一种再增强模糊神经网络控制器的建立

利用模糊控制的推理功能使神经网络得以简化，减少了学习单元的数量，提高了收敛速度．利用神经网络的并行特点使模糊控制表更容易实现，利用ＢＰ算法为自适应模糊控制提供了一种通用的规则再增强自适应算法．仿真验证了这种再增强模糊神经网络控制器的合理性．     

遗传算法在船舶动力定位系统中的应用

针对船舶动力定位系统提出了一种基于神经网络的模糊控制模型,它通过神经网络来实现模糊控制的模糊化、规则推理到反模糊化的整个过程,并且采用遗传算法进行网络学习;在此基础上针对船舶的纵向运动进行了仿真实验,结果表明,这种模糊神经网络结构及算法对船舶的动力定位实施具有可行性以及有效性.     

板球系统的模糊神经网络控制算法研究

针对具有非线性特性的控制系统，提出了一种逐级模糊神经网络控制算法。该系统控制采用了补偿模糊神经网络算法和逐级模糊控制规则。在matlab仿真环境下对简化的模型进行了仿真实验。通过仿真结果可以看出，该控制算法比传统的模糊控制具有更好的控制表面，更能适应复杂多变的非线性准确控制；补偿模糊神经网络算法在训练时，具有学习速率快、准确度高和扩展性好等优点。     

深小孔钻削模糊控制系统的研制

设计了深小孔钻削实验系统，初步总结出深小孔钻削的经验规则，并设计了相应的模糊语言变量系统，运用ＭＰ推理形式，最终建立了深小孔钻削模糊控制总表，确定了模糊控制和阈的混合控制方案。     

用模糊控制技术调整神经网络参数

神经网络很多参数都依靠经验来选择．本文以广东省第二次土壤普查成果资料数据库为例子,提出一种利用模糊控制技术调整神经网络参数的方法,并通过建立神经网络参数的控制规则表,实现了对神经网络部分参数的模糊控制．     

具有模糊联想神经网络的自组织模糊控制器

在分析了几种用神经网络实现的模糊控制器不足的基础上，提出一种用模糊联想记忆神经网络实现的自组织模糊控制器；该控制器由２个模糊联想记忆神经网络分别记忆校正规则表和修正控制规则表，并通过网络权值矩阵的在线修正完成控制规则的实时修正。模糊推理则由网络的自联想功能完成。     

一种用CMAC网络建立模糊控制器的新方法

提出了和种新的建立模糊控制的方法，在原来模糊控制的基础上，对模集提出了新的解释，将模糊集的建立和模糊规则的确立和受控系统的物理行为直接联系起来。然后，通过ＣＭＡＣ神经网络对受控系统进行学习，掌握受控系统的特性，并最终由ＣＭＡＣ神经网络根据对模糊集的新的解释，来建立模糊集并提取模糊规则。     

一种新的基于加权模糊规则自适应神经-模糊推理

提出了一种基于加权模糊规则的新的推理机制,并将这组加权模糊规则及相应推理机制映射成了一个模糊神经网络,其中加权模糊规则中的(局部和整体)权重恰好对应于神经网络的连接权.通过新改进的BP算法训练此神经网络后,可学习得到加权模糊规则的权重近似优值.模拟实验说明,训练后得到权重,用本文提出的新的推理机制可以一定程度上提高推理精度.     

基于自组织模糊神经网络的市场占有率模型

针对现有市场占有率模型(如传统的统计方法和近年来出现的模糊模型与神经网络模型)实际预测效果并不理想的问题，结合模糊神经网络和自组织理论建立了基于自组织模糊神经网络的市场占有率预测模型．该模型无需事先确定模糊控制规则，并能通过神经网络的结构及参数学习调整模糊神经网络的结构．最后结合实例进行了仿真．结果显示该模型优于其它模型，能为企业提供有力的市场占有率定量分析工具．     

神经模糊网络自适应模糊控制研究

提出了一种由样品辨识，模糊推理和控制处理3个子网模块构成的基于知识的多层神经网络，这种网络由各子网构成并按照最初的模糊控制结构适当连接而建立，具有明确区分各组成子网功能及其知识流结构，由于综合了模糊逻辑的推理过程及神经网络的学习能力，使它能够在其结构中以模糊规则的形式引入语言知识并通过网络的训练及自学习对这些知识进行加工，从而实现了真正意义上的自适应模糊控制器，最后还讨论了这种NFN网络在动态过程控制中的应用。     

一种新的特征展开模糊推理方法

在Zadeh提出的模糊推理合成规则及陈永义等提出的模糊集特征展开近似推理方法的基础上,给出了新的模糊推理合成方法,定义了模糊集的一种新的特征展式,分别给出了计算一般模糊推理和双重蕴涵命题模糊推理的新方法,并把它们推广到一般情形,即一个模糊推理系统是由一组多重蕴涵命题组成的情形,得到一种新的模糊集特征展开推理方法.这种方法使得模糊推理合成计算简单,给Fuzzy控制器的设计带来方便.     

二叉树型分层广义混合模糊系统的结构和规则数分析

模糊系统由一般输入变量、推理规则和实际输出组成,推理规则总数会随着输入变量的增多而呈指数形式急剧上升,容易引起规则爆炸.为此,降低规则总数是必要的.本研究首先对二叉树型分层广义混合模糊系统进行结构分析;其次,依据混合推理规则及计数公式针对分层前与分层后的规则总数进行比较和分析.结果表明,分层后系统内部规则总数的增长速度远远小于不分层的规则总数的增长速度,从而可避免规则爆炸现象.     

智能压路机压实模糊神经网络控制及仿真

将模糊系统与神经网络相结合,提出了一种由模糊化层、模糊推理层和清晰化层组成的模糊神经网络结构,并将其用于智能压路机压实控制.针对振动压路机的压实性能要求,采用钟型函数作为隶属度函数,通过计算规则重要度来提取模糊推理层规则群中比较重要的规则,运用补偿模糊神经网络的学习算法解决参数的自动调整问题.把工程实践中得出的模糊控制规则表作为训练模糊神经网络的样本,仿真结果表明该模糊神经网络控制器具有在误差限度范围内的泛化能力.     

基于模糊推理和关联规则分析的河道洪水预报模型

河道洪水预报过程是一项复杂的非线性计算过程.为及时准确地预报下游河道特征值,针对传统模糊推理中存在的规则数过多和模型参数难以确定的问题,提出了一种新的模糊推理河道洪水预报模型.该模型以T-S模糊推理法为基础,通过对历史数据的关联规则分析和建立非线性优化模型确定模糊规则数目和模型参数,最后预报未来出现的流量数值.实例分析表明,基于模糊推理和关联规则分析的河道洪水预报模型易于理解,特别对防洪比较重要的高流量的预报结果较好.     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.     

规则约束型数学规划方法及其工程应用

从历史数据中挖掘模糊规则，建立模糊规则库，从而构造了含模糊规则约束的数学规划模型。采用Sugeno推理方法得到模糊系统，建立变量之间的映射关系，将模糊系统作为数学规划问题的等式约束，并给出一类含有模糊推理的遗传算法进行求解。将规则约束型数学规划模型应用于精馏塔稳态操作优化中，验证了方法的有效性。     

基于模糊规则自动获取的模糊主动轮廓模型

为了引入更多的不确定性先验信息来指导轮廓提取,首先提出了一种新的模糊主动轮廓模型(FuzzySnake),然后针对模糊主动轮廓模型中模糊推理规则难以确定的问题,提出了一种改进的遗传算法———多种群共生遗传算法,并用于相关模糊规则的自动获取,最后给出了用新的模糊主动轮廓模型从人工合成图像、加噪测试图像和实际的超声图像中提取目标轮廓的实验结果.实验表明,在模糊主动轮廓模型中利用多种群共生遗传算法进行模糊规则自动获取,不仅能有效克服模糊规则需向领域专家学习才能获取的局限性,而且能有效地降低传统模型对噪声的敏感性,使模型的参数调整得以简化.     

简化模糊控制器的设计

基于模糊控制原理,对传统模糊控制器进行了简化,以提高实时执行效率.采用三角形隶属函数,简化Larsen积运算和解析式模糊规则,检测输入语言变量的激活水平,仅对有效的模糊规则进行操作,从而降低内存消耗和计算量.小车倒立摆系统倒立摆角度控制的仿真试验证明了算法的有效性.     

带动态因子调整模糊神经网络控制器的研究

探讨了将模糊规则的提取和推理转化为人工神经网络参数的确定及神经计算，提出一种具有自学习功能的模糊神经网络（ＦＮＮ），并用因子动态调整逼近法，解决了系统中静态误差和积分饱和等问题．     

基于粒子群算法的导弹模糊导引律设计

针对传统模糊制导律的模糊设计随意性,提出采用粒子群优化算法对模糊导引律的参数优化的方法．利用粒子群优化方法调整模糊变量隶属度,比例因子等参数,并通过反复优化使模糊推理规则接近于最优．该方法克服了模糊逻辑设计中的随意性,提高了模糊制导律的精度和鲁棒性．仿真结果表明了这种优化方法得到的模糊比例导引律明显优于传统比例导引律．