焦炉集气管压力模糊神经网络控制系统

针对焦炉集气管压力这类多变量非线性系统,提出一种基于模糊神经网络的智能协调控制方案。应用遗传算法对模糊神经网络结构和参数进行优化,并采用PLC的逻辑梯形图语言编程实现智能协调运算。工程应用表明了系统设计的有效性。     

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。     

基于模糊神经网络PID的舵机控制系统

针对某型号导弹中舵机控制系统进行优化研究。对于具有非线性、时变特性的复杂系统,在分析传统PID控制算法和模糊神经网络控制算法的基础上,提出一种经过改进的模糊神经网络PID控制器。通过采用自组织学习阶段和有教师学习阶段的分阶段学习方式,提高网络的学习效率。建立直流无刷舵机控制系统的数学模型,利用MATLAB进行仿真分析。实验结果表明,所设计的控制器对阶跃响应更加迅速,基本无超调,对舵偏角指令执行准确,相位移动更小。     

具有快速学习算法的补偿模糊神经网络的故障诊断

在融合了模糊逻辑的推理能力和神经网络的自适应、自学习能力。同时采用输出空间模式聚类的快速学习算法,引入补偿模糊神经元,模糊运算采用动态的全局优化运算,使学习后的网络具有更高的容错性,并弥补了神经网络学习耗时的缺点,提高了效率,进行了故障检测的仿真分析,并且将其运用于未建模系统的故障诊断中取得良好的效果。     

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…     

基于VB的模糊神经网络控制技术研究

本文将模糊逻辑推理与神经网络控制技术融合，设计了模糊神经网络控制器，仿真结果验证了控制器性能良好，并获取控制器的优化参数。基于VB技术创建了ACTTVEX控件，将该控件嵌入组态软件中进行双水槽液位控制系统的实时控制，结果表明控制及时，系统稳定性得到提高，具有广阔的推广应用前景。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

基于神经网络的智能厂房温湿度模糊控制系统研究

本文以智能厂房温湿度控制为研究对象,在对系统硬件设计调整的基础上,针对本系统大滞后,强耦合的特点,利用了神经网络模糊控制方法详尽的探讨了适宜本系统的控制算法。并证明了本方法是一种能较好的满足控制精度要求的合理算法。     

基于神经网络和模糊理论的智能控制技术

将神经网络方法和模糊理论结合起来，讨论一种基于神经网络和模糊理论实现智能控制的方法。仿真表明这类智能控制器可用于难以建立数学模型的控制系统。     

应用单层神经网络设计多变量自适应模糊控制器

提出一种应用单层神经网络设计多变量自适应模糊控制器的方法。应用单层神经网络可以学习多变量模糊控制规则中的未知参数，还可由它来实现多变量模糊推理过程。该方法能解决多变量模糊控制中普遍存在的规则获取困难和难于实现实时自适应等问题。仿真试验表明，所设计的多变量模糊控制器不仅实时性好，而且可得到满意的控制效果。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

自适应模糊神经网络控制系统的研究

自适应模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则,又具有良好的自适应性,是目前受人们关注的课题。本文在对其分析的基础上又提出了卡尔曼滤波的学习算法,解决了原BP算法实时性差的问题,通过仿真实验说明了其优越性,并体现了模糊神经网络与最优控制相结合的思想。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。     

基于神经网络和模糊理论的智能控制技术

将神经网络方法和模糊理论结合起来，讨论一种基于神经网络（NN）和模糊理论实现智能控制的方法。仿真表明这类智能控制器可用于难以建立数学模型的控制系统。     

仿人智能控制与模糊控制神经网络融合技术

在分析了仿人智能控制器（ＨＩＣ）的特性基础上,针对其不足,提出将仿人智能控制器与模糊控制相融合的仿人智能模糊控制器（ＨＩＦＣ）,实践表明ＨＩＦＣ的性能大大优于基本ＨＩＣ和一般模糊控制器。最后提出一种正交基函数神经网络模型实现ＨＩＦＣ的方法,为ＨＩＦＣ的自学习提供了一条有效途径。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.     

基于PLC的轮胎硫化罐模糊神经网络控制系统

针对轮胎硫化罐模糊神经网络控制系统的复杂性和难以建立准确模型的特点,提出了一种用模糊神经网络控制的方法,并用PLC加以实现。结果表明:基于该方法的系统抗干扰能力强,实现简单,取得了良好的调节品质。