船舶减摇鳍系统的变结构自适应鲁棒控制

针对船舶减摇鳍控制系统,考虑到船舶在大风浪中运动时,系统不可避免地存在非线性和不确定性的影响。将作者提出的对于不确定非线性系统的变结构自适应鲁棒控制策略应用于船舶减摇鳍控制系统。经仿真试验表明。该控制策略对于船舶减摇鳍非线性控制系统是十分有效的,特别是鲁棒性能令人满意。     

船舶减摇鳍系统变结构模糊自适应鲁棒控制

针对船舶减摇鳍控制系统,考虑到船舶在大风浪中运动时,系统模型不可避免地存在非线性和不确定性的影响。在假设系统不确定性函数结构未知的情况下,利用模糊系统对不稳定性函数进行逼近,将获得的模糊系统函数作为系统不确定性界函数,进而提出了船舶减摇鳍控制系统变结构模糊自适应鲁棒控制策略,该策略在确保系统的滑动模态超平面为渐近可达的前提下,在线对系统模型的控制增益参数和不确定性函数的界参数进行估计。经仿真试验表明,该控制策略对于船舶减摇鳍非线性控制系统是十分有效的,特别是鲁棒性能令人满意。     

基于自适应神经模糊推理系统的企业市场预测

针对传统的市场预测方法几乎回避了市场信息具有模糊性的特点，出现的用神经网络进行市场预测又不能表达模糊语言的情况，分析了自适应神经模糊推理系统的结构机理，提出了用自适应神经模糊推理系统进行企业市场预测；仿真结果说明了该方法的有效性和可行性。     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

基于模糊聚类理论的城市供水管网ANFIS系统设计

利用自适应神经模糊推理系统（ANFIS）较强的结构性知识表达能力、容错能力以及自动提取模糊规则的学习能力，依据城市供水管网的特点，建立了一种基于模糊聚类理论的管网宏观模型，即城市供水管网ANFIS模型．该模型以管网测压点及出厂流量各负荷值的峰值、低谷和一般作为类别模式进行减法聚类，利用Matlab工具箱genfis2函数产生的模糊推理系统进行状态模拟．实际仿真结果表明，该方法建模及求解简单、迅速，误差小，是研究城市管网宏观模型的又一有效方法．     

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.     

鳍梢小翼对船舶减摇鳍性能的影响

为改善鳍梢周围的流动结构并提高减摇鳍的综合性能,对加装鳍梢小翼的船舶减摇鳍进行数值研究,分析了减摇鳍在攻角和水流速度一定条件下,有/无鳍梢小翼以及小翼不同安装位置对减摇鳍流场和性能的影响.研究结果表明,加装鳍梢小翼可增加减摇鳍的升力,合理的安装方式可使升力提高18.4％;相对其他位置,小翼加装在减摇鳍鳍梢上方效果更好....     

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     

基于自适应神经模糊推理系统的非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点，将模糊推理系统和神经网络相结合，介绍了一种自适应神经模糊推理系统，并将其应用于非线性系统辨识中，仿真结果表明：训练后的ANFIS能够很好地逼近实际的非线性系统，并且辨识精度高。     

基于ANFIS云推理的网络学习评价

将云模型与ANFIS结合,利用云模型代替模糊神经网络的隶属度函数,构成ANFIS云推理网络并应用到学习效果评价中.实验表明,ANFIS云推理网络是一种有效的学习评价工具,抗干扰能力较强.     

基于 ANFIS云推理的网络学习评价

将云模型与ANFIS结合,利用云模型代替模糊神经网络的隶属度函数,构成ANFIS云推理网络并应用到学 习效果评价中.实验表明,ANFIS云推理网络是一种有效的学习评价工具,抗干扰能力较强.     

一种用于机器人视觉伺服系统的参数自适应模糊控制器

提出了一种用于机器人视觉伺服系统的参数自适应模糊控制器,使得模糊控制规则可以得到实时在线的调整。仿真结果表明基于参数自适应模糊控制器的机器人视觉伺服系统的性能较一般模糊控制机器人视觉伺服系统有了较大的改善。     

船舶避碰的自适应模糊专家系统研究

采用自适应模糊系统和神经网络方法,研究了基于模糊联想规则的避碰操纵知识表示,知识获取和自适应学习;建立了基于二值输入输出模糊联想系统的并行模糊推理机制,由此而建立的船舶避碰撞模糊专家系统具有自适应学习能力,能实现实时避碰导航。     

基于自适应模糊推理的电力变压器故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法进行有效的结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题,利用自适应神经网络的自学习功能,通过神经网络的学习确定了模糊规则和模糊隶属度。建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的实际运行状态。     

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。     

ANFIS在局部板形控制中的建模与仿真

在轧制生产过程中,局部板形动态特性往往表现出非线性、多变量、强耦合和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达轧制过程及实施优化控制．针对局部板形控制建模难的现状,为达到建立精确非线性模型的目的,采用自适应神经模糊系统（ANFIS）模糊建模方法．该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的．Matlab仿真结果表明,通过anfis训练及检验的模型是有效的,具有较高的控制精度．     

自适应模糊控制器在太阳房室温控制中的应用

自适应控制对由于工况变化、干扰或环境改变引起的对象特性变化能自动辨识,并自动调整控制策略;模糊控制可对复杂及难于建立数学模型的对象或过程实施有效的控制。自适应模糊控制则为解决复杂性、非线性和不确定性系统的控制问题提供了非常有效的方法。本文介绍了自适应模糊控制器在太阳房室温控制中的应用。     

仿真技术在物料悬浮速度计算中的应用

SIMULINK是MATLAB的重要组件之一,它提供了一个动态系统仿真建模、仿真与综合分析的集成环境．本文基于上述软件工具,设计了一个模糊逻辑控制器,并应用于球形物料悬浮速度计算仿真．与其他计算方法进行了比较,并结合实际分析了仿真的物理意义。     

基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统.该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器.通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值.理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节.     

自适应神经模糊推理系统在电动机软启动中的应用

异步电动机直接启动产生的冲击电流会造成严重的电网冲击,因此提出将自适应神经模糊推理系统应用到电动机软启动控制中,充分发挥神经网络自适应学习和模糊推理不要求掌握被控对象精确模型处理结构化知识的能力,实现电动机软启动的智能控制。利用电机转速、负载转矩、触发角的对应关系作为训练样本,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则,构建自适应神经模糊推理系统,根据给定的电机转速和转矩产生合适的晶闸管触发角。经仿真分析,结果表明:训练构建的自适应神经模糊推理系统能够很好地进行电机的速度控制,可以实现风机或泵类负载电动机的软启动。