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。     

超球聚类模糊神经网络在跟踪控制中的应用

采用简化的标准模型的模糊神经网络的基本形式而将模糊集的概念由一维推广到n维并利用超球聚类方法定义了一类n维模糊集及其隶属函数,提出一种基于超球聚类的模糊神经网络.这种模糊神经网络可以根据样本自动产生模糊规则,在一定程度上可避免"维数灾难”.将这种网络用于一类非线性系统的在线跟踪控制,定理表明,当聚类半径足够小时可使跟踪控制的静态误差任意小.     

基于混合神经网络的模糊定量推理在故障诊断中的应用

本文采用模糊定量推理的方法，解决了故障诊断专家系统存在的模糊问题和实时性问题，同时利用ＢＰ与ＡＲＴ的混合神经网络技术克服了模糊定量推理中存在的问题。     

模糊系统建模与控制的神经网络方法

本文将正在迅速发展中的模糊控制、建模方法与神经网络方法结合起来,提出了模糊系统建模与控制的神经网络方法。这种方法的核心是利用神经网络来实现复杂系统的模糊输入和输出间的模糊映射关系,并利用神经网络来学习并记忆人类控制器的知识和经验性的控制策略。本文给出了详细的模型结构和有关算法,并仿真实现了基于神经网络的模糊系统建模与模糊控制。     

模糊神经网络在决策专家系统中的研究与应用

解决知识“瓶颈”问题是拓宽专家系统应用领域的关键技术。在运用模糊集合理论的基础上 ,给出模糊决策规则定义 ,根据模糊神经网络理论 ,提出一种实现规则决策的层次型模糊神经网络 (FRDNN) ,设计 4类不同属性的神经元 ,结合开发的实用GSM网络优化专家系统的知识的特点 ,从“决策域”观点仿真分析并通过实例验证FRDNN的可行性 ,为解决实用专家系统的知识获取提供了新思路     

动态模糊神经网络在并联平台控制中的应用

针对六自由度并联平台运动控制精度不高的缺点,结合人工神经网络的优点,提出了一种动态模糊神经网络(DFNN)控制器来控制并联平台.此动态模糊神经网络由前向模糊神经网络的规一化层和输出层之间加入递归层构成,同时根据其特点给出了网络参数的学习算法,此动态模糊神经网络具有动态映射能力,对动态系统具有更好的响应效果.利用动态模糊神经网络控制器对并联平台的轨迹跟踪控制进行了仿真,结果表明此控制算法具有较好的跟踪性能和较强的鲁棒性.     

模糊神经网络自学习控制器及其应用

本文提出了一种模糊神经网络自学习控制方法，并介绍了采用多层神经网络表达模糊控制的知识规则、模糊推理和学习算法。经实验仿真结果表明这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性能优于一般模糊控制。     

模糊神经网络技术在故障诊断中的应用

总结了模糊神经网络在故障诊断中的应用,分析和归纳了不同结构的模糊系统与神经网络的合成形式。对直接模糊神经网络、B样条模糊神经网络、RBF模糊神经网络以及几种扩展的模糊神经网络在故障中的应用进行了讨论。针对故障诊断通用模型,给出了子模块的改进和选取方法,从而使故障诊断的模糊神经网络方法更为系统和有效。     

模糊神经网络在无人机姿态控制中的应用

应用模糊神经网络对无人机进行姿态控制,给出了控制系统结构图,并利用Matlab工具进行仿真实验.仿真结果表明基于模糊神经网络的无人机姿态控制器具有良好的动态性和稳定性,能迅速消除干扰带来的影响.     

遗传算法在模糊系统优化设计中的应用研究

在模糊系统的变节点自适应模糊神经网络实现的基础上,提出一种混合GA优化算法。该算法采用混合编码策略,利用GA对模糊规则和隶属函数同时优化,而对结论参数则用最小二乘法估计。算法综合了GA强大空间搜索能力和传统优化方法的快速收敛和高精度的优点,在保证全局优化能力的条件下,综合考虑了模糊控制器的复杂程度、训练速度和控制精度。仿真结果及应用表明了该算法的有效性。     

模糊推理神经网络的函数逼近能力

研究了模糊推理神经网络计算模型及其连续函数逼近能力。同时给出了模糊推理神经网络与传统BP神经网络的连续函数逼近等价定理 ,即任何一个传统的BP网络都存在某个模糊推理神经网络以给定的精度逼近它 ;任何一个模糊推理神经网络都有一个传统的BP网络以任意精度逼近 ,并且这两种网络都可以逼近定义在某一紧支集上的连续函数     

模糊建模与控制的神经网络方法及其仿真研究

本文提出了一种复杂系统模糊建模及控制的神经网络方法。利用改进的ｐｉ－ｓｉｇｍａ 网络，对模糊规则的结论参数和隶属函数进行在线修正，实现模糊规则的自组织。这种方法被用于降水量预报和机器人解耦控制，取得了满意的仿真结果。为增强神经网络仿真算法的快速性，本文采用了一种基于向量的数据结构，并用标识阵指示神经元的连接状态，以实现有效的内存运算。     

用神经网络方法进行模糊划分设计

从避免人工干预的思想出发，提出了一种基于结构自调整神经网络的模糊划分算法。与传统的模糊划分方法相比，该方法具有更强的适应性。最后，以一个例子例证了该方法     

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。     

基于模糊神经Petri网的C~3I信息融合模型

本文将模糊技术、多层感知器理论与Ｐｅｔｒｉ网相结合,提出了一种关于Ｃ３Ｉ信息融合的模糊神经Ｐｅｔｒｉ网的模型。将模糊逻辑规则应用到多传感器融合系统中得到模糊Ｐｅｔｒｉ网,并在此基础上将人工神经网络引入到Ｐｅｔｒｉ网中,从而提高了系统的学习能力以及对外界环境的自适应能力。     

一种模糊神经网络自适应预测控制方案的研究

针对现有模糊推理方法的缺点,结合神经网络的学习能力和插值能力,提出了一种新型的模糊神经网络结构。在此基础上设计了一种模糊神经网络自适应预测控制方案,并导出了相应的学习算法。同时引入了预测误差的智能补偿,以提高预测及控制精度。仿真实验表明,该算法能实现模糊控制和神经网络控制的优势互补,在非线性复杂系统的控制方面具备较高的性能。     

DC-DC变换器的模糊神经网络控制方法研究

提出了一种新型的模糊神经网络串联式结合方式。这种串联型模糊神经网络具有模糊控制的结构简单、使用方便的特点，同时又利用了人工神经网络的聚类功能，使整个控制器又具备人工神经网络的自学习能力。仿真试验表明该控制方法对于复杂的全桥式串联共振型DC—DC变换器具有良好的控制效果，整个模糊神经网络控制器的设计过程不仅避免了传统控制器的繁琐的参数调节过程，而且又避免了传统模糊神经网络控制器设计的复杂性。     

气动人工肌肉的模糊小波神经网络控制

针对一种应用于医疗机器人领域的三自由度人工肌肉的非线性特性，结合模糊理论与小波神经网络，提出一种模糊小波神经网络控制器对人工肌肉驱动器进行控制。利用模糊小波神经网络的学习能力，采用梯度法搜寻控制器的最优参数。将采用模糊小波神经网络控制器与采用小波神经网络控制器及模糊神经网络控制器的控制系统仿真结果进行比较。仿真结果说明模糊小波神经网络控制器有效地改善了驱动器的静动态特性，具有更快的训练速度和更好的控制效果，是一种理想的气动人工肌肉控制方法。