低功耗模糊控制器的CMOS模拟电路实现

为了解决软件实现的模糊控制器速度低的问题,研制了模拟电路实现的模糊控制器.设计了以下单元电路: 结构精简的新型Z型、 Gauss型和S型隶属度函数电路、电流模求小电路和一种不需要除法器的重心法去模糊电路.以此构造的两输入一输出9条规则的零阶TS模糊控制器已在无锡上华0.6 μm CMOS工艺下制造.测试结果表明: 在±2.5 V的工作电压下精度为±3.5%, 功耗仅为3.5 mW, 模糊推理的速度是0.67×106 s-1.该控制器在功耗、精度和面积上有优势,可用于实时控制.     

组合径向基函数神经网络的硬件实现

为了提高径向基函数(RBF)神经网络的泛化能力,提出了一种组合径向基函数神经网络,并通过对英文字母的识别进行了仿真验证。基于CMOS电路设计了该组合径向基函数神经网络,所有单元电路均采用HJTC 0.18μm CMOS数模混合工艺设计制造。通过PCB板实现了一个2×3的组合RBF神经网络,并对"一"和"1"的识别问题进行了验证。实验结果表明:该组合RBF神经网络电路结构简单,便于扩展和调节,提高了整个网络的泛化能力,为硬件实现更为复杂的组合径向基函数神经网络提供了可能。     

一种基于CMOS的电流模式线性分类器

提出了一种对线性不可分数据集进行分类的电流模式线性分类器.该分类器电路结构简单,仅由梯形激活函数电路和线性加权电路组成,其中线性加权电路采用全平衡差分跨导电路实现,梯形激活函数电路主要由阈值电路组成.为了实现对线性不可分数据集的分类,通过MATLAB软件采用Fisher线性判别法计算得到权重系数,并运用PSPICE对所提出的电路进行仿真分析.结果表明:提出的电路结构简单、准确度高、功耗低,可以广泛地应用于模式识别、神经网络、人工智能等领域.     

一种基于CMOS的电流模式线性分类器

提出了一种对线性不可分数据集进行分类的电流模式线性分类器.该分类器电路结构简单,仅由梯形激活函数电路和线性加权电路组成,其中线性加权电路采用全平衡差分跨导电路实现,梯形激活函数电路主要由阈值电路组成.为了实现对线性不可分数据集的分类,通过MATLAB软件采用Fisher线性判别法计算得到权重系数,并运用PSPICE对所提出的电路进行仿真分析.结果表明:提出的电路结构简单、准确度高、功耗低,可以广泛地应用于模式识别、神经网络、人工智能等领域.     

采用硬件神经电路的压力传感器零点温漂补偿研究

为了解决压阻式压力传感器的零点温漂问题、发挥数字电路与模拟电路的特点,采用硬件电路实现背向传输神经网络算法.利用模拟电路实现神经网络的主体算法,提高了运算速度,解决了神经网路应用的难点,发挥数字电路存储和控制方便的优势构成神经网络的控制电路.将研究成果应用于压力传感器零点温漂的补偿,理论分析及仿真实验结果证明了论文方法的正确性和有效性,为高速度、高精度、自适应和智能化的压力传感器研究和设计提供了新的途径.     

基于电流型CMOS电路的四类三变量函数的新型算法及实现

本文基于电流型CMOS电路的特点,结合三变量函数分类方法以及和图转化方法,提出能够实现C■,C■,C■,C■类三变量函数的新型算法.基于该新算法,任意的三变量函数都能通过单个电流型CMOS电路单元实现.设计实例表明:所设计的电路都具有正确的逻辑功能和良好的瞬态特性.     

基于模糊神经网络的模拟电路故障诊断

针对故障诊断技术智能化的发展方向,结合模拟电路的特点,将模糊逻辑和神经网络融合在一起,研究了一种基于模糊神经网络的故障诊断算法,给出该算法的典型模型和结构,并通过实例研究了这种模型在模拟电路故障诊断中的应用。     

模糊稳健优化设计中的神经网络技术

由于模糊稳健设计中的准则函数和约束函数是随机性可控因素与不可控因素的函数,其概率密度函数的表达式难以确定,故在优化设计中采用随机模拟方法.但采用遗传算法进行优化计算时,随机模拟消耗的机时很大,优化计算效率极低.为此,采用BP神经网络对模糊随机函数进行逼近,探讨了神经网络的构造与程序实现方法;用插装式溢流阀调压弹簧的模糊稳健优化设计问题进行了数值仿真与验证.实例表明,BP神经网络的仿真精度可以达到工程优化问题的要求,把遗传算法与神经网络技术相结合,可以有效地求解模糊稳健设计等复杂优化设计问题.     

新结构重心法去模糊单元电路设计

为解决模糊控制器电路设计中的去模糊运算问题,提出了一种数模混合电路实现的模糊控制器去模糊运算单元电路设计。通过对折叠型G ilbert乘法器电路作适当的扩展,提出了多路乘法器的设计,实现了多个输入电压与一个共同的乘数电压的乘法运算,并应用该多路乘法器和运算放大器设计了归一化激活度计算电路。应用归一化激活度计算电路和加权求和电路组成了该新结构的去模糊单元电路。采用无锡上华0.6μm混合信号工艺参数设计完成。H sp ice模拟结果表明该单元电路可以完成去模糊运算工作,并作为子单元电路应用于模糊控制器的VLS I实现。     

三值绝热JKL触发器的设计

通过对多值逻辑、绝热电路和三值触发器工作原理及结构的研究,提出一种新颖的三值绝热JKL触发器的设计方案.该方案首先以电路三要素理论为指导,推导出三值绝热JKL触发器的元件级函数式,采用不同阈值的MOS管实现相应的电路结构.然后结合三值绝热文字电路,应用三值绝热JKL触发器进一步设计绝热九进制异步计数器.最后,HSPICE模拟结果表明,所设计电路具有正确的逻辑功能,与传统三值JKL触发器和九进制异步计数器相比,节省能耗均在75%以上.     

一种改进的PWM型VLSI神经网络的设计

神经网络的超大规模集成电路 (VL SI)实现是发挥其优势的有效途径。改进了现有的基于脉宽调制 (PWM)技术的 VL SI神经网络设计方式。提出了一种结构简单的突触乘法器 ,它的精度高、线性范围大 ,而且不受开关噪声的影响。设计了一个增益可调的电压型 sigmoid变换电路 ,用以实现不同的神经元激活函数。提出一个 PWM所必需的电压-脉冲转换电路 ,它具有较高的转换精度和线性度。以这 3种电路为基础设计了一个解决异或 (XOR)问题的 PWM型VL SI神经网络。模拟结果表明其功能正确 ,具有较高的识别速度 ,适于神经网络的 VL SI实现     

闭G-V模糊拟阵的模糊圈公理

采用类似拟阵圈公理的方法, 讨论闭G V模糊拟阵的模糊圈公理. 首先给出G-V模糊拟阵模糊圈的若干性质； 然后利用这些性质, 讨论如何利用初等模糊圈集确定G-V模糊拟阵； 最后提出并证明闭G V模糊拟阵的模糊圈公理. 由该公理可知, 一个初等模糊集族、 一组有限数列和一个模糊集映射, 在满足一定条件下可唯一确定一个闭G-V模糊拟阵.     

一种用Bi-CMOS技术实现的模糊控制器

提出一种新型的用Bi-CMOS技术实现的模糊控制器，该模型控制器隶属函数产生电路、取小运算电路和解模糊化电路，隶属函数产生电路可编程输出多个非线性函数，解模糊化电路采用归一化电路实现法运算，该模型控制器是可集成在一块芯片上的高速、低功耗系统。     

用 MOS-DYL 电路实现逻辑推理神经元

介绍神经网络的电子学实现方法并分析了用ＭＯＳ－ＤＹＬ电路实现神经网络的优越性。提出了用ＭＯＳ－ＤＹＬ电路实现基本神经元模型的方法，并证明应用其有可能实现逻辑推理功能，最后用专用软件在微机上对上述电路结构进行了仿真，说明设计的可行性。     

二氧化碳短路过渡焊接电流神经模糊控制系统

研制了一种以8C52单片机为核心器件，通过自软件方式实现稳定二氧化碳短路过渡焊焊接电流的神经网络自适应模糊控制系统。系统中所嵌入的神经网络可实现对隶属函数的微调和模糊控制的调节，克服了常规模糊控制系统隶属函数非适应性的缺点。该神经模糊控制器可消除因电弧电压调节、网络电压波动、保护气纯度流量以及焊炬高度变化等随机因素引起的焊接电流偏差。焊接工艺实验表明，在实验电流范围内，平均电流的最大偏差不超过7A，平均电流相对误差小于5％，而控制前平均电流的偏差不小于12A，相对误差不小于9％，因此该控制系统响应速度快，超调小，稳态精度高。     

基于递归函数链模糊神经网络的永磁直线同步电动机位置控制

针对高精度永磁直线同步电动机(permanent magnet linear synchronous motor,PMLSM)存在参数变化、负载扰动、摩擦力等不确定性因素而影响电机伺服性能的问题,提出递归函数链模糊神经网络控制(RFLFNN)保证系统的伺服性能。首先在磁场定向控制下建立PMLSM伺服系统动态数学模型。其次,将函数链神经网络(FLNN)和递归模糊神经网络(RFNN)相结合设计RFLFNN控制策略,利用FLNN实现神经网络的函数扩展,提高系统的非线性逼近能力并对系统参数进行辨识; RFNN采用反向传播算法实时更新并调整神经网络的参数值,对系统中存在的不确定性因素进行估计以抑制不确定性因素对系统的影响。最后,通过系统实验证明所提方法的有效性,实验结果表明,与RFNN相比,该方法极大地改善了PMLSM伺服系统的位置跟踪性能。     

电子电路故障诊断的神经网络数据融合算法

针对模拟电路故障元件诊断的不确定性问题,将BP网络引入数据融合之中,结合模糊集合论,构造－模糊神经网络故障分类器,并将其应用于电子电路故障诊断之中。通过测试电子电路中被诊断元件的工作温度和工作电压这2个物理量,求出两传感器对各待诊断元件的故障隶属度,利用模糊BP网络故障分类器进行数据融合,得到融合的各待诊断元件的故障隶属度,从而确定故障元件,并通过单传感器诊断结果与融合诊断结果比较,说明多传感器融合的优越性。     

基于WPD-PSO算法的整流电路故障诊断

针对电力电子电路故障类型多、诊断正确率低的问题，提出基于小波包分解和粒子群算法优化概率神经网络的方法。建立三相桥式全控整流电路仿真模型，利用小波包分解技术对故障电压信号进行三层小波包分解与重构，提取特征值，并对数据进行归一化处理；用粒子群算法优化概率神经网络寻找合适的平滑因子，对数据进行训练和诊断；将该方法与未优化的概率神经网络作对比。仿真结果表明，该方法在训练效果和诊断正确率上都要优于未优化的概率神经网络。     

基于LM算法的相关模糊神经网络及其应用

针对输入变量相关性较高的非线性建模模型,经典模糊神经网络算法存在收敛速度缓慢、模糊规则数大、陷入局部最小值的问题。提出一种基于LM算法的相关模糊神经网络模型;该模型基于聚类思想,构建多变量高斯模糊隶属度函数,将其表示为不可分离的模糊关系来处理相关变量模型;再采用LM优化算法,通过Hessian矩阵和一阶梯度向量同时调整网络参数;并引入Cholesky定理缩减网络参数个数。应用LM算法的模糊神经网络模型实验结果表明,可以加快收敛速度、减少模糊规则数,比经典的模糊神经网络有更好的预测精度。