自适应模糊系统的设计与实现

介绍一种自适应模糊系统的组织结构，工作原理以及在实现ＡＦＳ过程中提出的新方法与新技术。     

BAOFL的TABLEAU推理

给出了基于信度语义的算子模糊ＢＡＯＦＬ的ＴＡＢＬＥＡＵ推理方法，并证明了其可靠性和完备性。     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

船舶操纵的神经网络自组织模糊控制器研究

针对船舶操纵这种非线性、时变参数控制对象,提出了一种神经网络的自组织模糊控制方法,给出了这种模糊神经网络的结构、知识表达。仿真结果表明些方法控制性能良好。     

短期电力负荷预测的模糊神经网络方法

针对短期电力负荷的复杂性和不确定性,提出一种应用模糊神经网络的短期电力负荷预测模型. 该模型具有神经网络的强有力学习能力. 由于利用了模糊理论处理非线性问题的能力以及从海量数据中抽取相似性的功能,因而弱化了神经网络对样本的依赖性,增强了外推性,可在一定程度上减少学习时间,并充分考虑气温变化对负荷的影响. 实验结果表明,该模型对短期负荷有较好的预测精度,具有实用价值.     

基于模糊MLP网络的清浊音判决

讨论了一种新型的模糊MLP神经网络及其在清浊音判决中的应用，该网络实现了多参量的综合评判，而且有效地处理了语音信号的模糊性，从而获得了较高的判决准确率。     

基于动态逆模糊神经网络的准滑模控制

针对不确定非线性系统,提出了基于动态逆模糊神经网络的准滑模控制,控制量可直接由一个模糊神经网络的前向推理得到.仿真表明了方法的有效性.     

煤矿带式输送机故障诊断中模糊神经网络的应用

以模糊数学分析及神经网络综合运用为基础,研究了煤矿带式输送机的故障诊断技术.通过对输入参数的模糊数据处理并利用神经网络的学习能力来实现对数据的训练,得到高精确度的故障参数,从而建立起相应的模糊神经网络,对带式输送机进行及时有效的故障判断.最后基于Matlab软件对训练数据的仿真表明,基于模糊神经网络的故障诊断相较于传统故障诊断技术具有极高的准确度,且数据反馈及时,运行稳定.     

具有模糊变量和模糊约束的模糊线性规划问题

提出一类具有模糊变量和模糊约束的模糊线性规划问题，给出了求解的算法步骤，得到了原问题的模糊最优解。     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

模糊神经网络优化的研究

模糊神经网络具有强大的自学习和自整定功能,然而,随着生产实际情况的不断变化,以及模糊神经网络不断的改进和发展,提出一种改进的构造神经网络的方法,并且提出混合学习算法,结合共扼梯度下降法与递归最小二乘估计来分别辨识网络中的前、后件参数,并对非线性系统进行仿真实验,达到控制要求.     

基于小波变换的模糊神经网络短期负荷预测方法

为了解决传统神经网络的预测精度取决于输入变量和测试样本的缺陷,采用二阶Daubechies小波作为母小波,通过离散小波变换和逆变换的多分辨率把负荷序列分解为4个小波分量,不但把握了负荷序列的规律性,而且减轻了神经网络的学习压力.采用自适应遗传算法对模糊规则和权重进行修正,优化模糊神经网络,提出GNN-W-GAF模型.该模型既发挥了模糊算法的特点,又使得各种知识点在神经网络中相互融合,避免了初始值设定的随意性.仿真结果表明,该方法能显著提高预测精度和预测性能.     

模糊微分方程

介绍具有有界支撑且严格模糊凸的模糊数,并且给出模糊数的双参数表示.在此参数表示下,模糊数可直接视为二维度量空间R2中的有界连续曲线,这给分析模糊微分方程带来了便利.有了参数表示,可以用与实分析类似的方法讨论模糊函数的微分和积分,进而研究模糊微分方程的初值问题的解的存在性与唯一性.     

神经网络的函数逼近性分析

结合国内外最新研究成果，详细论述了人工神经网络及模糊神经网络对函数的逼近能力，从而为神经网络函数逼近性在智能化控制方面的应用提供了理论依据。     

雷达网数据融合的自组织模糊神经网络模型

对雷达网的数据融合提出了一种自组织模糊神经网络模型,分析了该模型的自组织特征及神经元感应场内模糊隶属度函数最大的WTA竞争机制.通过二维舰船目标的识别和航迹融合仿真实验,证明了该方法的有效性.     

应用自组织模糊神经网络估计卫星姿态系统执行机构故障

自组织模糊神经网络可以根据系统状态在线更新权值和调整节点,优化网络结构. 文中针对某卫星姿态控制系统提出了基于两个自组织模糊神经网络的执行机构故障诊断方法. 网络SOFNN1用于健康系统的离线训练,估计出系统的不确定项和扰动项,网络输出结果作为故障检测的阈值参考. 网络SOFNN2在网络SOFNN1的基础上估计执行器故障. 仿真表明,在噪声干扰和系统参数不确定的情况下,在线自组织模糊神经网络结构的方法能很好地估计系统执行机构故障,比固定结构的模糊神经网络估计速度快,因此更具优越性.     

一种新型控制器在轧机中的应用

为了满足轧机液压压下系统高响应、高精度的要求和解决系统非线性时变等不确定的压下液压伺服系统的跟踪控制问题,提出了一种基于模糊神经网络的滑模控制策略.该模糊神经网络滑模控制器用以控制液压轧机压下系统以提高其响应速度和控制精度.仿真与试验结果表明,新型控制器使轧机液压压下伺服系统具有较强的动态特性和稳态特性,并提高了轧机液...     

模糊优化问题的确定性方法

讨论从赋范线性空间中的开集到一维模糊数集的模糊映射的微分.在研究模糊微分的领域中已有许多丰富的结果,如,Puri-Ralescu,Goestchel-Voxman,Dubois-Prade以及Furukawa等的有关结果.介绍了相应于Furukawa导数的模糊微分,并用确定性方法研究了基于Furukawa微分的一类模糊优化问题.     

利用循环相关特征的自适应模糊调制分类

针对非平稳数字调制信号,提出一种高阶正交循环累量特征,具有“屏蔽”干扰和噪声的特性. 采用模糊神经网络非线性动态建模的调制识别器,根据特征训练样本的大致分布状况建立蕴涵初始经验的模糊推理系统结构,再嵌入神经网络的结构和自适应学习算法对模糊系统参数进行调整和优化,完成模糊神经网络模型的逼近求精. 对MASK, MPSK, MFSK, MQAM 等信号进行仿真实验,结果表明系统在信噪比等环境参数变化较大的情况下适应性和容错性良好. 相对于神经网络等识别器,具有初始经验的系统结构更明确,建模周期较短,算法识别率和效率有明显提高.     

基于RBF神经网络重构模糊PID控制器的研究

尽管模糊PID控制器具有良好的控制品质,但存在计算复杂和实时性差的问题,为了解决这个问题.利用1LBF神经网络逼近能力重构模糊PID控制器,由于重构的RBF神经网络的并行计算能力,这简化了计算复杂性并提高实时性.通过选择不同的给定信号,比较模糊PID控制器和重构的RBF神经网络的控制性能.得到两者的控制效果是相当的.说明重构的RBF神经网络可以取代模糊PID控制器,从而减少了计算复杂性.避免维度灾难并改善控制实时性.