基于H∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H_∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H_∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H_∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.     

基于Choquet积分-OWA的自适应神经模糊推理系统及其应用

针对已有的自适应神经模糊推理系统(ANFIS)在模糊规则后件表达上的缺陷和常见的模糊推理系统存在的主要问题,提出基于Choquet积分OWA的模糊推理系统(AggFIS),在模糊规则的后件表达、模糊算子的普适性和输入及规则的权重等方面有很大优势,它试图建立能够充分体现模糊逻辑本质和人类思维模式的模糊推理系统.根据模糊神经网的基本原理将AggFIS与前馈神经网络相结合,得到基于Choquet积分-OWA的自适应神经模糊推理系统(Agg-ANFIS),并将该模型应用于交通服务水平评价问题.实验结果证明,基于Choquet积分OWA的自适应神经模糊推理系统具有很好的非线性映射功能,它的本质是一类通用逼近器,为解决复杂系统的建模、分析及预测问题提供了有效的途径.     

图像脉冲噪声检测

提出了一个包含两个自适应神经模糊推理系统和一个后处理块的网络,该网络可用于灰度图像脉冲噪声检测。网络中每个自适应神经模糊推理系统都是一个四输入单输出一阶Sugeno模糊推理系统。所提出的脉冲噪声检测方法分两步进行：对该网络进行优化训练,确定其参数;用优化后的网络对被椒盐脉冲噪声污染的图像进行噪声检测。实验结果表明,与其他传统检测方法相比,所提出的方法,更能有效检测出图像中椒盐脉冲噪声。     

基于云计算的医学图像流媒体应用研究

提出了一个包含4个自适应神经模糊推理系统和一个后处理块的网络,该网络可用于灰度图像滤波。网络中每个自适应神经模糊推理系统都是一个四输入单输出一阶Sugeno模糊推理系统。所提出的滤波方法分两步进行,首先对该网络进行优化训练,确定其参数,然后用优化后的网络对被椒盐脉冲噪声污染的图像进行噪声滤波。实验结果表明,所提出的方法在有效去除图像中椒盐脉冲噪声的同时,能够较好地保留原有图像中的边缘和细节,其滤波性能优于传统的滤波方法。     

直觉模糊神经网络的函数逼近能力

运用直觉模糊集理论,建立了自适应神经-直觉模糊推理系统（ANIFIS）的控制模型,并证明了该模型具有全局逼近性质.首先将Zadeh模糊推理神经网络变为直觉模糊推理网络,建立一个多输入单输出的T-S型ANIFIS模型;然后设计了系统变量的属性函数和推理规则,确定了各层的输入输出计算关系,以及系统输出结果的合成计算表达式;最后通过证明所建模型的输出结果计算式满足Stone-Weirstrass定理的3个假设条件,完成了该模型的全局逼近性证明.     

基于一种FGA–ANFIS技术的DMFC温度建模和控制

为了提高直接甲醇燃料电池(DMFC)的发电性能,采用自适应神经模糊推理技术(FGA-ANFIS)对电池的工作温度进行建模与控制.首先,基于实验的输入输出数据建立了DMFC电堆温度的自适应神经模糊辨识模型,避开了DMFC电堆的内部复杂性.然后,将训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法对神经模糊控制器的参数和模糊规则进行自适应调整.最后,通过仿真.将所提出的算法与非线性PID和传统模糊算法进行比较,结果表明所设计的神经模糊控制器具有较好的性能.     

基于ANFIS的非线性控制系统鲁棒性

针对典型非线性对象-三容水箱液位系统的非线性、强耦合性提出一种新的解耦控制方法,利用模糊减法聚类技术建立初始模糊推理系统(FIS)结构,在此基础上利用自适应神经模糊推理系统(ANFIS)对模糊模型进行训练,得出ANFIS解耦控制器结构.针对系统的参数不确定性和扰动引起的不稳定性提出了NCD优化方法在线自整定PID参数的ANFIS解耦控制方法,研究结果表明该方法具有较好的抗干扰性能、鲁棒性较好,实用性较强.     

多机器人系统任务分配效用评价算法

为了提高复杂环境中多机器人系统任务分配的决策质量,获取准确、客观的效用评价,提出了一种基于自适应神经-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)的效用评价算法ANFIS-UE.设计了基于ANFIS的效用评价网络结构,并采用Q学习对效用评价网络的参数进行学习.利用ANFIS优越的函数逼近能力和泛化能力,提高了效用函数的学习效率,能够对连续的状态输入产生连续的效用评价值.实验结果表明,该算法获得的效用评价相对更准确,从而提高了任务分配方案的质量.     

基于ANFIS的迭代学习控制初始控制研究

将自适应神经模糊推理算法用于迭代学习控制初始控制输入量的求取问题,提出一种基于自适应神经模糊推理系统的迭代学习初始控制算法。针对传统迭代学习控制中对于经验数据运用不足或是没有运用的问题,利用迭代学习控制对于以往控制任务的学习建立经验数据库,通过自适应神经模糊推理系统对于经验数据库中的数据进行拟和以得到新的控制输入量。通过仿真分析验证了算法的可行性和有效性。     

自适应神经模糊推理系统的参数优化方法

自适应神经模糊推理系统(ANFIS)将模糊推理系统(FIS)中的模糊逻辑规则及隶属度函数参数通过神经网络的自学习来整定,自动产生模糊规则和调整隶属度函数,解决了模糊控制系统中模糊推理规则主要根据专家经验设计、缺乏自学习能力、控制精度不高等问题.而在建立一个初始系统进行训练时,其训练次数、隶属度函数的数目及类型都是待定的,这三个参数的选择直接影响系统训练后的效果,其确定方法值得研究.本文应用自适应神经模糊推理系统对一个典型系统进行建模仿真,并提出三个参数的寻优方法.     

三级倒立摆的自适应神经模糊控制

在三级倒立摆(TIP)系统中, 应用神经网络与模糊控制相结合的自适应神经模糊推理系统(adaptive neuralfuzzy inference system), 根据样本数据调整隶属函数和控制规则参数, 使得训练后ANFIS控制器很好地模拟期望的输入输出数据. 仿真结果表明所设计的ANFIS控制器对三级倒立摆系统的稳定控制是可行的. 与LQR控制相比, 基于ANFIS控制的倒立摆系统具有良好的动态性能和抗干扰性能.     

融合多智能技术的网络入侵检测模型

网络入侵检测的关键问题是要使得检测准确率最大化,误警率最小化。为了解决这个问题,提出了集成多种智能学习范型的入侵检测模型。该模型融合了线性遗传规划,自适应神经模糊推理系统和随机森林学习算法。在分类前,使用两层的特征选择过程来约简特征,并在分别评估了每种学习算法的性能基础上,给出了融合规则。实验表明:融合多智能技术的入侵检测系统的性能要优于任何一个单一的分类器。     

一种新的基于神经模糊推理网络的复杂系统模糊辨识方法

针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法．学习算法被应用于系统的结构辨识与参数辨识．在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化．仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求．     

Numerical study on the feasibility of dynamic evolving neural-fuzzy inference system for approximation of compressive strength of dry-cast concrete

This paper assesses effectiveness of dynamic evolving neural-fuzzy inference system (DENFIS) models in predicting the compressive strength of dry-cast concretes, and compares their prediction performances with those of regression, neural network (NN) and ANFIS models. The results of this study emphasized capabilities of online first-order and offline high-order Takagi–Sugeno (TSK) type DENFIS models for prediction purposes, whereas offline first-order TSK-type DENFIS models did not produce reliable results. Comparison between the produced results of an elite high-order DENFIS model with those predicted by the selected NN, regression and ANFIS models showed effectiveness of DENFIS model than the regression model, while its performance was similar to or slightly better than the other artificial prediction tools.     

Adaptive control of bilateral teleoperation system with compensatory neural-fuzzy controllers

This paper presents two adaptive neural-fuzzy controllers equipped with compensatory fuzzy control in order to adjust membership functions, and as well to optimize the adaptive reasoning by using a compensatory learning algorithm. To the first controller is applied compensatory neural-fuzzy inference (CNFI) and to the second compensatory adaptive neural fuzzy inference system (CANFIS). Each controller is incorporated into a two channel bilateral teleoperation architecture involving force-position scheme, which combines the position control of the slave system with force reflection on the master. An analysis of stability and transparency based on a passivity framework is carried out. The resulting controllers are implemented on a one degree of freedom teleoperation system actuated by DC motors. The experimental results obtained show a fairly high accuracy in terms of position and force tracking, under free space motion and hard contact motion, what highlights the effectiveness of the proposed controllers.

     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础，对非线性系统进行辨识是当前的难点；文献[1]提出了用模糊建模方法，文献[2]提出了用神经网络方法，在总结上述方法不足的基础上，该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法，仿真结果表明，ANFIS进行非线性系统辨识是可行的，其辨识精度很高。     

Nonlinear modeling of a SOFC stack based on ANFIS identification

An adaptive neural-fuzzy inference system (ANFIS) model is developed to study different flows effect on the performance of solid oxide fuel cell (SOFC). During the process of modeling, a hybrid learning algorithm combining backpropagation (BP) and least squares estimate (LSE) is adopted to identify linear and nonlinear parameters in the ANFIS. The validity and accuracy of modeling are tested by simulations and the simulation results reveal that the obtained ANFIS model can efficiently approximate the dynamic behavior of the SOFC stack. Thus it is feasible to establish the model of SOFC stack by ANFIS.     

基于神经模糊控制的自适应图像水印算法

提出了基于神经模糊控制网络的新的自适应图像水印算法。该算法首先对原始图像进行小波变换,组织小波块。接着,从子块的视觉掩蔽性和能量强度两个方面,建立和训练神经模糊控制网络,得到每个小波子块嵌入水印的最优强度值。最后,根据神经模糊控制得出的最优嵌入强度,将不同强度的水印嵌入到不同的小波块中。实验结果表明,所提出的算法能抵抗各种常规的图像处理的攻击,具有较好的鲁棒性和透明性。     

基于模糊参考模型机制的网络自适应拥塞控制

在高速通信网络的发展过程中,业务流呈现出的突发性和多样性为提高网络服务质量制造了更多的困难。该文提出的网络自适应拥塞控制方法以模糊参考模型机制的核心来提高主动队列管理算法在突发性网络状况中的适应能力,以2条信息通道分别实现主动队列管理的控制与学习功能,并结合参考模型机制实现模糊反向推理算法,针对网络突发性状况自适应调整主控制通道的控制行为。仿真研究表明,该控制方法提高了拥塞控制机制的自适应性能,并在自适应性能和实时性能上获得了较好的平衡。