模糊神经网络观测器在变压器状态监控中的应用

把模糊集合理论与神经网络技术相结合设计模糊神经网络观测器，并对变压器运行状态进行动态监控。基于神经网络技术克服了模糊规则产生对专家的依赖性及模糊集的非自适应性的问题，隶属函数的自适应及模糊规则的自组织通过神经网络的自学习和竞争获得。该方法实现了变压器运行状态监控中模糊规则的自动确定和隶属函数的动态调节，通过实例分析验证了该方法的有效性和实用性。     

实现操作人员控制策略的模糊神经网络方法

通过一个仿真实例的研究。阐述了实现操作人员控制策略的模糊糊神经网络方法，并讨论了模糊神经网络控制器的鲁棒性问题，仿真结果证实了该实现了方法的有效性。     

基于模糊神经网络进行磨削加工尺寸精度智能控制的研究

采用模糊神经网络方法进行磨削加工尺寸精度的控制，给出了模糊推理BP网络模型。通过仿真证明了模糊神经网络控制的可行性，控制精度优于传统方法。     

自适应模糊神经网络构建方法

模糊极大极小神经网络的结构与超盒形状系数有关，该神经网络的性能取决于超盒形状系数的选择．在构建该神经网络时，最优超盒形状系数的确定比较困难，故提出了一种自适应的模糊极大极小神经网络构建方法，取消了超盒形状系数对扩张过程的限制，以是否包含其他类样本为超盒扩张条件．实验结果表明，使用这种模糊神经网络方法生成的神经网络结构更简单，对模式分类的效果更好．     

模糊神经网络的非线性辨识理论及应用

论述了模糊系统和神经网络相结合的非线性系统辨识理论．通过分析模糊系统规则之间的隐含关系，给出具有非线性模糊关系的模糊神经网络非线性系统辨识方法，并用仿真方法进行了验证．最后讨论了网络的稳定性和收敛性．     

基于知识的模糊神经网络临床路径变异分析方法

探索了基于Mamdani、Takagi Sugeno模型的模糊神经网络，以及BP神经网络在临床路径控制中的应用.提出了基于知识的模糊神经网络临床路径变异分析方法，以骨肉瘤化疗临床路径肝中毒变异为例进行了实例验证.分析了几种方法的有效性以及各自的优缺点.结果表明，在处理临床路径变异方面，基于知识的模糊神经网络与标准的BP神经网络相比，具有明显的优越性.     

基于模糊神经网络的无刷直流电动机的速度调节器

提出了一种作为无刷直流电动机的速度调节器的参数自校正模糊神经网络控制器。重点研究了模糊控制器的设计、系统增益参数的确定方法和BP神经网络的实现方法。采用双模控制方法，提高了系统的性能。通过数字仿真，证明了采用模糊神经网络控制方法的速度调节器能够提高系统的动、静态特性，减小转矩脉动并使系统具有较强的鲁棒性和抗干扰能力，同时提高了系统的实时性。     

模糊神经网络在近海机动卸载平台风险分析中的应用

对近海机动卸载平台系统进行风险分析，将模糊综合评判方法与神经网络技术相结合，把神经网络引入模糊综合评判方法中，从而获得评价参数的权重，使得模糊综合评判更加趋于完善。     

基于模糊神经网络的电动汽车变速器故障检测研究

针对电动汽车变速器故障呈现不确定性特征，影响检测性能的问题，设计了基于模糊神经网络的电动汽车变速器故障检测方法。从电动汽车变速器故障状态的工况数据中，提取电动汽车变速器的故障征兆参数；模糊化处理电动汽车变速器的故障征兆参数，依据电动汽车变速器故障征兆参数的隶属度，构建模糊规则库；利用BP神经网络学习模糊规则库的故障检测模糊规则，通过正向传播、反向传播和权值修正完成BP神经网络训练。将电动汽车变速器测试样本输入完成训练的BP神经网络，BP神经网络依据测试样本的模糊隶属度向量，输出故障检测结果。实验结果表明，该方法可以有效检测电动汽车变速器的齿轮断齿等不确定性故障，实用性强。     

基于小波包变换的模糊神经网络小电流接地系统故障选线

根据小波包变换和模糊神经网络的特点，提出了基于小波包变换模糊神经网络的一种小电流接地系统单相接地故障选线方法，即利用经过接地后零序电流训练的小波模糊神经网络来判别接地线路。该方法适用于任何小电流接地系统，并且不受负荷谐波、暂态过程、故障点过渡电阻等因素的影响，从理论上解决了传统方法选线准确率低的问题。EMTP仿真计算结果表明，该方法是准确和可靠的，具有实用潜力。     

基于模糊神经网络的大时滞系统的预测控制

工业生产过程中常有大时滞存在,用传统控制方法不能获得满意的控制效果。为解决这个问题,本文提出了基于模糊预测的模糊神经网络（Fuzzy Neural Networks)控制器,根据过程的动态变化实施控制器的在线调整,仿真和实践都表明了该控制方案的优越性。     

基于改进模糊神经网络的PID参数自整定算法

针对传统的PID控制算法参数整定困难,控制效果并不理想,将神经网络算法、模糊控制算法结合在一起,形成了模糊神经网络PID参数自整定算法,并且对模糊神经网络进行改进,将神经网络输入的状态变量进行模糊化和归一化处理,采用BP神经网络自整定PID控制器的参数,根据RBF神经网络得到受控对象的Jacobian信息。仿真结果表明,基于模糊神经网络的PID自整定控制效果较好,具有一定的应用前景。     

Adaptive Fuzzy Sliding Mode Control for a Class of Uncertain Dynamic Systems*

Fuzzy Logic System (FLS) can be utilized to approxi-mate complex uncertain nonlinear dynamic systems. Inthis paper, an adaptive fuzzy Sliding Mode Control(SMC) scheme is proposed where FLS is used as an ap-proximation of the unknown systems. In order to reducethe approximation errors between the true nonlinearmodel and FLS, an adaptive law is presented. The sta-bility of the controlled system is proved by using Lya-punov stability theory. The proposed control scheme isapplied to an inverted pendulum system to show its effec-tiveness.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合,设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识,采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单,有效的非线性控制作用,又具有神经网络的自学习,自适应能力。     

非线性模糊间接自适应控制器的设计和稳定性分析

对Li—xinWang1993年提出的非线性模糊间接和直接自适应控制方法进行了统一的设计和研究。其特点是：1）原来的监督控制器可由D－控制来取代;2）取消了渐近稳定性分析中要求逼近误差平方可积的条件;3）克服了原来控制器缺乏对外界干扰的缺陷。仿真结果验证了新控制方案的有效性。     

一类非线性时滞系统的自适应动态面控制

针对一类具有不确定输入时滞和干扰的非线性系统的跟踪控制问题,提出一种动态面控制、神经网络和自适应控制相结合的控制方案.通过构造一个滤波器和一个虚拟的状态观测器产生辅助信号,并利用神经网络来估计未知的连续函数,证明了系统跟踪误差收敛于一个充分小的紧集.     

变论域自适应模糊分数阶自抗扰控制器设计

提出了一种变论域自适应模糊分数阶自抗扰控制算法,用以提高分数阶系统的性能;在变论域自适应模糊控制的设计中,引入分数阶扩张状态观测器和分数阶跟踪微分器;在变论域自适应模糊分数阶自抗扰控制中,利用分数阶跟踪微分器将输入信号转化为平滑跟踪和高质量差分信号,用扩张状态观测器获取每个状态变量的估计值、不确定性的实时动态模型以及外部扰动．为了消除稳态误差,提高控制精度,提出了可变值域的扩张状态误差积分;将变论域自适应模糊分数阶自抗扰控制算法和分数阶自抗扰控制 (FADRC)算法对典型的分数阶系统进行仿真,验证了所提方案的优越性和有效性．      

神经网络在CDMA移动通信上行链路功率控制中的应用研究

提出了一种神经网络功率控制方案,研究了该方案在码分多址 (CDMA)移动通信中实现最小发送功率控制问题。首先导出了最小发送功率控制模型。而后,利用最陡下降方法得到了求解该模型的神经网络的原理框图,并分析了用该网络进行最小发送功率控制的基本理论和实际性能,探讨了该网络相关参数的确定方法。最后用计算机仿真法模拟出该方案的运行性能。仿真结果表明与最小功率分配算法相比,神经网络功率控制方案可以提高基站接收信号的平均信扰比,降低信扰比的平均偏差,提高信扰比达到目标信扰比 90%以上的用户数量,从而可以降低用户信号的中断概率、提高信道容量。     

基于Backstepping的模糊自适应跟踪控制

主要研究了单输入一单输出非线性系统的模糊自适应输出跟踪控制问题。模糊逻辑系统用于逼近系统中未知的非线性函数，然后基于Backstepping设计方法给出了系统性的输出跟踪控制器的设计方法。所构造的模糊控制器确保跟踪误差可以充分小，同时系统中的各个变量保持有界性。所提出方法的优越性在于自适应律中在线学习参数的数目独立于模糊规则的选择，从而避免了以往模糊自适应控制算法中自适应学习参数过多的缺点。最后，以一个例子进一步说明文中所得结论的有效性。     

基于神经网络的SLA蓄电池智能充电控制研究

针对SLA蓄电池的四阶段充电特点,结合神经网络模糊控制和嵌入式技术,提出了一种基于ARM Cortex-M3 LM3S的智能模糊控制充电方案,该充电方案对充分发挥SLA蓄电池的功效,提高蓄电池的充电速度,减少充电损耗,延长蓄电池的使用寿命具有重要意义.