自适应遗传算法优化模糊小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络（ＦｕｚｚｙＣＭＡＣ）的隶属函数．提出一个自适应ＧＡ优化算法，并且以优化模糊小脑模型ＦｕｚｙＣＭＡＣ学习正弦曲线．仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级、比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级．自适应ＧＡ方法优化的ＦｕｚｙＣＭＡＣ学习速度比普通ＧＡ优化的速度快且进化过程的振荡明显减小，仿真证明该方法比普通ＧＡ优化方法稳定，收敛效果好．     

一种新型的动态模糊神经网络控制器

基于前向模糊神经网络ＡＮＦＩＳ提出了一种新型的动态模糊神经网络（ＤＦＮＮ）,将模糊逻辑,神经网络和ＰＩＤ控制器三者的优点有机地融合在一起。通过在ＡＮＦＩＳ的归一化层和输出层之间加入递归层,构成了动态模糊神经网络（ＤＦＮＮ）,并推导了基于ＢＰ的反传学习算法,与ＡＮＦＩＳ和ＰＩＤ控制器相比,ＤＦＮＮ具有更好的控制效果。ＤＦＮＮ的参数具有明确的物理意义,可根据专家的经验选择初值,加快了网络的收敛速度,由     

ABS／PC合金的剖析与表征

剖析和表征了两种国产ＡＢＳ的相组分和结构、藉差示扫描量热（ＤＳＣ）法研究了不同腈含量的苯乙烯丙烯腈的共聚物（ＳＡＮ）与聚碳酸酯（ＰＣ）的相容性。通过Ｆｏｘ方程计算出ＰＣ溶在ＳＡＮ中的百分含量的以及ＳＡＮ溶在ＰＣ中的百分含量。用红外光谱法剖析了两种ＡＢＳ的助剂，发现含有酯类助剂的ＡＢＳ合导致了ＰＣ分解，不宜与ＰＣ共混。     

一类典型工业过程的RBF神经网络控制

根据一类典型工业过程的特点，提出了一种神经网络控制方案．该方法基于ＲＢＦ（ＲａｄｉａｌＢａｓｉｓＦｕｎｃｔｉｏｎ）神经网络辨识过程模型，然后在此模型基础上设计内模控制．利用连续搅拌反应釜（ＣＳＴＲ）系统进行仿真设计，结果表明方案有效．     

FCNN的全局稳定性

研究了 Ｆ Ｃ Ｎ Ｎ（ 模糊细胞神经网络） 的全局稳定性,应用 Ｌｙａｐｕｎｏｖ 函数,建立了 Ｆ Ｃ Ｎ Ｎ 全局稳定的充分条件,其结果推广了现有文献中的结论     

自适应遗传算法优化模型小脑模型

首次采用遗传算法（ＧＡ）设计模糊小脑模型神经网络的隶属函数，提出一个自适应ＧＡ优化算法，并且以优化模型小脑模型ＦｕｚｚｙＣＭＡＣ学习正弦曲线，仿真实例表明，采用自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习精度比标准小脑模型ＣＭＡＣ提高大约三个数量级，比标准ＦｕｚｚｙＣＭＡＣ（三角形隶属函数）提高一个数量级，自适应ＧＡ方法优化的ＦｕｚｚｙＣＭＡＣ学习速度比ＧＡ优化的速度快且乾化过程的振荡明显减小，仿真     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

超级FORTRAN工作台的设计

本文应用汇编语言、Ｃ语言和ＰＡＳＣＡＬ语言，成功地设计了针对ＰＣ机的超级ＦＯＲ－ＴＲＡＮ工作平台（ＴＦ系统）．把ＦＯＲＴＲＡＮ语言的编辑、编译、连接、调试及目标文件的运行集于一体，使ＦＯＲＴＲＡＮ用户在一个集成的工作环境下应用ＦＯＲＴＲＡＮ语言．解决了过去烦锁的行命令式的操作，为ＦＯＲＴＲＡＮ用户创造了一个良好的工作界面．     

SA－高吸水树脂对玉米生长及增产效果的试验研究

ＳＡ－高吸水树脂对玉米生长及增产效果的试验研究栾树梅，王欣葵（吉林省吉林市农业机械研究所吉林，１３２０１２）ＥＸＰＥＲＩＭＥＮＴＡＬＲＥＳＥＡＲＣＨＯＦＴＨＥＥＦＦＥＣＴＯＦＳＡ－ＨＩＧＨＡＢＳＯＲＰＴＩＯＮＲＥＳＩＮＳＯＮＹＩＥＬＤＩＮＣＲＥＡＳＥ...     

RC（O）OONO2热消除反应的理论研究

用ＡＭ１方法（采用ＵＨＦ计算程序）研究了ＣＨ３Ｃ９Ｏ）ＯＯＮＯ２，ＣＨ３Ｃ（ＣＨ２）Ｃ（Ｏ）ＯＯＮＯ２和Ｃ６Ｈ５Ｃ（Ｏ）ＯＯＮＯ２热消除ＮＯ２形成自由基的反应，计算的活化能分别为１１８．５８，１０８．９３和１０６．５３ｋＪ．ｍｏｌ＾－１。     

基于神经网络的模糊控制系统的研究

从模糊理论和神经网络各自特点出发 ,详细讨论这 2大系统的联系和区别 .进一步将两者有机的结合起来 ,实现基于神经网络的模糊控制推理结构的设计 ,同时给出其设计的方法和步骤 .显示两者的结合是实现更完美智能控制系统的有效途径 .     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合 ,借助神经网络的学习能力和信息存储能力来实现模糊推理过程 ,并记忆和调整模糊规则 ,从而自动生成模糊控制规则 ,建立模糊神经网络。系统对模糊神经网络进行离线学习 ,将训练好的模糊神经网络用于在线控制 ,仿真结果表明 ,本文方法用于对陶瓷配料系统的控制 ,取得了无超调、无静差等令人满意的效果     

模糊神经网络控制系统

介绍了将神经网络和模糊控制相结合,即用人工神经网络算法产生模糊推进规则和隶属函数,再基于这些模糊推理规则和隶属函数产生模糊逻辑控制的一种新颖控制策略-模糊神经网络系统的组织结构及其神经网络的设计。     

改进型B样条网络函数及其应用

B样条网络函数可以作为模糊神经系统的隶属函数,通过指出常规B样条模糊隶属函数构造中存在的不足,提出了针对性的改进措施,从而既满足了B样条本身的性质,又从理论设计上避免了使系统不稳定的因素,增加B样条函数在作为模糊神经网络控制器的实际应用中的抗干扰能力,论给出了改进型B样条网络的设计过程以及实验结果,在实际电机速度控制系统的对比实验中证明了所提改进方法的有效性和实用性。     

轻型客车防抱制动系统模糊控制方法的仿真

模糊控制方法作为一种新兴智能控制方式 ,具有控制快速精确及控制方法设计简单的特点。采用模糊控制方法研究HFC6 70 0轻型客车的防抱制动过程 ,建立以车轮滑移率作为控制对象的 HFC6 70 0轻型客车 ABS模糊控制系统 ,并且在Matlab/Simulink仿真软件下进行计算机仿真。仿真结果表明 ,模糊控制的防抱制动系统能取得较好的控制效果 ,具有一定的自适应能力。     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。     

模糊神经网络在压边力智能控制中的应用

应用模糊神经网络专家系统实现了冲压成形过程中压边力的智能化控制，对系统模糊神经网络的构造和模糊神经推理机制进行了详尽的说明，介绍了压边力模糊神经网络和优化控制的设备及实现，并利用其对带凸缘的圆筒件拉深控制规律进行了研究。