基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

RBF网络在线辨识算法与应用研究

提出了一种确定RBF网络中心向量的动态递推算法 ,介绍了RBF网络线性层连接权值的递推最小二乘算法 ,利用这些算法对蒸发器过热度进行了在线辨识 ,同时对网络结构和算法的参数变化对辨识精度的影响进行了研究 .仿真结果表明该算法辨识速度快、精度高 ,可用于在线控制 .     

电子膨胀阀双神经元预测控制

提出了用双神经元预测控制算法对电子膨胀阀进行控制的方法，一个神经元用于在线实时估计对象动态特性，以获取对象的一步预测模型。通过学习减小模型的预测误差；另一个神经元用于在线实时控制，仿真与应用表明该算法有良好的动态响应和较强的鲁棒性，能够对电子膨胀阀进行有效的控制。     

粉团调制配比的试验分析

采用scheffe单形重心混料试验设计法 ,对以甘薯淀粉为主 ,配以玉米及豆类淀粉粉团的表观粘度进行了试验 ,试验表明具有最佳粉团特性的原料配比为甘薯淀粉∶玉米淀粉∶豆类淀粉 =75∶5∶2 0。该研究对于扩大粉丝生产规模 ,提高粉丝质量和开发粉丝资源具有重要的应用价值     

温室温湿度遗传模糊神经网络控制仿真研究

利用模糊神经网络对温室夏季温湿度控制进行了仿真研究，同时为克服BP算法收敛速度慢和局部极小这两大弱点，采用改进的遗传算法对网络的参数进行训练，从而为将模糊逻辑、神经网络、遗传算法三者有机地结合起来应用于温室环境控制的可行性提供了理论依据。     

无辨识自适应算法与模糊推理的组合控制

一般自适应控制算法需在线辨识系统模型，算法复杂，计算时间长。本文采用无辨识自适应算法，不用辨识系统的模型，同时应用模糊推理对控制量进行补偿，以便克服模型失配的影响。仿真结果表明，该方案是非常有效的，适合于具有时滞的工业系统。将其应用于制冷装置中的电子膨胀阀控制，使得蒸发器过热度的控制效果得到了明显的改善。     

基于RBF神经网络的预测控制

运用神经网络解决系统的非线性问题，用预测控制解决系统时滞问题．针对制冷系统膨胀阀控制回路具有时滞、非线性的特点，提出了将基于RBF神经网络的预测控制用于蒸发器过热度的控制．仿真与应用均表明该算法具有良好的动态响应和较强的鲁棒性，能够对蒸发器过热度进行有效的控制．     

温室温湿度遗传模糊神经网络控制仿真研究

利用模糊神经网络对温室夏季温湿度控制进行了仿真研究 ,同时为了克服BP算法收敛速度慢和局部极小这两大弱点 ,采用改进的遗传算法对网络的参数进行训练 ,从而为将模糊逻辑、神经网络、遗传算法三者有机地结合起来应用于温室环境控制的可行性提供了理论依据     

基于阻抗和虚拟模型的四足机器人控制方法

为提高四足机器人的运动稳定性,提出基于阻抗和虚拟模型的控制方法。采用基于力的阻抗控制方法进行腿部摆动相的控制,实现摆动相较为精准的轨迹跟踪以及腿部的柔顺控制;采用虚拟模型控制方法进行支撑相的控制,实现对机器人机身姿态的控制,实现了四足机器人的稳定行走。结合横向跨步策略以及虚拟模型的偏航角控制策略,提出机器人抗侧向冲击控制方法,保证了四足机器人受侧向冲击后能够保持平衡并恢复运动状态。仿真结果验证了所提出的控制方法的有效性。