改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(PCM)算法和模糊对向传播神经网络相结合，解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题，在此基础上结合卫张(Sugeno Tanaka Kang)模糊模型，提出了改进的模糊对向传播神经网络Improved FCP，并给出了学习算法。对两种典型的非线性模型进行实验研究，实验结果表明Improved FCP网络具有良好的非线性逼近能力。     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.     

模糊神经网络控制在调速系统中的应用研究

针对无刷直流电机(BLDCM)调速系统的特点,在分析BLDCM(Brushless DC Motor)的数学模型的基础上建立了控制系统的仿真模型,设计了一种新的模糊神经网络控制器FNNC(Fuzzy Neural Network Controller),并运用遗传算法优化模糊神经网络结构和改进在线学习算法,将其应用到直流电机调速系统中。仿真试验表明,该方法较传统PID控制有更好的控制效果。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

新广义模糊Hopfield神经网络的稳定性研究(Ⅱ)

新广义模糊Hopfield神经网络(NFHNN)在具有物理意义的背景下更具普遍意义的模型一致稳定性和吸引子的Lyapunov稳定性研究,并且给出了一个模糊式是该网络吸引子的充要条件.     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK(Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法。实验结果表明Improved-FCP网络较之FCP网络对样本有更高的逼近精度。     

基于模糊神经网络的柴油机排气噪声预测

应用模糊神经网络FNN(Fuzzy Neural Networks)的模糊推理对噪声数据的预测进行了研究分析.和传统的BP网络方法相比,模糊神经网络具有概念清晰,逻辑清楚,且不会限于局部极小点等特点,实验结果充分证明了这种方法的有效性,并且本文用较小规模的正交试验数据作为训练样本,达到了试验量少效果好的目的.     

连续型模糊Hopfield网络(CFHNN)稳定性研究

将模糊逻辑和神经网络相结合,提出了连续型模糊Hopfield人工神经网络(CFHNN),给出了它的网络结构和形式化描述,证明了CFHNN的稳定性.     

高阶CMAC神经网络及其在水下机器人运动控制中的应用

对高阶ＣＭＡＣ神经网络的结构和工作原理进行了研究,提出了中间层作用函数地址的计算方法,给出了计算高阶基函数的不同方法,利用高阶ＭＣＡＣ神经网络对水下机器人模糊深度控制器进行了学习,仿真结果显示了不同高阶基函数ＭＣＡＣ网络的不同建模能力,证明了中间层作用函数地址的计算方法正确。     

AUV fuzzy neural BDI

The typical BDI （belief desire intention） model of agent is not efficiently computable and the strict logic expression is not easily applicable to the AUV （autonomous underwater vehicle） domain with uncertainties. In this paper, an AUV fuzzy neural BDI model is proposed. The model is a fuzzy neural network composed of five layers ： input （ beliefs and desires）, fuzzification, commitment, fuzzy intention, and defuzzification layer. In the model, the fuzzy commitment rules and neural network are combined to form intentions from beliefs and desires. The model is demonstrated by solving PEG （pursuit-evasion game） , and the simulation result is satisfactory.     

SAW焊接型剖面预报的模糊逻辑系统开发(英文)

A fuzzy model was presented to predict the weldment shape profile of submerged arc welds(SAW) including the shape of heat affected zone(HAZ).The SAW bead-on-plates were welded by following a full factorial design matrix.The design matrix consisted of three levels of input welding process parameters.The welds were cross-sectioned and etched,and the zones were measured.A mapping technique was used to measure the various segments of the weld zones.These mapped zones were used to build a fuzzy logic model.The membership functions of the fuzzy model were chosen for the accurate prediction of the weld zone.The fuzzy model was further tested for a set of test case data.The weld zone predicted by the fuzzy logic model was compared with the experimentally obtained shape profiles and close agreement between the two was noted.The mapping technique developed for the weld zones and the fuzzy logic model can be used for on-line control of the SAW process.From the SAW fuzzy logic model an estimation of the fusion and HAZ can also be developed.     

模糊神经网络在船舶火灾报警系统中的应用

提出了一种利用神经网络和模糊系统理论设计船舶火灾报警系统的方法。该系统 模糊推理能力哟、神经网络学习能力强的特点,将模糊系统和神经网络结合起来,实现模糊系统设计的自动调整。利用感温式知因式传感器对火灾发生时温度和烟雾两个主要参量进行智能监测委 解决了报警灵敏度和误报率之间的矛盾。     

基于神经网络的舰船运动模型辨识

通过神经网络对线性水动力系数、弱非线性水动力系数和强非线性水动力系数进行了研究,利用免疫模糊遗传算法对各神经网络辨识器进行优化,以确定舰船运动的待识别系数,并且进行了10°/10°Z形操舵运动、30°回转操舵运动和35°回转操舵运动辨识的仿真。结果表明:利用辨识所得的各种典型操舵运动曲线与利用原参数所得结果符合良好。     

基于加权矢量神经网络的辐射源识别方法

现有的很多分类识别方法包括基于专家系统的方法[1]、基于贝叶斯理论的方法、基于模糊模式识别的方法[2]、基于最近邻的方法[3]、基于人工神经网络的方法[3]等等在辐射源识别中都有比较成功的应用,但这些方法一般都针对测量参数为标量形式的测量值进行处理,在一定程度上解决了由于参数测量误差所引起的辐射源识别问题,对于误差的另一种情形,即测量参数为区间类型模糊值的情况讨论却较少,文献提出了一种基于模糊IF-Then规则的神经网络算法,给出了能够处理模糊输入的神经网络体系结构,同时给出了一种基于代价函数的学习算法,其代价函数由实际模糊输出和无模糊输出决定,通过学习该网络能够实现模糊输入到模糊输出的非线性映射。     

导管架式海洋平台自适应预测逆控制研究

文章提出了一种新的基于动态刚度阵法的导管架式海洋平台模糊神经网络自适应预测逆控制模型。该模型是通过安放在海洋平台桩腿上的压力传感器实时采集海洋平台所受波浪力,然后应用动态刚度阵法快速而准确地计算出平台顶部的响应,再将此响应作为模糊神经网络预测逆控制器的输入信号,预测出下一时刻平台顶部的控制力来对海洋平台振动响应进行控制;同时,通过反馈的自适应预测逆控制器来减小扰动和前馈控制的误差。为了验证该模型的抗干扰能力,文中还对有随机风载荷扰动情况下的导管架式海洋平台主动控制进行了研究。最后的数值算例结果表明,文中所提出的导管架式海洋平台主动控制模型具有较强的抗干扰能力,能很好地解决控制系统中存在的时滞问题,可有效地控制导管架式海洋平台的振动响应。     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.