规则库自提取和简化的模糊系统

介绍了一种新的规则自提取和简化的模糊模型算法，该算法由3个步骤组成：首先，通过构造一个模糊软划分判别准则对输入输出空间进行模糊划分，得到最佳分类数，从而得到了最佳的规则数；其次，根据最佳规则数和神经网络来构造初始的模糊模型；第三，通过运用模糊相似分析法，可以得到计算2个模糊集相似度的方程，从而根据事先确定的阈值来合并相似的模糊集。这样就得到了一个既满足对精度的要求又简单且具有可解释性的模糊系统。最后，用该算法对我国全要素生产力进行了模糊规则的提取。     

基于区间值描述的自适应直觉模糊神经网络

针对模糊集合在语义描述上存在的不足,为提高自适应模糊神经网络的紧凑性,提出了自适应直觉模糊神经网络。首先,推导了适合神经网络计算的直觉模糊规则。接着,给出了自适应直觉模糊神经网络的结构和各层的含义,并给出了网络学习算法和收敛性分析。最后,通过典型实例仿真试验,表明提出的自适应模糊神经网络结构更为紧凑,学习算法的泛化性能更佳。     

基于FNN的联合收割机故障诊断系统研究

为解决切纵流联合收割机故障诊断过程中输入量的非线性问题,设计基于FNN算法的联合收割机故障诊断系统。传感器采集待测部件的转速值为系统输入值,对输入值进行模糊处理得到模糊输入值,将模糊输入输出作为神经网络的输入输出,在Matlab中对神经网络进行离线训练得到故障诊断规则表,实际使用中只需在PLC中查询规则表即可得到故障诊断结果。实验结果表明:基于FNN的故障诊断系统能很好地解决系统的非线性问题,可以实时反映联合收割机的故障情况,使其尽可能保持高效率的工作状态。     

基于B样条函数的模糊神经网络

通过研究Ｂ样条函数在模糊系统和神经网络系统中的应用，探讨了通过Ｂ样条函数，结合模糊系统和神经网络的各自特点，构造模糊神经网络的方法，并提出了具体的网络模型以及相应的学习方法。     

气辅注塑成型注气压力的模糊神经网络控制研究

针对气辅注塑成形的注气压力精确控制要求,设计了具有５层结构的模糊神经网络控制器和控制算 法,利用神经网络的学习能力实现对模糊逻辑规则的优化,改善了系统的适应性。对系统３段压力控制的仿真 分析,验证了模糊神经网络控制模型的可行性,控制效果良好。     

RBF模糊神经网络在刚性机械臂控制中的应用

为了提高刚性机械臂轨迹跟踪控制的精度,本文在分析RBF神经网络与模糊逻辑系统的函数等价性基础上,提出了一种基于T-S型模糊推理方法的RBF模糊神经网络,设计出基于RBF模糊神经网络的工业机器人控制器.研究发现,与普通的模糊神经网络相比,该网络结构简单,层数少,训练速度快,能自动寻优,通过在线调整网络隶属函数的中心值和宽度,优化了模糊规则,实现了对非线性系统的高精度轨迹跟踪控制,而且表现出有效性和鲁棒性.     

模糊神经网络在高层建筑横风向振动控制中的应用研究

提出了模糊神经网络方法控制高层建筑横风向风振反应。通过观测部分楼层加速度和控制力输出，建立了模糊神经网络控制器，解决了传统控制中有限的传感器数目对系统振动状态估计的困难．利用模糊神经网络控制器预测结构的控制行为，消除了闭环控制系统中存在的时滞。利用模糊神经网络控制器的自学习能力来确定模糊规则和语言变量隶属函数，解决了土木工程复杂结构模糊控制中，难于依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。模糊神经网络方法的优势在于算法自身的鲁棒性，处理结构非线性、参数不确定性及时变等问题的能力。通过对基准建筑的刚度不确定性分析，讨论了模糊神经网络控制器的鲁棒性。仿真分析表明，模糊神经网络控制策略能有效地抑制高层建筑的横风向风振反应，控制效果略优于LQG控制，而拥有LQG控制不具备的诸多优点。     

用粗集-模糊神经网络评定空袭目标威胁程度

针对模糊神经网络运算过程中,当模糊规则较多时,网络学习速度慢,方法实时性差的缺点,本文提出采用粗糙集理论对该模型进行优化,该方法利用粗集数据分析方法,通过知识约简从数据中推理逻辑规则,并用约简后规则集作为模糊神经网络的规则将输入映射到输出的子空间上：在这个子空间上用改进的BP算法训练进行逼近。实验结果表明：通过粗集数据挖掘后提取的规则,不仅规则数目减少,且规则是不完全规则,减少了网络输入维数和各层神经元的个数,提高了网络运算速度,满足了系统实时性要求。     

空调系统神经模糊控制器——结构和算法

提出了一种适用于空调系统控制的新型神经模糊控制器。这种神经模糊控制器将神经网络和模糊控制紧密结合，是一种以神经网络表示模糊控制规则的模糊控制系统，控制推理基于模糊推理的精确值法，神经网络采用后向传播（BP）学习算法。本文论述这种神经模糊控制器的结构和算法，其仿真和优化将另文论述。     

MCFC型燃料电池的神经网络建模与基于FGA的模糊控制研究

为了提高燃料电池的发电性能,熔融碳酸盐燃料电池(MCFC)堆的运行温度应该控制在一个合适的范围内。本文首先利用RBF神经网络辨识复杂非线性系统的能力,基于实验的输入输出数据,建立起MCFC电堆的神经网络温度模型;然后设计了MCFC电堆工作温度的一个基于模糊遗传算法的在线模糊控制器,用模糊遗传算法同时优化模糊控制器的参数及规则。最后用神经网络的辨识模型代替实际的电堆进行控制仿真,仿真结果证明建模是有效的,所设计的模糊控制器具有较好的性能。     

模糊聚类分析在模糊神经网络结构优化中的应用

研究了模糊聚类分析在多变量模糊神经网络的结构确定中的应用,在传统的模糊C－均值算法的基础上,给出了一个衡量聚类有效性的函数和确定模糊指数的启发式方法,并给出了应用该算法的具体的模糊神经网络模型。     

An example of the use of neural computing techniques in materials science—the modelling of fatigue thresholds in Ni-base superalloys

Two adaptive numerical modelling techniques have been applied to prediction of fatigue thresholds in Ni-base superalloys. A Bayesian neural network and a neurofuzzy network have been compared, both of which have the ability to automatically adjust the network’s complexity to the current dataset. In both cases, despite inevitable data restrictions, threshold values have been modelled with some degree of success. However, it is argued in this paper that the neurofuzzy modelling approach offers real benefits over the use of a classical neural network as the mathematical complexity of the relationships can be restricted to allow for the paucity of data, and the linguistic fuzzy rules produced allow assessment of the model without extensive interrogation and examination using a hypothetical dataset. The additive neurofuzzy network structure means that redundant inputs can be excluded from the model and simple sub-networks produced which represent global output trends. Both of these aspects are important for final verification and validation of the information extracted from the numerical data. In some situations neurofuzzy networks may require less data to produce a stable solution, and may be easier to verify in the light of existing physical understanding because of the production of transparent linguistic rules.     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

一种基于软计算的转子故障诊断方法

提出了一种基于软计算的转子故障诊断方法。该方法充分利用软计算中的模糊集合理论,人工神经网 络,粗糙集理论和遗传算法等计算方法优势,弥补它们相互的不足,进行故障诊断。首先利用粗糙集理论对样本数据进 行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据这些规则进行网络设计,其中,网络隐层节点的数目等于 规则的数目,初始网络权重由规则的依赖度和条件覆盖度确定,最后用遗传算法对模糊神经网络参数进行优化。使用该 网络对转子类常见故障进行诊断。实验表明,和一般模糊神经网络相比,这种基于软计算的诊断方法具有训练时间短、 诊断准确率高的特点。     

模糊神经技术在刀具故障检测中的应用

提出了一种刀具故障检测方法，该方法把模糊逻辑和神经网络结合起来，并用神经网络分解技术，建立了一个刀具状态识别网络。该网络适用于多传感器对刀具复杂状态进行识别和分类，具有训练时间短，执行速度快，可靠性高，抗噪能力强等特点。     

基于Sugeno型模糊神经网络的空间杆系结构的压电驱动器主动控制

基于自主研发的压电主动杆件的振动控制特性,采用主动杆件两端节点的相对位移和相对速度作为输入以及控制电流作为输出,设计了空间杆系结构的Sugeno型模糊神经网络控制系统。首先通过LQR方法对结构进行控制产生训练数据样本,再利用神经网络的自适应学习功能进行模糊划分及产生模糊规则,最后利用模糊系统的推理能力对空间杆系结构模型进行基于地震响应的主动控制仿真,同时与基于经验的Mamdani型模糊推理规则进行仿真对比。仿真结果表明两种模糊推理模型对结构模型的控制都能达到良好效果,但是由于Sugeno型模糊推理的计算简单,其仿真速度比Mamdani型模糊推理快几十倍,而且省去了人为的经验总结过程,因而采用Sugeno型模糊神经网络控制器更能满足工程应用的要求。     

一类自适应模糊神经解耦混合控制器的研究

将模糊神经网络与PI控制技术相结合构成一种模糊神经解耦混合控制器。新控制器在控制过程中借助模糊神经网络的自学习算法实现控制参数的在线调整。仿真结果表明,该控制方法对非线性时变系统有较好的控制效果。将该算法应用于电控天然气发动机空燃比控制中,利用宽域空燃比传感技术,通过调整喷射脉宽控制发动机的空燃比,取得了良好的控制效果。     

基于模糊自适应BP算法的包装件缓冲垫层非线性特性识别

将模糊自适应ＢＰ算法应用于包装件缓冲垫层非线性特性识别问题，提高了网络训练速度，从而使结构化神经网络方法更适于实际应用．     

基于粗糙集理论的模糊神经网络及其在化纤生产过程中的应用

提出一种基于粗糙集理论的模糊神经网络系统,首先运用粗糙集理论来发现大量样本数据中的概略化的规则,然后根据这些规则来设计神经网络的结构模型,并利用神经网络技术对模型进行训练。化纤工业中抽丝冷却侧吹风过程的模拟仿真实验,证明了该方法的有效性和可行性。