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。     

模糊B样条基神经网络及其在机器人轨迹跟踪中的应用

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制．这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力．仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能．     

自适应B样条模糊神经网络控制器的设计

B样条具有最小局部支撑和易于实现的优点。文章利用多变量B样条网络在运算表达式上与模糊神经网络结构之间的对等关系,并通过对其权值的训练,设计出自适应B样条模糊神经网络控制器。应用于具有严重非线性摩擦力影响的速度跟踪系统的仿真实验表明,所设计的控制器完全等价于模糊神经网络控制器,同时在计算量和实现上具有明显的优势。     

模糊B样条神经网络在变压器超高频局部放电模式识别中的应用

结合自适应模糊算法和B样条算法的优点,构造出模糊B样条混合算法作为神经网络的学习算法,对变压器超高频局部放电进行了模式识别。实验表明,模糊B样条神经网络既解决了BP神经网络对初始权值敏感和容易局部收敛的问题,又提高了模糊B样条神经网络的收敛速度、稳定性和求解质量。     

基于B样条隶属函数的模糊推理系统

隶属函数和推理规则的确定是模糊推理的难点。通过研究模糊推理过程和B样条函数的特性,对应用B样条函数拟合模糊隶属函数进行推理的方法进行改进。通过对误差极值点、曲率极值点的计算和筛选,得到B样条函数的型值点。反算求得控制点之后,通过自适应增加控制点对曲线进行调整,增加曲线对隶属函数的拟合度,解决了B样条函数对隶属函数的拟合问题。建立B样条推理规则,构造实现了B样条推理系统,并求出该系统的最终结果为B样条超曲面。最后,通过实验验证了该方法的有效性和可行性。     

B样条函数在模糊系统中的应用

模糊系统的设计可看成是一类函数逼近问题, 从而可以利用数值逼近的方法来设计模糊系统. 本文将B样条函数引入到模糊系统的设计中, 构造了两类多输入单输出的B样条模糊系统, 并证明了它们均能逼近函数及其导函数. 仿真结果表明, 将两类B样条模糊系统应用到模糊系统建模和模糊控制器设计是可行的, 且在大多数情形下, 第1类B样条模糊系统的性能优于本文提到的其他模糊系统.     

周期B样条基函数系数的并行算法

在现有周期B样条插值方法中,需要用迭代算法确定B样条基函数系数。针对现有方法的不足,建立B样条基函数系数的并行算法。首先构造周期区域的正交B样条基,得出正交B样条基函数系数的并行算法;进一步利用正交B样条基函数系数与B样条基函数系数的关系,得出B样条基函数系数的并行算法;最后推导二阶、三阶、四阶周期插值B样条基函数系数及插值点函数值的显式算式。实验证明了该方法在实现B样条基函数系数快速并行算法的同时保持了B样条基函数简单的函数关系。     

一种基于模糊B样条基函数神经网络控制的磨削加工系统

本文将模糊控制与神经网络相结合。用神经网络来实现模糊推理,提出了一种把B样条函数作为隶属函数的模糊神经网络,并将之用于磨削加工的质量控制。仿真结果表明,该系统具有响应快、稳态精度高、鲁棒性强等优点,能很好地应用于磨削加工的质量控制。     

高速高精度运动控制算法的研究与应用

为解决裁床运动控制系统在加工不规则轨迹曲线中存在的插补精度低,效率不高的问题,提出了基于改进BP神经网络B样条曲线插补算法的研究与设计。该算法通过加入动量因子改进BP神经网络离线训练B样条曲线,利用负反馈校正输出预测插补点,避免了BP神经网络插补器自身带来的偏差。同时根据加工曲线曲率半径的变化完成对速度的前瞻规划,实现了加工在拐角处的高速过渡。最后在Matlab上进行了算法仿真并在实验平台上进行了测试,实验结果表明本文提出的裁床运动控制算法能够高效高精度的完成材料切割。     

小波方法光顺的B样条模糊系统及其应用

为了减少不准确数据对模糊系统的影响, 本文利用准均匀B样条小波方法光顺了B样条模糊系统. 首先将B样条模糊系统的多分辨率表示转化为准均匀B样条函数的多分辨率表示, 接着利用准均匀B样条小波分解方法对相应的准均匀B样条函数进行分解就得到了一系列光顺性逐渐增强、规则个数逐渐减少的模糊系统, 即基于小波方法的光顺B样条模糊系统. 最后, 仿真结果表明, 小波方法光顺的B样条模糊系统构造的模糊控制器在改善原来B样条模糊系统构造的模糊控制器性能的同时, 大大提高了原来控制器的运行效率.     

基于动态目标位置的智能车辆动态避障控制研究

为了真实地模拟驾驶员在动态环境中避让动态障碍物的行为方式,提出了动态目标位置概念,并采用三次样条曲线作为动态避障的路径拟合曲线。以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器,并通过计算机仿真实现。结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,较为理想地模拟实际交通环境中车辆动态避障的特性。     

改进模糊神经网络无刷直流电机控制系统设计

针对现实应用中对无刷直流电机速度控制的极高精度要求,设计了一种改进的自适应遗传算法优化的模糊神经网络控制系统,并采用离线和在线两种学习方法,实现了对无刷直流电机转速的精确控制。系统融合了模糊逻辑、神经网络和遗传算法三大智能控制理论的优点,适合于无刷直流电机这样的多变量、强耦合、非线性、时变的复杂系统。通过仿真和在某型水下航行器DSP推进控制系统上的实验表明,方法响应快、超调量小、鲁棒性强,动态特性明显优于传统PID控制。     

基于动态目标位置的智能车辆控制研究

为了真实地模拟驾驶员在动态环境中变换车道、避让静态和动态障碍物的行为方式,提出了动 态目标位置概念,并采用三次样条曲线作为车道变换的路径拟合曲线．本文以模糊逻辑为控制策略,以T-S 模 糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器, 并通过计算机仿真实现．结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,能够较为理 想地模拟实际交通环境中车辆横向运动的特性．     

基于改进CNN的部队门禁系统

针对部队武器仓库等重要场所的门禁管理方式安全性较低等问题,设计了基于改进卷积神经网络的门禁系统.首先对卷积神经网络进行介绍,引入PSO算法设计优化的卷积神经网络的初始权值以及阈值.然后对手写数字数据集进行分类实验.实验结果证明,基于PSO算法的卷积神经网络改进方案能够使得训练过程收敛速度较快,损失较小,效果优于传统卷积神经网络.在此基础上,根据部队实际工作情况,将粒子群算法应用于MTCNN以及孪生Res Net算法,设计基于改进卷积神经网络的门禁系统,使得部队重要场所的门禁管理具有更高的安全性和可靠性.     

基于神经网络模糊PID的足球机器人控制算法研究

通过对足球机器人运动学模型进行分析,以足球机器人系统为实验平台,论证了神经网络模糊PID控制技术应用于足球机器人运动控制的可行性。将传统的PID控制与神经网络模糊控制相结合,通过PID算法实现控制的准确性,利用神经网络模糊控制提高控制的快速性与自适应性。针对足球机器人运动控制中的实际问题,着重提出了基于神经网络和模糊控制相结合动态调整PID控制器的三个参数KP,KI,KD的设计方法。实验证明该方法增强了控制器的调节能力和简化了控制器设计,同时本方法对模型和环境具有较好的适应能力和较强的鲁棒性。     

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。     

基于变论域模糊控制的温室环境控制系统的设计

详细介绍了基于变论域模糊控制的温室环境控制系统,以温度控制系统为例进行设计。该系统以变论域模糊控制为核心算法,用BP神经网络改变模糊控制的论域。根据误差和误差变化率选择合适的论域,不仅克服了误差过大或过小时对温室控制的影响,还解决了温室多变量难以建立数学模型和隶属度函数选择较难的问题。     

一种基于改进遗传算法的模糊神经网络控制器及其在烧结终点控制中的应用

针对烧结过程这一复杂、多参数耦合的高度非线性系统,融合遗传算法、神经网络和模糊控制的优点,提出一种基于改进遗传算法的模糊神经网络控制方法,并应用于烧结过程终点控制．首先采用遗传算法对给定的模糊神经网络控制器结构参数进行离线优化,然后利用BP算法较强的局部搜索能力和对对象的适应能力,进一步进行参数的在线调整．同时,为解决传统遗传算法早熟和收敛速度慢的问题,从交叉和变异算子、适应度函数选取等方面对遗传算法进行改进．采用精英保留策略,提高了全局搜索性能和收敛速度．仿真结果表明,所提出的控制器优于常规的模糊神经网络控制器(Fuzzy Neural Network Controller, FNNC)．算法的实际应用效果良好,为解决烧结终点控制问题提供了一条新的途径．     

一种基于Rough Sets和模糊神经网络的规则获取的方法

该文提出了一种基于RoughSets思想获取初始规则,并通过模糊神经网络优化,最后再进行简化获取模糊规则,及模糊系统参数学习的方法。并通过实例进行了自动列车运行系统仿真。文中还基于上述实例,将这种基于模糊神经网络的学习与控制方法与标准的BP网络和基本的模糊系统方法进行了比较,并总结了这种方法的特点。结论表明,该文所提出的模糊规则生成和模糊系统学习方法是行之有效的。     

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.