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。     

一类非线性系统的模糊神经网络内模控制

针对一类开环稳定的非线性系统,提出了一种基于模糊神经网络的非线性内模控制方案.通过理论分析指出模糊神经网络模型可视为一类特殊的线性时变系统,其模型的解析逆可以直接获得,从而简化了非线性内模控制的设计.为了研究建模误差对闭环系统稳定性的影响,将建模误差转换为结构性不确定,采用μ方法分析了闭环系统的鲁棒稳定性.仿真结果验证了该方法的有效性.     

基于RBF神经网络的一类非线性系统模糊自适应控制

针对一类非线性不确定系统,基于ＲＢＦ神经网络,结合模糊滑模控制提出了一种自适应控制方法。根据Ｌｙａｐｕｎｏｖ稳定性理论设计ＲＢＦ网络和模糊滑模补偿控制器的参数。     

改进的模糊Min-Max神经网络与模糊系统建模

应用改进的广义模糊Min—Max神经网络进行样本分类，并以此分类结果确定模糊系统所需的模糊规则数，再运用TSK模糊系统实现函数建模，该方法的优势在于，改进的广义模糊Min—Max神经网络具有较好的自适应分类能力，可用来初步确定模糊规则数和规则空间的划分。有效避免了模糊建模时常见的规则数选取之随意性，实验结果证明，该方法实用有效。     

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。     

利用人工神经网络来改善模糊系统的控制性能

本文提出了在模糊系统中引入人工神经元网络,以便利用神经网络的自学习能力和并行处理特性来改善模糊系统的控制性能。文中介绍了具体的控制方案和人工神经网络的学习算法,然后给出了计算机模拟的结果。     

基于模糊神经网络的炼钢炉静态建模

根据炼钢转炉的采集数据,利用１种新型模糊神经网络（ＦＮＮ）,对其进行了静态建模,从理论上论证了该ＦＮＮ的推理及非线性逼近能力。用新建模型对钢水终点温度,终点含碳量进行计算,其结果与相应的实测值基本一致。     

一类混沌系统的模糊自适应控制

模糊控制器具有设计简单,适用于非线性系统和鲁棒性的特点,在工程实践中有广泛的应用。本文针对单输入一单输出的非线性混沌系统,提出了一种新的模糊自适应控制方法。此方法中,用两个模糊逻辑系统逼近两个未知函数,并根据跟踪误差来定义参考误差,再根据前一步参考误差来修正两个模糊逻辑系统的输入,以此对逼近误差进行补偿。该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛于原点或原点的一个小领域内。     

基于一类模糊数的模糊推理系统

首先引用一类以四元组表示的模糊数，讨论它的若干性质，说明它可以把单个隶属度、区间值和语言值统一起来处理，然后拓广了Ｇｏｇｕｅｎ逻辑，最后以拓广的Ｇｏｇｕｅｎ逻辑为方法，构造了一个基于四元组的模糊产生式系统。     

模糊神经网络及其在系统建模与控制中的应用

模糊神经网络是模糊系统和神经网络的有机结合,它吸取了两者的优点.给出了两个具体的模糊神经网络结构以及相应的学习算法;介绍了利用模糊神经网络建立T-S模糊模型的方法;讨论了基于T-S模糊模型的控制系统分析和设计.     

基于神经网络的集散式模糊控制系统

将神经网络技术和模糊控制技术有效的引入到集散控制系统中,并将三者有机的结合起来,使其成为一种智能型的集散控制系统 .该系统由一台神经网络处理机和多台现场模糊控制器构成,组态方便,自适应能力强,具有自学习和模糊控制规则基自校正能力,适于难以建立数学模型的复杂度高、时变因素多、惯性大的被控系统 .     

Output-back fuzzy logic systems and equivalence with feedback neural networks

A new idea, output-back fuzzy logic systems, is proposed. It is proved that outputback fuzzy logic systems must be equivalent to feedback neural networks. After the notion of generalized fuzzy logic systems is defined, which contains at least a typical fuzzy logic system and an output-back fuzzy logic system, one important conclusion is drawn that generalized fuzzy logic systems are almost equivalent to neural networks.     

一类非线性系统的直接自适应控制

在模糊神经网络滑模控制器的基础上提出了一种设计方法,将ＦＮＮＳＭＣ与模糊神经网络有机结合,通过平滑切换实现自适应控制。这种方法增强了系统的鲁棒性且能有效地消除高频颤动,仿真结果说明本方法有效。     

智能控制技术现状与展望

介绍了几种典型的智能控制技术,包括模糊控制、专家系统、人工神经网络、遗传算法以及由它们组成的混合智能控制。     

基于模糊神经网络提取我国经济增长的模糊规则(Ⅱ)

利用神经网络的自适应、自学习等特点和模糊系统人脑性等特点来弥补相互的缺点，二者结合产生一种基于神经网络的模糊系统，采用BP算法对系统参数进行调整，最后用该系统提取我国经济增长的模糊规则。     

BP网络在变频空调中的运用

运用一个神经网络模糊控制来实现变频空调控制算法的优化,并对BP网络算法进行分析和仿真。仿真结果得出此控制方法比一般的模糊算法控制性能好,且对被控系统的变化具有一定的适应能力。     

前向神经网络在自适应控制中应用的研究

论述了前向神经网络自适应控制系统，论证了基于逆向建模的前向神经网络自适应控制方案的可行性，研究提出由该控制方案构成的控制系统不仅结构简单，易于实现，而且具有满意的动态指标．文中还通过一个水槽温度控制系统，进行了神经网络自适应控制仿真，给出了上述神经网络自适应控制方案的具体实现步骤并得出一些结论     

模糊神经网络的非线性辨识理论及应用

论述了模糊系统和神经网络相结合的非线性系统辨识理论．通过分析模糊系统规则之间的隐含关系，给出具有非线性模糊关系的模糊神经网络非线性系统辨识方法，并用仿真方法进行了验证．最后讨论了网络的稳定性和收敛性．     

基于规则的T-S模糊神经网络

该文提出了一种基于规则的Ｔ－ Ｓ模糊神经网络的结构和相应的算法。首先用自组织算法对学习数据进行聚类生成一组初始的模糊规则,然后用误差反传法细调网络参数,通过仿真验证,该模糊神经网络具有结构简单,拟合精度高等优点。