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。     

自组织增强学习模糊神经网控制器的设计

给出了一种利用增强信号进行模糊神经网络控制器设计方法,提出了一个神经网络控制顺在线增强学习的算法,并把所设计的增强学习神经网络控制器用于对象的仿真和具体温控炉的现场运行,结果证明设计折思想和方法是正确的。     

基于自适应CPN的规则自学习模糊控制器设计

基于扩展Ｋｏｈｏｎｅｎ的自组织映射和Ｇｒｏｓｓｂｅｒｇ的竞争算法,得到了一种高度自适应的双向对传网络（ＣＰＮ）,并给出了一类基于此类网络的模糊控制器．根据经验知识对网络离线学习,确定基本的控制规则,利用在线学习算法,实现了规则的自学习．在此算法中,控制器能够自动确定满足控制要求所需规则的个数,并且根据控制目标能够自动获取和校正控制规则．仿真结果展示了控制器应用具体对象的实时控制效果     

基于自组织模糊神经网络的统一潮流控制器研究

提出一种自组织模糊神经网络的控制方法,并应用于统一潮流控制器的多变量控制中．通过仿真,结果表明:与传统控制方法相比较,自组织模糊神经网可以达到更理想的控制效果．     

基于自组织模糊神经网络的统一潮流控制器研究

提出一种自组织模糊神经网络的控制方法，并应用于统一潮流控制器的多变量控制中．通过仿真，结果表明：与传统控制方法相比较，自组织模糊神经网可以达到更理想的控制效果．     

直接校正模糊控制表的自组织模糊控制器

直接利用校正模糊控制表研究模糊控制规则修正算法的实现问题，用特殊点优先校正算法进行计算机仿真，结果表明：这种模糊控制器具有超调小、调整时间短、鲁棒性强的特点。     

规则自调整模糊控制器在焊缝跟踪中的应用

根据水下焊接的特殊情况，设计了一种带修正函数的规则自调整模糊控制器，对不同形状的焊缝进行药芯焊丝湿法水下焊接的焊缝跟踪试验，并将采用规则自调整的模糊控制器与简单模糊控制器得到的跟踪结果进行比较，试验结果表明，采用所设计的规则自调整模糊控制器进行焊缝跟踪，能够获得更高的跟踪精度和自适应性。     

超精密机床油温控制系统微机模糊控制器设计

本文阐述了模糊控制算法原理，特别是超精密机床油温控制系统微机模糊控制器的设计过程（包括控制器结构的确定、模糊控制器的简化快速算法和控制表的求取等），并与ＰＩＤ控制器进行了比较，得出了微机模糊控制器具有超调量小、到达稳定的时间较短、对参数变化不敏感等优点．     

基于规则自校正模糊控制器的交流伺服系统

提出了一种规则自校正模糊控制器,并将其用于交流伺服系统的控制中,设计了一种在线的模糊推是算法,使得模糊控制规则可以得到实时在线的调整。仿真结果表明基于规则自校正模糊控制器的交流伺服系统的性能较一般模糊控制交流伺服系统有了较大的改善。     

柔性结构的自组织模糊主动振动控制

提出一种在线自组织模糊逻辑控制器的设计,该设计应用于含压电驱动器柔性结构的振动控制中,不需建模,可用输入／输出历史数据生成模糊规则,将生成的规则存储在模糊规则库中,通过自组织过程进行在线更新、同时对悬臂梁分别在瞬态和正弦激振下的模糊主动控制进行了仿真实验,结果表明,该控制器对上述两种激励的振动比传统模糊控制器有更明显的抑制作用。     

基于模糊逻辑控制交流伺服系统的研究

论述了交流伺服系统的原理,组成,数学模型。在此模型基础上对交流伺服系统引入智能控制,对模糊逻辑控制器（FLCR）进行了深入的研究。采用FLCR能使系统具有克服被控对象和环境的不确定性的能力,解决了难于建模的问题,提高了交流伺服系统的跟随性和抗干扰性。     

汽车空调模糊控制系统设计研究

汽车空调在各种汽车中逐渐普及,控制方式通常是人工手动,无法满足驾驶舒适性和降低能耗的现代汽车要求。本文对传统的模糊控制算法进行优化,有效地提升了空调自适应控制能力。同时,设计了基于MC9S08SE芯片的硬件模块和软件模块。以某款中端汽车为测试平台,验证了系统的高性价比、有效性、低功耗性和自适应性等特点。     

模糊遗传算法在机器调动问题运用

单机器调度问题是研究工件在多道工序进行加工的加工活动排序的组合最优化问题.由于调度问题中绝大多数属于NP难类问题,不存在有效的最优求解算法.针对用智能优化算法-遗传算法求解单机器调度问题中交叉率和变异率难以确定的问题,设计了一种模糊算法以便自动确定交叉率和变异率.通过数值实验,嵌入模糊规则的遗传算法比简单的遗传算法要好,说明在实际生产中,此算法具有强大的发展前途.     

基于RBF网络的Takagi—Sugeno模糊控制器参数获取

ＲＢＦ网络是一种广泛应用的神经网络模型,而Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊推理规则是一种简化的模糊推理规则,两种方法的起源不同。文中分析了在一定条件下,ＲＢＦ网络与简化的Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊推理规则的函数等效性,揭示了网络权值与推理规则参数的对应关系,从而为两种方法的互换使用奠定了理论基础。在此基础上,提出了使用ＲＢＦ网络在实时控制过程中为一些复杂的被控对象获取Ｔａｋａｇｉ－Ｓｕｇｅｎｏ型     

非线性系统模糊滑模控制器的设计

提出一种非线性系统的具有自学习模糊控制机制的改进滑模控制方案,该方案能综合模糊控制和滑模控制的优点来取得快速、精确的响应和保证系统的鲁棒性,并采用自学习机制来修正模糊规则库,同时提供了稳定性证明．最后针对一类非线性系统进行了仿真,并给出了系统输出及输入控制量波形．结果表明,此法具有响应快、稳态性能好的特点     

模糊控制在钢缆拖动系统中的应用

建立了钢缆拖动系统的数学模型,并在此基础上生成了对该系统运动控制的模糊控制算法．计算机对误差信号进行计算,输出控制信号操纵滚动圆盘,使机具沿着预定的路径运动．实验结果证明,该模糊控制算法具有较好的控制精度和响应速度．     

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 .这种网络由各子网分别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