模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

复杂大系统建模的模糊神经网络方法

提出了一种新的复杂大系统建模方法。采用模糊神经网络对复杂大系统对象中的结构不确定性因素进行建模,并利用同步扰动随机近似算法对模型参数进行在线调整。将该方法应用于直升飞机旋翼自转着陆过程中的仿真建模中,给出了全量模型和模型调整过程。仿真结果表明,该方法是切实可行的。     

活性污泥污水处理系统的模糊神经网络控制

针对中、小型污水处理厂的实际情况，在对活性污泥污水处理系统机理模型研究的基础上提出一种控制模型。在对系统进行性能分析与综合的基础上，提出了应用于该控制模型的模糊神经网络控制器。通过仿真实验表明，该控制器能够自动调整隶属度函数、动态优化控制规则，将其应用于活性污泥污水系统具有快速性与有效性，比基于规则的传统模糊控制具有更强的鲁棒性，可以获得良好的控制性能。     

非线性系统的T-S模糊建模与控制

研究了非线性系统的T-S模糊建模与控制问题，并应用到一级倒立摆的模糊建模中，采用并行分配补偿法（PDC）设计控制器，并用线性矩阵不等式（LMI）计算控制器参数，仿真验证建模正确，控制器简洁有效。     

模糊神经网络在炉温控制中的应用

本文提出一种模糊神经网络自学习控制方法，并应用于窑炉温度控制系统中。经实验仿真和应用结果表明，该控制方案可改善具有时变及大纯滞后的炉温控制系统，其性能优于一般Ｆｕｚｙ控制。     

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

战术防空指挥控制仿真模型

战术防空指挥控制仿真模型较多,本文针对防空导弹群指挥控制系统的需要,选择介绍一些主要的仿真模型:通信网络模型、自然环境模型、目标攻击模型、空情获取模型和导弹拦截模型。     

复杂系统的遗传-模糊建模方法

针对复杂系统的模糊建模问题，提出了一种遗传．模糊建模新方法。首先，利用竞争学习算法对输入空间进行自适应聚类，基于聚类结果提取模糊模型的规则前件隶属函数参数，采用局部最小二乘法求得规则后件参数，从而初步建立起系统的T-S模糊模型。然后，对规则前、后件参数进行编码，借助于实值编码遗传算法优化模糊系统。最后，数字仿真结果验证了算法的可行性和有效性。     

转换开关完全可靠的贮备系统的模糊可靠性

本文将普通可靠性推广到模-精型模糊可靠性,并求出了贮备系统的各项模糊可靠性指标。     

混合使用专家系统与神经网络的智能控制系统

本文以融合符号主义及连接机主义这两种人工智能理论为指导思想，提出了混合使用专家系统与神经网络的智能控制系统形式定义及其三种基本混合结构。进而提出一种专家系统神经网络混合式递阶智能控制系统结构（ＥＳＮＮＩＣＳ），并以ＰＩＤ自整定智能控制系统和水净化智能控制系统为例，说明了ＥＳＮＮＩＣＳ结构的实际应用。     

Fuzzy Entropy Based Combined Learning Algorithm for Neural Networks

ＦｕｚｚｙＥｎｔｒｏｐｙＢａｓｅｄＣｏｍｂｉｎｅｄＬｅａｒｎｉｎｇＡｌｇｏｒｉｔｈｍｆｏｒＮｅｕｒａｌＮｅｔｗｏｒｋｓ￥ＭｉｎＹａｏ（Ｄｅｐｔ．ｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＨａｎｇｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００２８，Ｐ...     

飞机动力模拟系统的模糊神经网络控制研究

讨论了一种基于电液速度伺服系统的飞机动力地面模拟系统的计算机控制结构，研究了该地面模拟系统的性能。建立了相应的数学模型，提出了新的模糊神经网络控制策略，该策略提出新的综合目标函数和权值修正方法，是传统PID控制思想和方法在智能控制器的延伸。实验表明，本文提出了并建立的数学模型合理，采用的控制策略可以大幅度地提高系统性能。     

一种模糊神经系统的修正学习算法

本文在深入分析模糊神经系统的基本结构和学习算法的基础上,指出基于梯度下降的学习算法的不足,并提出一种模糊神经系统的修正学习算法。分析表明,该算法具有能够确保模糊语义和模糊空间一致划分的优点。     

风力发电和飞轮储能联合系统的模糊神经网络控制策略

针对于风力发电和飞轮储能联合系统,提出了一种新的控制策略。基于飞轮储能系统里矢量控制的感应电机,建立了系统的数学模型。在系统里,采用模糊神经网络控制算法实现直流总线电压的自动调整,达到稳定系统的直流总线电压的目的。仿真和实验结果证明,在风力发电和飞轮储能联合系统的能量控制过程中使用模糊神经网络控制算法实现了能量的快速存储和释放,起到了稳定系统电压的作用,取得了满意的控制效果。     

基于神经网络的电站仿真器建模方法及应用

本文将神经网络理论应用到电站系统仿真实践中，有效地解决了电站系统仿真研究常遇到的机理复杂的非线性环节的建模问题，并以制粉系统为例，提出了作用函数Φ（ｘ），学习效率系数α的选取方法以及权值Ｗｉ，ｊ的初值设定及要求，给出了提高逼近精度的方法。     

Non-Minimum Phase Nonlinear System Predictive Control Based on Local Recurrent Neural Networks

Abstract: After a recursive multi-step-ahead predictor for nonlinear systems based on local recurrent neural networks isintroduced, an intelligent PID controller is adopted to correct the errors including identified model errors and accumulatederrors produced in the recursive process. Characterized by predictive control, this method can achieve a good controlaccuracy and has good robustness. A simulation study shows that this control algorithm is very effective.     

无师训练Fuzzy Min-Max人工神经网络

提出了一种无师训练的ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 人工神经网络,它兼有一般ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 网与ＡＲＴ２网的优点,既弥补了ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 网不能自适应在线学习新类的缺陷,又消除了ＡＲＴ２网警戒门限过高的弊病。经模式识别仿真对比,对同样的输入数据,我们提出的网络用较低的警戒门限值即可达到ＡＲＴ２用很高的警戒门限值才能达到的分类效果,且计算量大大减少。对模式识别而言,所提出的网络比ｆｕｚｚｙ ｍ ｉｎｍ ａｘ 网和ＡＲＴ２网更具有实用价值。