基于AIS聚类的模糊神经网络在热轧优化建模中的应用

针对现有的钢坯热轧过程智能建模方法--模糊神经网络建模存在的收敛速度慢、建模精度不高、易陷入局部极小值、系统输入输出向量维数和空间划分增加使网络结构趋于复杂等问题,提出了一种基于人工免疫系统(AIS)聚类的自适应神经模糊推理系统的建模方法.该方法采用人工免疫聚类学习算法来确定模糊集合的划分,并确定模糊神经网络的结构和初始参数,能以较少的模糊规则达到理想的建模精度,仿真结果表明了该方法的有效性.     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法,采用模糊C均值聚类(FCM)算法划分输入输出数据空间,最后将该算法应用于丙烯腈收率的预报,仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

混合动力汽车补偿模糊神经网络能量管理策略

以上海大众汽车公司某型号混合动力电动汽车(HEV)的设计要求为基础,提出了一种基于补偿模糊神经网络的能量控制策略,并采用动态调整步长的梯度下降法加快算法的收敛速度.分析了样本数据选取、输入、输出模糊分割和模糊规则提取对控制器性能的影响.利用ADVISOR2002仿真平台进行二次开发,完成了基于补偿模糊神经网络的控制策略、并联电力辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于补偿模糊神经网络的控制器具有较强的自适应能力,可以较好提高混合动力汽车的燃油经济性和排放性.     

电液伺服系统的增益自适应滑模变结构控制

为实现对电液伺服系统非线性、不确定性和未建模动态等因素的有效补偿,将系统转换成具有自适应动态递归模糊神经网络(ADRFNN)辨识误差,即二次不确定性的等效线性数学模型,利用增益自适应滑模变结构控制(GASMC)方法对系统进行综合设计.实验结果表明:ADRFNN的高精度在线辨识和GASMC校正项的增益自适应功能使系统具有较强鲁棒性和更高的稳态精度,同时使系统控制量的颤振现象得到有效抑制.     

爆破扫雷器电液伺服系统建模

为了提高电液伺服系统的模型精度与准确度,对某爆破扫雷器电液伺服系统建模方法进行了研究.采用机理建模法,构造了电液伺服系统的传递函数,采用基于自适应神经模糊推理(Adaptive neuron-fuzzy inference system,ANFIS)和减法聚类的模糊神经网络(Fuzzy neural network based on subtractive clustering,Sub-FNN)方法,实现了电液伺服系统的智能建模.通过对模型均方根误差(Root mean square error,RMSE)和信号间方差比(Variance accounted for,VAF)性能指标的比较,表明基于减法聚类的模糊神经网络建模方法可以显著地提高模型精度.研究结果为实现电液伺服系统的控制奠定了基础.     

基于密度聚类补偿模糊神经网络的建模方法

补偿模糊神经网络是综合补偿模糊逻辑和神经网络的混合系统。提出了将密度聚类算法运用到补偿模糊神经网络的输入模糊化和规则提取中。通过该方法对非线性系统的建模,仿真结果证明改进后的网络在提取规则、误差精度、收敛速度等方面均优于传统补偿模糊神经网络。     

基于自适应学习速率法的补偿模糊神经网络

为克服常规网络收敛速度慢、无法结合专家知识等缺点,引入补偿模糊神经元,结合模糊系统强大的知识表达能力和神经网络优秀的自学习能力,并利用自适应学习速率法动态地改变学习率.提出了一种新型的基于自适应学习速率法的补偿模糊神经网络,并将其应用到实际例子中.结果证明,它不仅能在线适当调整参数,还能动态地优化相应的模糊推理,加快训练速度.     

燃料电池的模糊神经网络辨识建模与电压控制

针对直接甲醇燃料电池(DMFC)输出电压易受电池负载变化影响的问题,提出了利用模糊神经网络辨识技术建立DMFC的电特性模型.基于该辨识模型,设计了一个自适应模糊神经电压控制器,其参数采用改进的BP算法进行在线修正.仿真结果表明,对DMFC采用辨识建模的方法是有效的,建立的模型精度较高,所设计的自适应模糊神经电压控制器性能优越.     

基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

采用欧几里得贴近度的精密车削误差源模糊诊断方法

提出基于模糊数学原理,采用欧几里得(Euclid)贴近度判别和确定工件加工误差源的方法.加工误差利用模糊子集描述,加工误差源采用语言模糊矢量描述,用7个语言值表达加工误差和加工误差源语言模糊矢量的隶属度;构建加工误差源知识库,得到模糊语言隶属函数的数值表达式,进而得到模糊矩阵;建立加工误差与误差源之间关系的数学模型;计算欧几里得模糊贴近度,结合阈值原则和反向推理,实现加工误差源诊断.以一阶梯轴的加工为例的实验研究表明,该方法对机械加工过程中误差源的诊断准确、快捷.     

基于模糊层次综合评判的大变形预测方法

为探讨大变形较准确的预测方法,在综合分析大变形形成条件的基础上,归纳出岩性条件、应力条件和围岩条件3个方面、8个指标作为影响大变形发生的主要因素。在此基础上,采用模糊综合评判和层次分析相结合的方法,提出了一类新的大变形综合分级预测方法。该方法较全面地考虑了大变形发生的多种影响因素,对各因素的重要性进行了层次分析评价,避免单一判据所带来的局限性。     

模糊自学习误差补偿方法及其在位置误差补偿中的应用

提出了一种新的模糊自学习误差补偿方法，其原理是根据误差及其变化率，利用规则ｆｕｚｚｙ推理，得出误差修正值，按照自学习规律，产生新的误差校正表或校正曲线，应用这种新方法，对开环数控系统位置误差的补偿效果令人满意，此原理可进一步推广应用于其它场合。     

地震灾害的模糊予测与地震工程模糊可靠度

本文分析了产生地震危险的随机性与地震烈度本身的模糊性,从而获得将地震灾害予测作为模糊随机事件的处理方法。以模糊概率子集表示予测的结果,它全面的估计了地震发生后可能出现的震害评定,为工程抗震设防的决策提供了科学依据。其次,基于地震烈度的模糊性,定义了模糊烈度和清晰烈度。从基于清晰烈度的通常可靠度的概念和计算方法中,引伸出了基于模糊烈度的模糊可靠度的概念和计算方法。它不仅考虑了地震动效应和结构抗力的随机性,而且顾及地震烈度、场地分类等的模糊性,提出了以模糊概率表示的地震工程可靠度。最后,在分析了影响地震工程可靠度诸多因素基础上建议了对地震工程可靠度模糊综合评判的方法。     

螺旋电极电解磨削效率的模糊综合评判

螺旋电极电解磨削是用于硬质金属材料导孔加工的一种新的工艺方法,本文基于模糊数学的原理和方法,建立了螺旋电极电解磨削加工效率的模糊评判模型,并结合实例对加工效率进行了模糊评判.结果表明,该方法具有较强的实用性.     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。     

一类带有不确定项的多输入模糊双线性系统的鲁棒控制

对一类带有不确定项的多输入模糊双线性系统(M-I FBS)进行了稳定性分析及控制器设计.使用分布补偿算法(PDC)设计了模糊控制器,得到了带有不确定项的M-I FBS渐近稳定的充分条件.最后,仿真结果验证了推导的该条件的有效性.     

二自由度平面机械手的模糊建模与模糊控制

本文以二自由度平面机械手为例，尝试用线性系统理论和模糊控制理论解决非线性系统问题。要点是：把一个整体非线性动力学模型看成是多个局部线性模型的模糊逼近；把整个非线性系统的控制看成是多个局部线性系统控制的模糊逼近。这种方法称为并行分配补偿法。本文建立了二自由度平面机械手的模糊模型并在此基础上用并行分配补偿法对系统进行了综合，最后用仿真进行了验证，证明了并行分配补偿法的成功和所建模型的合理性。     

一类不确定离散切换模糊时滞系统的鲁棒输出反馈控制

针对状态不可观测的情况,重构系统状态,提出了一类不确定离散切换模糊时滞系统的鲁棒镇定问题.考虑每个切换子系统都是模糊系统的切换系统模型,利用切换技术,对于系统状态采用多Lyapunov函数方法,对于观测器误差采用共同Lyapunov函数方法,给出了切换律设计.利用平行分布补偿算法(PDC),给出了基于观测器的切换模糊反馈控制器设计,使得闭环系统对所有允许的不确定性,在所设计的反馈控制器和切换律下具有鲁棒性.最后通过数值仿真例子验证了该设计方法的有效性和可行性.     

基于输出反馈的切换模糊控制设计

针对状态不可测的切换模糊系统,提出一类切换模糊控制系统的输出反馈控制问题.根据切换技术和常用的平行分布补偿(PDC)控制器设计方法,给出了切换模糊观测器和切换模糊控制器设计,使用共同Lyapunov函数、单Lyapunov函数和多Lyapunov函数方法,研究了使闭环输出反馈控制系统渐近稳定的充分条件,同时设计可以实现系统全局渐近稳定的切换律.主要条件以矩阵不等式形式给出,具有较强的可解性.仿真结果表明设计方法的可行性与有效性.