基于模糊控制的BP算法

本文首先从数学上分析了BP算法的优化机制,同时指出了梯度算法的一些缺陷及改进之处,尤其是在训练速度和学习速率方面的改进比较有效。然后介绍了模糊联想记忆系统产生原由,及其结构和隶属函数的基本概念。最后讨论了一种基于模糊控制的BP算法,尝试把模糊联想记忆系统引入到学习率与动量因子的动态调节中,为模糊逻辑控制引入学习机制。     

铁矿石境外投资风险评估的模糊神经网络模型

论文将模糊理论与神经网络结合,对铁矿石境外投资所涉及的风险因素分别从资产影响、威胁频度两方面进行分析,建立了铁矿石境外投资的风险层次化结构,并构造了各因素所对应评判集的隶属度矩阵;综合运用模糊推理算法与神经网络仿真技术,对铁矿石境外投资的风险进行评估,进而判定铁矿石境外投资风险等级。最后,通过计算铁矿石境外投资的市场风险说明了算法的应用,并将结果与模糊综合评估得到的风险值进行比较,检测了模型的有效性。     

一种简化的三维模糊制器

针对三维模糊控制器规则多,结构复杂,难以实现的问题,提出了一种简化的三维模糊控制器。该方法是把三个输入量分别为偏差、偏差变化、偏差的偏差变化的一维模糊控制器加权融合实现简化的三维模糊控制器。并提出了根据不同类型的被控对象设置三个加权系数。加权系数具有粗调、细调和微调的作用,类似于传统PID调节器的比例、积分和微分,实现对系统静差的消除。     

未来iPad等可通过脸部识别自动实现个性定制

根据国外媒体报道,未来版本的iPhone和iPad可以利用脸部识别技术通过前端摄像头来识别用户,然后根据用户个人偏好自动定制应用软件,完成手机设置和功能设置。美国专利与商标局(US Patent and Trademark Office)近日公布了苹果最新的专利申请,那项专利技术的名称是"低门限脸部识别"技术,它是一种快速和准确识别用户的低计算解决方案。这项专利技术为多用户共享一部设备如iPad提供了一种简单的解决方案     

改进FCM在交互式图像分割中的应用

为解决由于自然纹理的干扰而导致的分割图像边缘模糊问题,对模糊C均值聚类算法进行改进并应用于交互式图像分割中。用户通过输入种子点来获得目标和背景的主要特征,并将输入的种子点作为聚类中心点;提出全局空间相似性度量标准并引入Gabor能量滤波器来计算图像中各点到聚类中心的距离;算法首次引入边缘密度概念定义权重因子,根据图像特点,自适应地计算图像中任意一点的纹理特征和颜色特征在特征空间中所占比例,使得到的特征更加准确地描述图像的本质属性。对具有自然纹理背景的图像进行仿真实验,应用两种性能指标来比较本文所提算法与随机游走算法的分割精度。实验结果表明,本文算法分割精度高于模糊聚类和随机游走算法。     

小型无人机对地跟踪系统图像清晰化及仿真

研究小型无人机机载摄像机图像退化的复原问题。为了提高盘旋工作状态下图像恢复效果,针对小型无人机盘旋工作状态与平飞作状态图像退化机理的差异,通过对图像模糊过程进行分析,根据小型无人机摄像特点,给出了小型无人机盘旋状态图像清晰化方案。即通过量化将同时存在不同像移量的图像分成几个区域,在各区域中像移量一致,再对各区域采用维纳滤波并行处理,最后合并成整体图像。仿真结果表明,清晰化方案在盘旋状态下,退化图像能取得较好的恢复效果,且抗噪性能较强。     

基于自适应模糊神经网络的防车追尾控制器

研究防止汽车追尾优化识别问题,为解决防汽车追尾快速预报,传统方法在于精确计算安全距离,并未给出具体的控制力度,结合自适应模糊神经网络理论,提出让汽车“缓慢”降速的解决方案,能有效解决防汽车追尾的控制力度问题.采用自适应模糊神经网络模型,设计汽车刹车力度控制规则表,进一步设计防汽车追尾控制器.通过仿真结果可以看出,跟传统的纯模糊控制系统相比,自适应模糊神经网络生成的曲面更加平滑,控制效果更好.并且具有自学习与自适应能力,能够自动生成并调整隶属度函数,提高了快速性和实时性,为汽车防追尾控制器设计提供了参考.     

基于模糊神经网络的智能车辆路径跟踪

在自主车辆路径优化控制的研究中,针对智能车辆传统的路径跟踪控制需要建立精确的数学模型且鲁棒性差的问题,提出了一种模糊神经网络的角速度控制器设计方案。首先建立了智能车辆运动学模型;然后以方向角误差和位置误差作为该控制器的输入,利用神经网络的学习能力来调整模糊参数得到性能优化的控制器,最后对直线和圆路径进行了路径跟踪仿真。仿真结果表明提出的模糊神经网络控制算法具有很高的控制精度和较好的鲁棒性,能够满足智能车辆实时精确路径跟踪的优化控制。     

基于模糊控制的汽车主动悬架系统仿真研究

汽车悬架直接影响汽车在行驶过程中抑制不平路面对车身的冲击力及车身倾斜度,传统被动悬架遇冲击自动调节能力较差,抗振能力不强,针对上述问题,通过对悬架受力特点分析,建立了1/4车体二自由度主动悬架数学模型,结合自动控制理论,设计车辆的主动悬架模糊控制器,利用MATLAB/Simulink模糊工具箱对其进行仿真,在相同输入的情况下,对主动悬架与被动悬架模型部分性能参数分析比较,仿真结果表明采用此模糊控制器的主动悬架在提高车辆乘坐的舒适性和操纵的稳定性方面明显优于被动悬架。实验证明,研究结果对汽车主动悬架系统的设计具有一定参考价值。     

基于改进蚁群算法的模糊控制器优化设计

研究控制器优化问题,由于模糊控制系统参数无法同时优化,使得系统选择参数困难,使系统控制效果存在一定的缺陷,安全性和可靠性降低。为解决上述问题,提出了一种多种群进化蚁群算法对模糊控制器优化设计。采用懒蚂蚁效应的改进蚁群算法进行优化,在传统蚁群算法的基础上,采用多个种群并行,对算法的初始化、路径构建以及信息素更新改进,并引入到模糊控制器的隶属函数、模糊规则的优化搜索中,搜索出适应于不同控制阶段的模糊控制器参数及控制规则,并进行仿真。仿真结果证明了改进算法对模糊控制器的参数具有良好的搜索速度和精度,使系统有很强的鲁棒性。