一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

B-Spline函数的自适应网络模糊推理系统

提出基于 B- Spline函数条件的自适应网络模糊推理系统 (B- ANFIS) ,该系统将 B- Spline和ANFIS两者有机地结合在一起 ,取长补短以达到简捷的隶属函数自寻优 .研究结果表明 ,该运算的速度快、系统的逼近误差小、精度高、简单、易行 ,非常适于隶属函数的在线优化     

基于模糊推理参数优化的无人机自适应PID控制

针对传统模糊控制隶属度函数主观性较强以及传统PID控制精度低、参数难以调整等缺点,提出一种基于模糊推理参数优化及神经网络的无人机自适应PID控制算法.(1)基于四旋翼无人机的运动学分析,建立了系统的动力学模型;(2)导出了基于神经网络控制的模糊推理参数优化方法;(3)采用带有全局极小动量项的梯度下降法修正网络学习权值,设计了模糊神经网络.实验结果表明,本文所提的算法相比其他传统算法具有更好的控制精度和鲁棒性.     

基于改进自适应神经模糊推理模型的 回流焊参数设定方法

复杂制造过程中,系统参数往往呈现动态、非线性特征,以回流焊过程为例,针对现有参数设定方法效率和精度不足的问题,提出了一种基于改进自适应神经模糊推理模型的在线参数设定方法.引入了神经网络预测器来增强模糊神经网络的自适应能力和非线性逼近能力,通过最近邻聚类算法对模糊规则的参数和结构进行调整和在线更新,以提高模糊推理的精度,增强系统的容错性和鲁棒性.以回流焊过程参数设定过程为背景,建立仿真实验.结果表明,所提出方法可有效实现非线性输入输出系统参数的快速及准确的设定.     

基于q-高斯的模糊神经网络在飞机作战效能评估中的应用

为了增强模糊神经网络的自学习和自适应能力,提出基于q-高斯的模糊神经网络评估飞机作战效能.采用q-高斯函数作为模糊神经网络的模糊隶属度函数,利用量子粒子群算法优化基于q-高斯的模糊神经网络参数,将非广延熵指数q编码为粒子并随着种群的进化自适应地调整.通过评估飞机作战效能,结果表明,基于q-高斯的模糊神经网络作战效能评估的结果更准确,自学习和自适应能力更强.     

基于GA-ANFIS的边坡稳定性评价

自适应神经模糊推理系统将模糊推理的可解释性和神经网络的自适应、自学习的能力结合起来,克服了边坡岩体的不确定性问题带给边坡稳定性分析的巨大困难,同时针对模糊推理系统内部参数设定的合理性问题,建立了基于遗传算法的自适应模糊推理评判模型。结果表明,GA-ANFIS评判模型结果与现场监测情况吻合,从而使其成为边坡稳定性评价的一种有效方法。     

基于遗传算法的模糊关系确定方法及仿真

模糊系统的模糊推理方法常依赖于一系列由主观决定的参数,如模糊隶属函数、模糊关系矩阵等．如何确定这些参数会直接影响系统的性能．为了能对这些参数进行优化,文中采用一种新型的模糊推理方法,在此基础上,利用遗传算法产生出模糊推理方法中的最优参数．同时,在进化演变的搜索过程中,使用不断调整适应函数的手段,解决了遗传算法过早收敛于次优解的问题,提高了遗传算法的搜索精度．     

具有未知控制方向的自适应神经网络控制

讨论了一类具有未知死区模型和未知函数控制增益的SISO非线性系统的自适应神经网络控制问题.根据滑模控制原理,并利用Nussbaum函数的性质,提出了一种自适应神经网络控制器的设计方案.该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件.通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响.理论分析证明了闭环系统是半全局一致终结有界,且跟踪误差收敛到零.     

基于T-S模糊模型的RBF网络的自适应学习算法

针对多维模糊推理中的推理规则庞大和参数难辨识的问题,提出一种基于T-S模糊模型的RBF神经网络的自适应学习算法．该算法不仅能动态调节T-S型模糊RBF网络的隐节点数,还能使网络的数据中心值自适应变化,有较好的自学习能力和优化能力．仿真结果验证了该算法是有效和可行的,表明此T-S型模糊RBF网络不仅可以快速逼近任意多变量非线性函数,而且具有良好的自适应能力．     

车距的自适应神经网络模糊控制研究

本文采用自适应神经-模糊推理系统(ANFIS)结构,对车辆纵向运动跟车间距控制问题进行了研究.设计了基于ANFIS结构的跟车间距控制器,通过仿真对ANRLS结构控制器中的各参数进行了优化.建立了基于高斯型函数作为隶属度函数的车间距离控制器模型,运用前后两车的速度差与距离差的变化情况对后车的加速度进行控制.最后,本文对上述控制方法用Matab进行了仿真试验.仿真结果表明,运用本文设计提出的方法对后车的加速度进行控制,能保证后车经过短暂的速度变化后使前后两车之间保持安全距离,避免碰撞追尾事故的发生,验证了本文所提理论的正确性.     

基于参数可调隶属函数的模糊插值建模方法研究

将模糊推理建模法应用于一阶非线性系统,其中的插值函数一经确定,被控对象的模型即被确定.由于不同系统适用不同的插值函数,如果需要用其它插值函数对系统建模,得重新建立系统模型.设计了一类可调参数插值函数,通过改变其中的参数,从而改变函数形状,最后得到一个较适用的模型框架.     

基于遗传算法的动态模糊模型辨识非线性系统方法

针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题,仿真结果证明了该算法的有效性。     

一类非线性系统的模糊推理建模与控制仿真

针对一类非线性系统,首先使用模糊推理建模法由输入输出数据对得到该系统的数学模型,然后直接对所得的模型进行变论域自适应模糊控制,最后在不同参考输入情况下进行了仿真实验,并与常规模糊控制进行了比较。结果表明,基于模糊推理模型基础上的变论域自适应模糊控制具有相当的普适性和非常好的跟踪性、实时性。     

用于机器手控制的在线的自组织模糊神经网络

基于动态自适应方法,本文提出了一种能动态生成自组织模糊神经网络(SOFNN)的新算法,并应用该算法能有效地估计机器手的非线性。本算法能自动划分输入输出空间,自学习调整高斯函数,模糊规则的构造及空间的划分数目是并行调整的。这个SOFNN算法的独特之处是:自组织动态结构、快速的学习能力,良好的鲁棒性。一个两自由度的工业机械手验证了其有效性。     

Application of Fuzzy Algorithm in Inventory Control

1 Introduction Since the demand for products varies withvariations in market - oriented economy,conventional forecast forthe quantity of output hasto scant , many scholars develop new avenue ortechnique to forecast . As one of the newprediction,aforecast basedonfuzzyalgorithmhasbeen appeared and been appliedinrequirement ofproducts and inventory control[1].The purpose ofdivinationfor product requirement is to make theproduction plan,to arrange the components forproducts .Based on market to dec…     

神经网络多模型软测量技术及应用

基于多模型思想，采用模糊聚类的方法对软测量数据进行了分类，对每类数据基于神经网络(NN)建模，采用RBF神经网络构造了每个数据样本的隶属度，将各模型输出的数据进行隶属度加权求和得到最终的软测量输出，并对某催化重整生产装置催化剂再生器氧含量进行了建模研究，获得了满意的结果。     

Vague ALC(D):一种基于vague集的模糊描述逻辑

针对普通的模糊描述逻辑使用单个隶属度无法准确表示不精确知识,而且描述逻辑是在抽象层次上描述知识,对实体的数值信息缺乏强有力的表达手段的问题,提出了一种基于vague集并结合具体域的模糊描述逻辑——vague ALC(D).介绍了用隶属度区间来表示模糊知识的vague集,给出了vague ALC(D)的语法和语义,指出了它的推理问题,同时也给出了相应的tableaux算法.vague ALC(D)能够更准确地表示和推理含有数值信息的模糊知识,增强了模糊描述逻辑的表达能力和推理能力.     

基于目标函数的矩阵分解非线性系统模糊建模

提出了基于新的目标函数的模糊聚类建模方法．改进的模糊聚类方法把模糊模型结构辨识和参数辨识融为一体．首先，通过新的目标函数的最小化确定模糊模型的输入空间，即确定模糊规则和规则数、参数．然后对经模糊聚类得到的模糊前件推理矩阵进行QR分解，通过分析秩亏损确定重要的聚类规则．为了证明这种建模方法的性能，对非线性系统进行了仿真建模研究，仿真结果证明所提出方法是一种有效的、精确的模糊建模方法.     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法。首先根据生产控制系统的实验记录的曲线或者数据,初步确定一个“if…then”模糊逻辑规则模型;然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算,构造了一个神经模糊系统;通过有导师的误差反向传输学习,将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改,从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

基于ANFIS的DMFC温度建模和改进模糊控制

针对直接甲醇燃料电池(DMFC)的实时控制要求,采用自适应神经模糊推理系统(ANFIS)对DMFC系统的工作温度进行建模与控制.基于实验数据建立DMFC电堆温度模型,避免了DMFC电堆的内部复杂性分析.以训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法(FGA)在线对神经模糊控制器的参数和模糊规则进行自适应调整.将所提出的算法与非线性PID和传统模糊算法进行实验比较,结果表明所设计的神经模糊控制器具有较好的性能.