的控制中的合理性和有效性，以及应用的普遍性。     

EMD模糊神经网络的发动机泵机组故障诊断

提出了利用经验模态分解方法、神经网络和模糊诊断的方法进行发动机泵机组故障诊断;运用神经网络使故障诊断具有自适应、自学习能力。     

模糊神经网络在多传感器故障检测与诊断中的应用

构建一种前馈型模糊神经网络,并对网络结构作了进一步的改进,形成多输出模糊神经网络,减少了网络学习参量数目,压缩了规模,提高了训练效率,将其作为故障分类器,离线地从学习样本数据中提取各个用以描述传感器故障状态的模糊参考模型。通过模糊神经网络的不同输出值完成多传感器的故障诊断,通过对某燃汽轮机系统多传感器故障诊断的仿真,表明该方法的有效性。     

基于滑模模糊神经网络感应电动机矢量控制的研究

感应电机矢量控制采用滑模模糊神经网络控制,使系统具有自学习、自调整的能力和强鲁棒性.通过改进模糊神经网络的学习方法,精简了网络的结构,减少了训练的时间,为模糊神经网络用于实时性控制系统提供了可能的条件.     

模糊神经网络在磨削参数决策系统的应用研究

提出运用模糊神经网络的非线性建模和自学习能力，构造磨削参数智能抉择选择，并应用于实际磨削过程，达到控制磨削加工质量。     

模糊神经网络技术在材料加工领域中的应用

介绍一种自适应模糊神经网络，模拟材料加工领域中工艺过程的本构关系，可以对不同的学习样本自动地优化调整模糊规则和模糊隶属函数，详述了在材料加工领域中具体实现模糊神经网络技术的方法，对模糊神经网络建立过程中遇到的一些问题提出了可行的解决方案。     

基于模糊BP网络的加工方法链决策

为实现计算机辅助工艺计划(CAPP)系统中零件特征加工方法的决策,分析了影响零件加工方法的因素,提出利用模糊BP神经网络算法对零件特征加工方法链进行优化决策.根据BP网络能够学习任何模式的映射关系的特点,建立了从输入到输出的网络决策模型,并对网络结构、参数确定和样本选取等问题进行详细阐述,运用合理的学习算法来训练网络,最后通过实例验证了该网络的有效性.结果表明,利用模糊BP神经网络进行零件加工方法的选择是有效的和可靠的.     

零件表面粗糙度的在线检测方法研究

根据零件表面粗糙度形成的复杂性，建立了基于具有结构和参数学习的模糊神经网络逻辑系统，通过该模糊神经网络搜索最优推理规则，并且通过最优模糊推量规则来在线检测零件表面粗糙度。该检测方法可在线检测零件的附加表面粗糙度。     

基于三种理论的汽油机故障诊断系统应用研究

阐述了模糊逻辑、BP神经网络和专家系统的相关理论,探讨了结合三种理论构建系统的优点,介绍了电控汽油机故障诊断的相关理论。在上述理论的基础上,阐述了电控汽油机模糊神经网络诊断专家系统的构建方法,并运用MATLAB软件针对汽油机故障征兆-故障模式样本集编写了BP神经网络训练程序对样本进行了学习训练和仿真。     

一种基于模糊小波基函数神经网络的图像分类器

针对图像分类的特点，提出了一种基于模糊小波基函数神经网络的图像分类器。该分类器采用小波基函数作为模糊隶属函数，将模糊技术与神经网络相结合，利用神经网络实现模糊推理，并可对隶属函数的形状进行实时调整，从而使分类器具备了更强的学习和自适应能力。实验结果表明，这种基于模糊小波基函数神经网络的分类器经过训练后，可应用于图像的分类，其分类精度明显高于传统的最大似然分类法。     

基于模糊BP网络的自适应PID控制

针对经典PID控制的参数不能在线调整的缺陷,提出了一种基于模糊BP神经网络的PID控制算法,采用模糊规则自动地调节BP神经网络训练过程的学习参数,利用神经网络较强的学习能力和模糊控制在模型未知或不精确前提下的控制能力,将其应用到PID控制中[1],实现了PID控制参数的在线调整和优化,并对其在非线性离散系统中的应用进行了仿真。实验结果表明该算法性能优良,加快了系统响应速度,减少了超调量,适用于纯滞后非线性系统。     

基于模糊神经网络的航空发动机故障诊断研究

提出了一种基于模糊神经网络的航空发动机故障诊断方法 ,介绍了该方法的原理及实现算法 ,并利用某型发动机地面定检状态实测的数据作为样本数据 ,建立了基于模糊神经网络的航空发动机的故障诊断模型。通过该模型对起飞状态实测的发动机参数进行了辨识 ,结果表明该方法具有学习速度快、诊断精度高等优点。可用于航空发动机及其它装备的故障诊断。     

FUZZY NEURAL NETWORK FOR MACHINE PARTS RECOGNITION SYSTEM

The primary purpose is to develop a robust adaptive machine parts recognition system. A fuzzy neural network classifier is proposed for machine parts classifier. It is an efficient modeling method. Through learning, it can approach a random nonlinear function. A fuzzy neural network classifier is presented based on fuzzy mapping model. It is used for machine parts classification. The experimental system of machine parts classification is introduced. A robust least square back-propagation (RLSBP) training algorithm which combines robust least square (RLS) with back-propagation (BP) algorithm is put forward. Simulation and experimental results show that the learning property of RLSBP is superior to BP.     

基于神经网络的模糊自适应PID控制方法研究

针对常规PID控制器不能在线修正参数以及模糊规则和率属函数对专家经验的依赖性,提出了神经网络模糊自适应PID控制器,从而综合了传统PID控制、模糊控制、神经网络控制的优点,使其具有PID控制的广泛适用性和神经网络的自适应和自学习能力,同时又具备模糊控制的非线性控制作用;仿真实验可知该控制器具有更快的响应和更好的平稳性.     

一种遗传-模糊神经网络图像滤波器

提出了一种新的模糊神经网络与遗传算法相结合的非线性图像滤波器 ,通过有效的编码方案 ,遗传算法可以在很短的进化代数内完成对网络参数的学习。包含于网络中的模糊推理有效地恢复了受污染的像素点 ,同时并不降低原始图像的品质。仿真实验表明 ,该滤波器对冲击噪声有很好的滤除效果 ,明显地优于传统的图像滤波器     

基于模糊小波神经网络的加工过程自适应控制

为了克服模糊控制动态响应慢和鲁棒性差的缺点,将模糊控制的定性知识表达能力与小波分析优异的局部控制性能和神经网络的定量学习能力相结合,提出了一种模糊小波神经网络自适应控制器,并将其应用于加工过程控制。对变切削深度的铣削加工过程控制的仿真结果表明,基于模糊小波神经网络的加工过程自适应控制,其控制效果优于一般的模糊控制和神经网络控制,具有很好的动、静态性能。该自适应控制器能有效防止刀具损坏和提高加工效率,是一种有效的加工过程控制方法。     

基于模糊神经网络的切削参数预测方法

提出了一种基于模糊神经网络的数据挖掘算法,将模糊理论与神经网络技术结合,避免了单纯的神经网络结构复杂、网络训练时间长、结果表示不易理解等不足。经过模糊神经网络的建立和训练可达到精度要求。将试验值、单纯神经网络及支持向量机的预测结果进行比较,可以得出如下结论:当模糊神经网络的隶属度函数中的参数及神经网络连接权值的初始值合理时,其学习算法的精度高,收敛性好。     

基于模糊神经网络的络筒机纱线张力控制系统的研究

针对络筒机的纱线张力不稳定性问题,结合模糊系统的鲁棒性、容错性以及神经网络学习能力强的特点,提出了应用模糊神经网络控制器控制纱线张力的方法。开展了纱线张力控制系统、神经网络和模糊控制算法的分析,建立了模糊控制系统和神经网络之间的关系,设计了基于模糊神经网络的纱线张力控制器,应用MATLAB软件仿真验证了基于模糊神经网络的络筒机纱线张力控制系统的可行性。研究结果表明,与线性插值模糊控制效果相比,模糊神经网络控制作用下的系统超调量小,调节时间快,稳定性好,具有一定使用价值。     

基于模糊神经网络PID的复合控制策略

为了结合模糊控制容错力强和神经网络PID在线学习和调整的优点,提出了一种结合模糊控制与神经网络PID控制的复合控制方法,即分别设计模糊控制器和神经网络PID控制器后,再利用权重分配器对这两个控制器进行权重分配来控制被控对象。将该控制策略应用于某火电机组的二级过热器减温水流量系统控制,并在simulink仿真平台进行仿真,仿真实验结果表明:该复合控制策略较传统的模糊控制或神经网络PID控制的上升时间更短,调节时间和超调量更小,稳态性能更好。