模糊神经网络在结构振动控制中的应用研究

运用线性二次型经典最优控制算法获得学习样本,由神经网络反向传播算法训练产生模糊规则和隶属度函数,设计模糊神经网络控制器,通过某结构地震波作用下振动控制的数字仿真,表明模糊神经网络可以有效地应用到结构控制中.     

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。     

用于汽车主动悬架的模糊控制器的研究

对用于汽车主动悬架的模糊控制器进行了研究,以阶跃函数和模拟路面时间历程为输入对汽车１／４主动悬架模型进行计算机仿真,并与被动悬架模型进行对比分析,结果表明：用该模糊控制器控制的主动悬架,汽车的舒适性和安全性都得到了明显改善,是一种较为理想的模糊控制器。     

汽车主动悬架自适应模糊PID控制仿真研究

建立了1/4主动悬架模型,设计出自适应模糊增益调节PID控制器,参照系统在时频两域中的响应情况对PID的控制参数进行整定,并使用模糊控制器对PID的控制量加以修正.对被动悬架、单纯PID控制的悬架和自适应模糊PID控制的悬架分别施以阶跃信号激励和积分白噪声信号激励进行仿真.结果表明,自适应模糊PID控制算法具有较好的控制效果和鲁棒性.     

用神经网络对结构振动主动控制力的仿真算法

本文在运用经典最优控制算法讨论结构地震反应主动控制的基础上，应用人工神经网络理论中的ＢＰ网络模型提出结构振动主动控制力的新算法。工程实例的仿真结果表明：采用本文提出的算法较好的解决了求解控制力时由于传统算法本身的时迟问题，从而使结构振动的主动控制的品质得到很大的提高，并且避免了控制失稳现象的出现。     

用神经网络对柴油机振动主动控制的试验研究

将神经网络技术应用于柴油机振动主动隔离，构造了一种振动主动控制(AVC)系统，并采用液压执行机构在柴油机双层隔振试验台上进行试验研究．结果表明，将神经网络控制技术用于振动主动控制具有一定的可行性，在某些主要频率下振动可衰减8dB左右．     

基于模糊PID控制的1/2车辆主动悬架系统研究

建立了1/2车辆主动悬架系统动力学模型和路面输入模型,将PID控制和模糊控制并联,设计了主动悬架系统模糊PID控制器。在MATLAB/Simulink中的仿真结果表明,模糊PID控制的主动悬架在车身加速度、俯仰角加速度、悬架动行程及轮胎动位移等方面明显优于被动悬架以及单纯的模糊控制和PID控制,较好的改善了车辆的行驶平顺性及乘坐舒适性。     

模糊神经网络技术

本文论述了近年来受到普遍关注的模糊神经网络技术的优点,详细叙述了模糊神经网络的融合方式及其特点,并且介绍了两种典型的算法结构和具体的实现过程,最后指出了研究中有待解决的问题.     

用于机器手控制的动态模糊神经网络

为解决模糊控制中存在的区域界定问题,将神经网络与模糊控制相结合,提出了一种新的模糊逻辑与神经网络相结合的动态模糊神经网络机器人控制方案(DFNN),并利用采样数据在线动态构造模糊神经系统.仿真结果表明,DFNN系统地很好地克服机器人系统中存在的非线性、不确定性、强耦合等因素的影响,控制效果好,为工业机器人控制提供了一种新的解决方案.     

主动悬架神经网络控制的研究

本文建立了汽车主动悬架的两自由度模型,并以该模型为基础,研究了神经网络控制理论在汽车主动悬架中的应用。     

基于神经网络逆模型的Fuzzy-PID控制方法及其应用研究

在Ｆｕｚｚｙ－ＰＩＤ复合控制的基础上提出了一种基于神经网络逆模型的Ｆｕｚｚｙ－ＰＩＤ控制方法。该方法综合了模糊控制、神经网络控制和ＰＩＤ控制的优点, 使复杂工业过程中的非线性、时变等问题都得到了较好的解决。仿真结果表明, 该控制器具有较好的适应性和鲁棒性, 结构简单, 易于实现。     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

基于模糊神经网络控制的异步电动机软起动的探讨

软起动采用三相交流调压电路来控制电动机的起动,已经广泛地应用于各种电机,如压缩机、水泵、风机等。本文提出了一种基于模糊神经网络控制的软启动器,并在MATLAB的环境中,对该系统进行了仿真。仿真的结果证明了采用模糊神经网络控制的软起动方法可以使电机空载或者带一定负载起动时起动电流比较小,同时起动过程也很平稳。     

PCR仪基于遗传算法的模糊神经网络的温度控制方法

分析了在PCR反应仪的温度控制过程中,由于升降温速度快,精度要求高,被控对象具有非线性、不确定性等因素．常规PID控制方法很难满足实际的要求。采用了一种基于遗传算法的模糊神经网络的温度控制方法,利用遗传算法训练模糊神经网络模型。试验表明。这种控制方法较好地达到了控制的要求。     

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．     

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     

基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

模糊神经网络在超声马达位置控制中的应用

提出了利用模糊神经网络控制器 (FNN)实现对超声马达位置进行控制的方法 ,并提出适应法则进行在线训练 ,以减小由于参数的不确定性和外部干扰对超声马达所产生的影响 ,提供了FNN控制器的结构图。仿真与实验研究表明 ,FNN控制器能够实现对超声马达位置的精确控制     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

模糊Hopfield神经网络及其模糊聚类功能

首先提出了具有模糊逻辑计算功能的模糊Hopfield神经网络-FHN.FHN中的神经元对应于模式集合的元素，权重矩阵对应于模式之间的模糊关系，最后讨论了FHN的稳定性和基于模糊距离关系的模糊聚类功能，研究表明FHN在模糊模式识别中具有广泛的应用性。