基于模糊神经网络融合的温度控制方法

针对目前温度控制中存在的问题，研究设计了一种新的适合于非线性、惯性系统应用的动态控制的方法。采用了将具有简单有效的非线性控制作用的模糊控制技术与学习和自适应能力较强的人工神经网络技术相融合的方法，建立了模糊神经网络相融合的智能控制模型。文章详细地介绍了基于模糊神经网络的智能温度控制的实现过程。实际应用结果表明，系统具有较强的实时性和可靠性，不仅温度控制精度高，而且动态响应速度快。该控制方法的研究，为实现最佳温度控制提供了理论根据和有效方法。     

基于神经网络自适应模糊控制的分布式继电保护系统的设计

传统的ＤＰＲＰ系统是有箕于阈值的方法来实现智能控保的。它将保证检测单元交送和各种经阈值处理决定是否控保处理。这种方法动态性差，不能准确地实施控制保护。将神经网络与模糊控制结合起来，提出一种基于神经网络的自适应模糊控制器。采用梯度下降最速法的算法学习，可以达到良好的瞬时响应，且能降低成本，增加ＤＰＲＰ系统的实用性。     

板球系统的模糊神经网络控制算法研究

针对具有非线性特性的控制系统,提出了一种逐级模糊神经网络控制算法。该系统控制采用了补偿模糊神经网络算法和逐级模糊控制规则。在matlab仿真环境下对简化的模型进行了仿真实验。通过仿真结果可以看出,该控制算法比传统的模糊控制具有更好的控制表面,更能适应复杂多变的非线性准确控制;补偿模糊神经网络算法在训练时,具有学习速率快、准确度高和扩展性好等优点。     

基于神经网络的模糊控制系统的研究

从模糊理论和神经网络各自特点出发 ,详细讨论这 2大系统的联系和区别 .进一步将两者有机的结合起来 ,实现基于神经网络的模糊控制推理结构的设计 ,同时给出其设计的方法和步骤 .显示两者的结合是实现更完美智能控制系统的有效途径 .     

一类基于神经网络的模糊系统建模与控制

将人工神经网络理论和模糊系统理论结合起来,研究并提出了一类基于人工神经网络的模糊系统建模和控制方法。仿真表明该方法能有效地用于多种难以建立数学模型的控制系统。     

基于模糊神经网络的板形板厚综合控制系统

面对板形板厚控制这一复杂、多变量耦合的非线性系统，提出一种基于模糊神经网络的综合控制方案，实现了无模型板形板厚综合控制．仿真结果表明，该控制系统收敛性好、抗干扰性强，取得令人满意的板形板厚控制精度．     

模糊神经网络系统的信号处理

简要介绍了一种可“自动”处理模糊信息的模糊神经网络系统,这是由神经网络和模糊控制相结合的智能信号处理系统。     

基于神经网络与模糊逻辑的智能控制算法

研究了将神经网络与模糊逻辑融合交叉而形成的神经网络－模糊智能控制算法的特点和优越性。提出基于小脑模型关节控制器（ＣＭＡＣ）与模糊逻辑相结合原理的新型智能控制器的结构与算法。     

一种基于模糊神经网络的智能控制系统

针对具有较大惯性和时变特性的被控对象,以减小动态调节过程中累积平方误差指标为目标,设计了基于模糊神经网络的智能控制系统.,并结合动态调节过程的特点推导了学习算法公式。     

一种基于模糊神经网络的智能控制系统

针对具有较大惯性和时变特性的被控对象,以减小动态调节过程中累积平方误差指标为目标,设计了基于模糊神经网络的智能控制系统.,并结合动态调节过程的特点推导了学习算法公式。     

一种基于模糊神经网络的自适应控制系统研究

提出一种基于模糊神经网络的自适应控制系统 ,经仿真研究表明该系统具有良好的动、静态性能、稳定性及自适应性     

模糊、神经网络控制技术在建模、优化及控制中的应用

根据模糊控制、神经网络控制的特点，研究了在建模、优化和控制应用中的几种方法，并对其进行了较为详细的分析。     

变结构模糊神经网络控制及其学习规律研究

提出变结构模糊神经网络控制及其学习算法,并对变结构模糊神经网络学习规律进行研究,变结构模糊神经网络中的模糊化神经网络（Ｆ＿ＦＮＮ）、模糊推理神经网络（Ｅ＿ＦＮＮ）和模糊决策神经网络（Ｄ＿ＦＮＮ）都是结构可变的,可分开进行模糊隶属函数及模糊推理的学习,其学习过程符合人脑由粗到精的认识规律,学习收敛速度比一般模糊网络快,具有很好的适应性。     

激冷辊材的研究现状与展望

本文详细地介绍了激冷辊材的研究及应用现况．并提出了现存的问题及今后的发展方向．     

一个模糊神经网络诊断专家系统及其实现

回顾了故障诊断技术的发展历程，提出了智能故障诊断的新分类．编制了一个传统的通用故障诊断专家系统，指出了其存在的知识获取困难、二值逻辑不符合实际、系统容错性差等缺陷．为解决缺陷，构作了一个基于模糊神经网络技术的智能诊断专家系统，并用MATLAB语言实现，仿真结果表明，系统性能良好．     

温室环境神经网络建模与自适应模糊控制算法研究

针对华北地区的气候特点，通过对输出执行机构的调整，将温室的多输出变为模糊控制的单输出，从而很好地将模糊控制算法应用于温室环境控制中．同时，用神经网络对温室进行系统辨识，并且用该模型对这种新的模糊控制方法进行了仿真研究．结果表明，这种方法计算简单，适应性强，可以起到很好的控制效果．     

基于动态BP网络误差修正的广义预测控制

针对建模误差对非线性系统预测控制鲁棒性的影响，提出了一种基于动态Bp网络的广义预测控制算法。该算法运用动态Bp网络对模型预测误差进行在线补偿，以提高预测精度。仿真结果证明了本文提出的广义预测控制算法对于非线性系统是有效的。     

神经网络在采面顶板聚类及辨识中应用

本文在神经网络聚类与辨识原理简介的基础上，时采面顶板聚类与辨识问题进行了应用研究，其聚类及辨识的正用率达１００％。实例表明，神经网络是用于复杂非线性系统聚类与辨识的有效方法，并可望在煤矿开采领域其它聚类及辨识问题中得以推广应用。     

测量仪表特性线性化的神经网络方法

提出一种用BP神经网络实现的测量仪表的通用线性化方法．这种线性化方法不需要依赖仪表特性的数学模型,也不需要研制专用线路．只要网络结构合理,通过训练可达到较高的精度．     

红绿灯控制专家规则及其神经网络实现

在对红绿灯控制系统中专家规则进行分析的基础上，提出了这些规则的模糊数学实现模型，并给出了该模型的神经网络结构及算法。实验表明，该方法用于实时控制是有效的