基于遗传算法的模糊神经网络智能控制器及其应用

提出了一种基于遗传算法的模糊网络控制系统,该系统采用模糊神经网络结构实现,它用遗传算法优化具有全局性的隶属函数参数,而用ＢＰ算法调节和优化具有局部性的网络权值参数。仿真结果表明该控制器可大大提高模糊神经推理控制系统的自学习性和鲁棒性。     

非线性量化因子模糊控制器及其应用

针对被控系统的随机动态过程,选取系统中的误差与误差变量,采用二者所集成的复合函数实现对系统的最优控制.同时,应用此复合函数设计了包含非线性量化因子的模糊控制算法.采用此模糊控制算法的仿真结果表明,此种方法不仅便于实现,而且与传统的控制方法相比具有较好的控制效果.     

自校正模糊控制器的设计及其应用研究

提出了一种规则自校正模糊控制器,该控制器通过对模糊规则进行修改,使系统具有学习功能,从而改善控制器的性能,仿真结果表明该控制器具有很好的动态特性和鲁棒性.     

模糊基函数网络学习算法及其应用

本文在文献［１］的基础上提出了模糊基函数网络（ＦＢＦＮ）改进的学习算法。改进的正交最小方差算法（ＭＯＬＳ）解决了原算法逼近多维函数的性能很差的问题，并且提高了该算法实际的逼近性能和收敛性。最后给出了ＦＢＦＮ应用于雷达数据关联的实验结果。     

模糊神经网络在炉温控制中的应用

本文提出一种模糊神经网络自学习控制方法，并应用于窑炉温度控制系统中。经实验仿真和应用结果表明，该控制方案可改善具有时变及大纯滞后的炉温控制系统，其性能优于一般Ｆｕｚｙ控制。     

神经元模糊控制器在工业过程控制中的应用

针对普通模糊控制器存在控制精度不理想的问题,提出一种把神经元与模糊控制器相结合的方法,提高了控制系统的鲁棒性和控制精度,应用于工业过程控制中表明该系统具有良好的性能及应用前景.     

一种新的模糊自校正控制学习算法

提出一种基于模糊竞争学习的模糊自校正控制方法.通过基于模糊竞争学习确定一种在线模糊辨识算法,在采用此模糊辨识方法对对象进行在线估计的基础上,用调节器实现参数的自动整定.为了验证所提方法的有效性,给出了非线性系统的控制结果.     

模糊神经网络控制器的优化设计

模糊神经网络控制器不依赖于被控对象精确的数学模型,又能根据被控对象参数的变化自适应调节控制规则和隶属函数参数,但是模糊神经网络控制器在线修正权值计算量大、过度修正权值还可能导致系统剧烈振荡.针对以上问题,提出了在线修正计算中仅对控制性能影响大的权值进行修正,以减小计算量;根据偏差及偏差变化率大小,基于TS模型自适应调节权值修正步长,抑制控制器输出的剧烈变化,避免系统发生振荡.仿真结果表明模糊神经网络控制器的优化设计方法可以改善系统控制性能.     

一种PID型模糊神经网络控制器

为了使一种基于两维控制规则基的PID型模糊控制器具有参数在线学习功能，提出了一种包含一个自回归神经元的五层模糊神经网络，并根据梯度下降法，给出了它各权值的修正算法，该网络可以在反馈控制系统中作为一个自学习控制器来使用，最后，根据有关定理，给出并证明了该网络各层权值学习速率的收敛准则。     

基于F数和插值原理的模糊神经控制器

本文给出了一种基于Ｆ数和插值原理设计的模糊神经控制器。它利用Ｆ数和插值原理增加了系统的信息量，解决了量化时量化等级选择的矛盾。利用神经网络的学习功能，通过学习，调整隶属函数、Ｆ数模型等来改善系统的输出响应。     

加权模糊逻辑及其网络实现

本文从已有的加权模糊逻辑模型出发,分析了它的若干约束条件,并依之对模型进行改进,使其趋于合理和易于网络实现。通过概率算子为例,应用于BP网络。讨论了它的稳定性及其物理意义,这种逻辑模型与神经网络的结合,在很多情况下是行之有效的。     

基于遗传算法的模糊神经控制及其应用

将遗传算法和模糊神经网络结合起来,提出一类智能控制方案。仿真实验和实际温控表明,这类智能控制器可改善具有时变、非线性及大纯滞后系统的控制品质,其性能优于一般模糊控制。     

基于Kalman滤波的神经网络快速学习算法及应用

本文提出一种基于Kalman滤波算法的神经网络快速学习算法(EKL).经图像边缘检测应用结果表明,该算法对于加快网络学习的收敛性有着显著成效.     

A Wavelet-Based Fuzzy Neural Network for Interpolation of Fuzzy If-Then Rules

1.INTRODUCTIONFuzzyneuralnetwork(FNN)isofmanyforms.AccordingtoBuckleyandHayashi,FNNsfellintothreecategoriesbythe~enceamongtheinputs,outputsandweights.OnekindoftheFNNscanillterpolstetheif-thenrules.ThisldndofFNNacqtheestheif-thenrulesfromhUmanexpertsorerperhaentsdsta.Tchngthisif-thenrulesasteachers,thenetworkistrainedandtheparametersoftheFNNaredetechned.Thenthetrainednetworkcan~thegeneralreasoningofif-thenrulesandthebaseoftheif-thenrulebecomesperfect.TosAnpnytheidea,thehationofthe…     

基于IREA的模糊神经网络及其在网络拥塞预测中的应用

将粗糙集从原始数据中提取数据的能力和模糊神经网络的推理能力有效地集成起来。使用增量式规则提取算法(IREA)从原始数据中抽取构建模糊神经网络(FNN)所需的规则集。与传统的模糊神经网络相比较,使用IREA算法构建的FNN具有较短的规则长度和更少的规则条数。网络拥塞仿真试验验证了本文所述方法的优越性。     

模拟电路单—故障的模糊神经网络诊断方法

本文提出了利用模糊神经网络进行模拟电路故障诊断的方法。该方法根据模式识别原理,利用建立在神经网络中的模糊特征库,推断出故障特征对各元件故障的隶属程度,并指示元件参数的变化趋势。这一方法为解决模拟电路及一些含有非线性元件的电路的故障诊断问题提供了一种新方法。