模糊控制器设计的新方法

针对模糊控制器设计中模糊关系矩阵计算量大，控制规则修改后需重新计算才能获得新的控制器查询表的问题，提出了一种利用电子表格进行模糊控制器辅助设计的算法。该算法充分利用电子表格软件的关系数据库表格化处理功能，实现了由控制规则表中某个元素改变（亦修改某条控制规则）计算相应的控制器查询表中对应元素变化的一种表格修正算法。该算法不需重新计算，从而大大节省了计算时间和计算量，为研究自组织或智能化模糊控制器提供了方便。     

模糊联想记忆神经网络

首先引入了一类模糊神经元 ,其次在联想记忆神经网络的基础上 ,得出了模糊联想记忆神经网络的结构和邻接矩阵的学习算法 ,最后证明了在正交状态下实现联想记忆的若干定理 .模糊联想记忆神经网络分为模糊自联想记忆神经网络、模糊异联想记忆神经网络和模糊双向联想记忆神经网络 ,并分别对此作了研究 .     

模糊联想记忆神经网络

首先引入了一类模糊神经元,其次在联想记忆神经网络的基础上,得出了模糊联想记忆神经网络的结构和邻接矩阵的学习算法,最后证明了在正交状态下实现联想记忆的若干定理.模糊联想记忆神经网络分为模糊自联想记忆神经网络、模糊异联想记忆神经网络和模糊双向联想记忆神经网络,并分别对此作了研究.     

基于模糊神经网络的移动机器人自适应行为设计

将模糊控制和神经网络相结合,形成模糊神经网络(fuzzy neural network,FNN)控制器,利用联想记忆进行离线训练,用来记忆预先利用强化Q学习(Q-Learning,QL)在线训练获得的移动机器人自适应行为的模糊控制规则。FNN经过离线训练后,把规则隐含地分布在整个网络之中,在控制应用时,不必进行复杂的规则搜索和推理,无需查表,只需通过高速并行的分布计算就可产生最佳输出的自适应行为。仿真结果表明,由于输入模糊子集接近于网络所用的训练模糊子集,所以输出几乎和该条训练规则的结果相同。     

采用遗传算法自组织神经网络模糊控制器

提出一种自组织神经网络模糊控制器的新方案。该方案的一个主要特征是，可获得实现模糊控制器的最小且最优的神经网络结构，而且所获得的模糊控制器同时具有神经网络的广泛映射能力、联想概括能力和遗传算法的快速全局收敛、再励式学习等优良特性。     

建立在神经网络基础上的模糊控制器的设计

提出了建立在神经网络基础上的模糊控制器设计方法，这个控制器实际上是一个模糊控制规则被一个神经网络学习和联想使用的模糊控制器，从而获得一种比模糊推理更自然的使用人类经验的方法。仿真结果表明这种控制器是有效的。     

基于模糊逻辑推理的BP神经网络及其应用

阐述了ＢＰ神经网络的原理及学习算法,在结合模糊逻辑推理的基础上提出了一种具有分层结构,能够进行规则自提取、自修正、自学习的复合模糊ＢＰ神经网络模型。这种模糊神经网络不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中通过不断学习获取新的知识和推理规则。同时,在相应的网络权值训练中引入了遗传算法和模糊逻辑控制器的优化求解思想。还进一步探讨了将这种网络模型用于汇率分析系统的形式和方法。     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

帆船的模糊自适应控制方法研究

针对非线性、时变的帆船航行系统,提出了一种基于T-S模糊模型的帆船模糊自适应控制新方法.该方法采用T-S模糊模型,将舵角的非线性控制局部线性化,设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量.利用线性神经网络技术的自学习技术,获取模糊推理规则,优化模糊控制器的参数,提高系统的自适应性.仿真结果表明,该方法能实现对帆船航向的智能控制,具有一定的实际应用价值.     

一种新型的神经网络模糊控制器

针对模糊控制器的推理提出了一种新型的神经网络结构,分析了新网络的性能,训练后新网络能完成模糊控制器的推理。最后给出了神经网络模糊控制器仿真结果。     

实时修正函数模糊控制器组合优化设计

为了进一步优化模糊控制器的控制参数，以便实时地调整控制规则，提出其自适应能力，提出了一种具有5个控制参数的自调节模糊控制器。通过模拟退火算法离线组合优化5个参数，并引进一个具有惯性特性的实时自调节修正函数α（e,γ），根据动态过程的误差在线调整模糊控制器的规则，从而显著地提高其控制性能。通过对一阶、二阶及非线性对象的大量仿真结果对比表明，本控制器不仅可以实时调整控制规则，而且具有响应快、超调小（或无超调），稳态精度高等优点。     

应用聚类和模糊神经网络设计模糊系统

基于聚类技术和一类模糊神经网络提出一种设计模糊系统的混合方法,通过一个无监督的聚类算法自组织地确定模糊规则的数目及生成一个初始的模糊规则库,构建一类模糊神经网络,通过调整网络的权值,使规则库中的参数更加准确,并以函数逼近问题为例验证了该方法的有效性。     

基于模糊神经网络的设备故障诊断分析

建立了一个模糊神经网络,用主成分分析法提取故障发生的特征运行参数,确定所建立的模糊神经网络的输入向量个数,再用动态聚类法对所采集的大样本进行故障分类,确定所建立的模糊神经网络的输出向量个数.根据采集的样本训练出模糊神经网络的连接矩阵,然后对单个的联想记忆网络进行合成,实现故障的诊断.通过具体的实例,给出诊断过程.     

温度模糊控制器设计

针对干燥箱温度控制过程大滞后、控制动作单向性的特点，设计了模糊规则自调整的模糊控制器，介绍了此控制器的设计原理和实现算法，并给出了仿真结果。结果分析表明，此控制器具有良好的控制性能。     

汽车半主动悬架神经模糊融合网络控制

针对汽车半主动悬架模糊控制器的模糊控制规则无法有效调整的问题,建立了两自由度1/4车辆模型.利用白噪声模拟路面激励并作为系统的输入,将人工神经网络与模糊逻辑控制相融合,采用人工神经网络模拟模糊控制过程,实现了模糊规则的自适应调整.将直接控制力作为参考控制力对神经网络进行训练,输出控制力结合开关控制策略实现悬架的半主动控制.仿真分析表明,神经模糊融合网络控制器相对于模糊控制器和被动悬架,使悬架性能得到了显著的改善.     

基于模糊神经网络的冷冻水泵变频调速研究

本文通过系统地分析模糊控制和神经网络控制系统的结构、算法等问题,探讨了把模糊控制和神经网络控制技术结合起来的理论与实现,用神经网络的层和节点分别对应模糊系统的各个部分,将模糊控制规则和隶属函数隐含地分布在整个网络中,用神经网络实现模糊推理,以神经网络的在线自学习能力实现模糊控制规则的改变。设计了模糊神经网络,并应用到冷冻水泵变频调控制系统中,实现了水泵电机的转速智能控制。     

模糊神经网络在陶瓷配料系统控制中的应用

将模糊控制和神经网络技术相结合,借助神经网络的学习能力和信息存储能力来实现模糊推理过程,并记忆和调整模糊规则,从而自动生成模糊控制规则,建立模糊神经网络。系统对模糊神经网络进行离线学习,将训练好的模糊神经网络用于在线控制,仿真结果表明,本文方法用于对陶瓷配料系统的控制,取得了无超调、无静差等令人满意的效果。     

基于聚类有效性神经网络的模糊规则提取方法

模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用．然而模糊控制规则的获取通常由专家根据经验给出，这就存在诸如规则不够客观，专家经验难以获取等问题．为此，本文给出一种其于聚类有效性神经网络的模糊规则提取的新方法．该方法采取了对训练样本预划分子集聚类，模糊语言量的自动确定，模糊隶属度函数自适应调整等策略，克服了以往规则提取法在训练样本不充分时，规则提取不足及规则数目难以确定等缺点，并结合神经网络技术使所提取的控制规则的质量得到提高，改善了模糊控制器的性能，最后，以倒车系统为例证明了该方法的有效性．     

基于遗传算法的模糊控制器动态优化方法

为了克服电厂主蒸汽温度被控对象的大迟延性、模型不确定性和时变性，提出了一种新的基于遗传算法(GA)的动态模糊控制器优化方法.该方法根据被调量的当前偏差值和偏差变化值的大小，采用改进的遗传算法和错时修正的方法，每次只对模糊控制规则表中的一个当前被激活的控制量修正值进行优化，对模糊控制器控制规则表中的数据进行实时在线的动态优化.仿真结果表明，当主蒸汽温度被控对象的模型参数变化10％时，采用该动态优化方法的模糊控制系统可以将主蒸汽温度动态偏差控制在-3～3 ℃，调节时间缩短了至少40％，主蒸汽温度控制系统的动态特性得到了有效的改善.