一种用于布尔逻辑设计的神经网络学习算法

提出了一种实现任意布尔函数的前向三层神经网络学习算法,简称HKML算法,HKML算法引入汉明距离扩展,卡诺图化简及最小项抑制等思想训练神经网络,以心量少的神经元实现布尔函数的输入输出映射,给出了设计原理及算法流程图。与其他二进神经网络学习算法相比较,此方案结构简单可靠,学习速度快,易于硬件实现。     

二值图像细化的细胞神经网络新算法

给出了基于布尔函灵敏的二值图像细化的细胞神经网络（ＣＮＮ）新算法。利用ＣＮＮ的分段线性特性和状态空间分析实现了布尔函数，这不仅可给出一种能代替以前的试凑法的分析算法，而且还可得到一个更广泛和更简洁的结果。     

二层高阶神经网络对任意布尔函数的实现

本文讨论了二层高阶神经网络的能力问题。主要有三个方面的结果：（１）证明了任意布尔函数可由二层高神经网络实现；（２）给出了二层高阶神经网络的ＢＰ算法；（３）模拟实验结果。上述结论表明对高神经的研究具有很强的理论意义和实用价值。     

基于神经网络的函数逼近问题

给出了函数逼近问题,提出了一种新的神经网络模型,结合函数逼近问题及该神经网络模型给出了一种学习算法,并利用该算法对函数逼近进行了仿真.说明了该算法的实用性.     

前馈网络的一种线性化快速学习算法

针对前馈神经网络的反向传播（ＢＰ）学习算法收敛速度慢的缺点,提出了一种新的学习算法即线性化快速学习算法。这种学习算法在神经网络学习的初期,采用标准ＢＰ学习算法。而当神经网络接近最优点时,由于此时其连接权重调节幅度很小,因此采用对各层神经元的非线性作用函数进行泰勒级数展开,并取其一阶展开式近似逼近原函数,从而使其非线性作用函数转化为线性作用函数,简化了网络学习过程的计算量,加速了网络的学习速度。文中最后给出了采用线性化算法与标准ＢＰ算法对正弦函数的学习过程。     

基于余弦函数的神经网络硬件实现

研究了正交余弦基函数神经网络模型和学习算法, 给出了仿真实例, 并提出了余弦函数基神经网络模型电路实现方案.仿真结果表明,该网络学习收敛速度快,可任意逼近非线性映射等优异性能. 此外,网络结构简单,便于电路实现, 一个余弦波振荡源经倍频即可实现隐层神经元电路.     

基于隶属度函数的BP人工神经网络改进算法

为了实现基于BP人工神经网络的短期电力负荷预测,提出了一种基于隶属度函数的BP神经网络改进算法.算法是在学习率自适应调节算法的基础上,引入模糊数学中的隶属度函数的概念,根据不同的误差E,来确定不同的改变学习率的α和β,进而使BP神经网络的学习过程具有更好的自适应性,提高网络的学习速度.仿真试验结果表明,在预测精度不变的情况下,收敛性明显加快.由此证明.提出的基于隶属度函数的BP神经网络改进算法是快速和有效的,可用于短期电力负荷预测和各种类似的应用.     

正布尔函数随机生成算法

层叠滤波器是一类新型非线性滤波器，生成正布尔函数是确定层叠滤波器的关键．在应用全局化优化算法，如遗传算法、模拟退火算法时，如果不能随机生成正布尔函数，则无法应用这些算法优化层叠滤波器，提出了一种随机生成正布尔函数算法，能随机生成正布尔函数，使应用全局化优化算法优化层叠滤波器成为可能．仿真结果表明，该算法可行．     

基于期望值函数的离策略深度Q神经网络算法

深度Q神经网络算法的值函数迭代算法大多为Q学习算法,这种算法使用贪婪值函数作逼近目标,不利于深度Q神经网络算法获得长期来看更好的策略。通过以期望思想求解的期望值函数取代贪婪值函数作为更新目标,提出了基于期望值函数的离策略深度Q神经网络算法,并结合DQN算法神经网络更新方法,给出期望值函数能够作用于DQN算法的解释。通过使用该算法能够快速获得长期回报较高的动作和稳定的策略。最后分别在CarPole-v1和Acrobot仿真环境中对期望值函数的离策略深度Q神经网络算法和深度Q神经网络算法进行获取策略的稳定性对比实验,结果表明,基于期望值函数的离策略深度Q神经网络算法能够快速获得长期回报较高的动作,并且该算法表现更为稳定。     

基于模糊聚类的二型模糊神经网络系统辨识

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。     

基于模糊推理器的多变量系统控制

针对一类输出量不可直接测量但可以通过其它物理量来获得的多变量非线性系统的控制问题,提出了一种基于模糊推理器的控制方法。这一方法将传统复杂系统的黑箱控制器分解为一般控制器和模糊推理器,其中模糊推理器主要完成相对复杂的测量信号到控制信号的转换,而一般控制器则主要完成系统执行机构的动态性能优化问题。该方法大大简化了这一类控制系统的设计和实现,同时又充分利用了模糊推理和传统控制方法的优点,具有很强的实用性。目前已成功应用于某单位的炮弹装填控制系统的设计中,并取得了良好的效果。     

微波催化连续反应实验系统的温度控制

采用了一种新型的模糊控制方法 ,对微波催化连续制药反应温度进行智能控制·该模糊控制系统具有单变量二维输入、增量型输出和多组自调整量化比例因子等特点·为了提高运算速度 ,设计控制系统时建立模糊控制表 ,系统运行时进行在线查询此控制表·采用多组因子自调节的方法 ,减小模糊控制的死区 ,提高控制系统的精度·用工业计算机作为控制器 ,通过软件实现该控制算法 ,在实验中调整控制周期和各组因子的具体值·实验结果表明 ,该系统的稳态误差范围为± 1℃ ,控制精度和系统稳定性达到了微波催化反应对温度控制的要求     

变论域模糊PID算法在供热控制中的应用

针对供热系统中二次网供水温度控制具有非线性、时变性、难以精确控制等缺点,结合模糊控制和PID控制的优点,采用变论域的思想,提出了变论域模糊PID算法。介绍了变论域模糊PID控制器的结构设计及伸缩因子的选择方法。经仿真实验表明,该控制方法使具有响应时间快、稳态精度高,及较强的抗干扰能力。该算法提高了二次网供水温度的控制精度,起到了节能降耗的作用。     

一种高精度Fuzzy控制器的设计

提出了一种基于基本Fuzzy控制器基础上更好地模拟人的操作经验来改善控制性能的一种高精度Fuzzy控制器的设计方法 ,针对将语言变量量化出相应的等级引起的误差 ,采用了加权方法进行处理 ,提高了控制器的精度 ,有一定的实用价值     

温室环境下多变量模糊控制系统

针对温室环境系统常规控制方法难以取得理想的控制效果的问题，采用模糊从之方法对该问题进行研究。提出了将传统的模糊控制系统分解为控制器和模糊推理器新控制思路，一般控制器是完成系统执行机构的动态性能的优化，模糊推理器完成被控对象的测量信号与控制信号的转换。该方法简化了控制系统的设计和实现，又充分利用了模糊推理器和传统控制方法的优点，采用这种方法设计的温室环境下多变量模糊控制系统，具有消除系统的稳态误差的作用，提高了模糊控制器的控制精度。本系统经仿真，达到了控制要求。     

单框架控制力矩陀螺伺服系统的模糊自适应变结构控制

研究单框架控制力矩陀螺系统的外框架结构.系统的永磁同步伺服电机采用正弦波驱动;电流环采用电压空间矢量脉宽调制方法驱动逆变器;位置环采用模糊自适应滑模变结构控制,通过引入切换控制增益的模糊自适应调节方法来提高系统的鲁棒性和抗扰能力.在Matlab下对系统进行仿真,结果表明,采用模糊自适应变结构控制方法设计的伺服系统有较高的动态和稳态精度;抗扰性能得到加强;消除了滑模变结构控制器的抖振现象.     

永磁同步电动机调速系统的模糊控制与仿真

对电动汽车驱动用永磁同步电动机(Permanent Magnet Synchronous Motor 缩写为PMSM)的调速系统进行模糊控制并对其结果进行仿真.对PMSM进行数学建模,根据其数学模型在MATLAB/Simulink下建立PMSM、PMSM测量环节、dq/abc转换器和PWM三相逆变器的仿真模块并进行封装.采用二维模糊设计, 以电动汽车行驶时所要求的电动机转速n′与电动机的实际转速n之间的偏差E和其偏差变化率EC作为系统的输入变量,把控制占空比的电流信号U作为输出语言变量,进行模糊控制器的设计.根据PMSM的各模块和所设计的模糊控制器,在MATLAB /SIMULINK下创建电动汽车PMSM调速系统的模糊控制仿真结构模型,并进行仿真,从而验证控制方法的正确性.     

可控串补多目标控制研究

可控串补暂态稳定控制，既要抑制功角第一摆，又要快速阻尼系统故障后的功率振荡，这是一个多目标控制问题。文中提出了基于Ｔ－Ｓ（Ｔａｋａｇｉ－Ｓｕｇｅｎｏ）模型的可控串补模糊控制策略，充分考虑了可控串补装置的非线性，并结合了线性最优控制理论和专家知识。该模糊控制器相当于自适应变增益的线性最优控制器，能满足系统多目标控制的要求。数字仿真表明，该模糊控制策略在暂稳控制中优于其它常规控制方式（ＰＩ控制，ｂａｎｇ－ｂａｎｇ控制，线性最优控制）。     

Fuzzy Variable Structure Control of Photovoltaic MPPT System

In order to reduce chattering phenomenon of variable structure control, a fuzzy variable structure control method is adopted and applied in the photovoitaic maximum power point tracking （MPPT） control system. Firstly, the electric features of PV cells and a dynamic model of photovoitaic system with a DGDC buck converter are analysed. Then a hybrid fuzzy variable structure controller is designed. The controller is composed of a fuzzy variable structure control term and a supervisory control term. The former is the main part of the controller and the latter is used to ensure the stability of the system. Finally, the conventional variable structure control method and the fuzzy variable structure control method are applied respectively. The comparing of simulation results shows the superiority of the latter.     

分组自适应模糊神经网络在双摆吊车上的应用

在工业生产中,若吊钩质量较大不能忽略,吊车会呈现出双摆系统特征,即吊钩绕台车进行一级摆动,同时负载绕吊钩进行二级摆动.针对这种欠驱动非线性系统控制问题,提出一种基于双摆桥式吊车系统的自适应神经网络与分组模糊控制相结合的控制策略.具体而言,采用改进的Takagi-Sugeno型神经网络模糊控制模型,利用分组模糊控制的方法,规避多输入模糊系统规则冗杂导致的时效性问题.因模糊控制不具备自适应与迭代优化参数的能力,引入神经网络模型借助混合算法,通过前向学习与反向学习,利用二次型最优控制理论设计得出的样本数据,不断优化模糊规则和隶属度函数,从而使控制器参数高精度逼近系统要求,满足双摆吊车高温熔融金属吊运的需求.最后仿真实验结果证明该控制策略不仅使双摆桥式吊车台车与负载快速、精确到达目标位置,还能够抑制吊钩与负载的摆动,提高了控制器性能.