自适应逆控制三自由度直升机扰动消除系统研究

针对三自由度直升机系统扰动消除的控制问题,提出了一种模糊神经网络模型参考自适应逆控制及扰动消除控制方案。运用FNN推理合成思想建立模糊神经网络结构,利用神经网络结构实现模糊推理过程,采用神经网络的连接权重来表示模糊推理的参数和修改连接权重来辨识模糊模型和调整隶属函数,并在整个噪声消除系统中利用神经网络学习算法进行建模和逆建模,且用它们的复制模块来组成消除扰动系统,从而达到消除扰动的目的。最后,对三自由度直升机模型进行了仿真实验,结果验证了该方法的有效性和可行性。     

基于模糊神经网络的篦式冷却机熟料流动建模

基于模糊推理和误差反向传播理论,提出了一种新的模糊神经网络算法,该算法利用神经网络从样本数据构建模糊推理系统,自动寻优隶属函数中心和宽度等参数.在分析篦冷机熟料流动工作原理的基础上,利用该算法建立的篦式冷却机熟料流动模型,通过仿真研究表明该算法具有很强的非线性逼近能力,所建模型输出与实际输出相对误差在1%以内.而且该算法可以广泛应用于非线性复杂系统的模型辨识和控制中.     

时变模糊神经网络及其在航空发动机排气温度预测中的应用

为了提高气路参数偏差值预测精度,首先建立了时变模糊推理系统;同时,为了解决模糊推理系统因参数众多而难以实际应用的问题,建立了时变模糊神经网络,并给出了该网络的学习算法。采用Mackey-Glass时间序列对时变模糊神经网络的预测精度进行验证,并将其应用到发动机排气温度偏差值预测中。应用实例表明,时变模糊神经网络能更好地预测排气温度偏差值的变化趋势,为发动机预诊断提供支持。     

一种基于偏移率的模糊推理算法研究

针对模糊神经网络学习算法计算量过大的问题,在预测模型设计中,提出了一种基于偏移率的模糊推理算法.此模糊推理算法与现有的模糊推理方法相比,有较少的计算量,且满足其模糊凸性和正规性.     

液压AGC系统故障诊断专家系统的实现

针地板带轧机液压ＡＧＣ系统,根据专家系统基本原理,结合古典信号处理方法、模糊理论、神经网络理论,建立了系统故障诊断系统的结构形式和学习算法。利用模糊诊断理论进行模糊推理以解决系统故障的实时诊断,利用神经网络对模糊推理模型进行训练以提高诊断的准确率,并可对未知的知识进行了学习和补充。开发了液压厚度自动控制（ＡＧＣ）系统故障诊断专家系统软件,通过实验证明所用方法有效。     

基于模糊神经网络的液压系统故障诊断方法

根据专家系统基本原理,结合古典信号处理方法、模糊理论、神经网络理论,建立了系统故障诊断系统的结构形式和学习算法。以此为基础编制了厚度自动控制（AGC）系统故障诊断专家系统软件。利用模糊诊断理论进行模糊推理以解决系统故障的实时诊断,利用神经网络对模糊推理模型训练以提高诊断的准确率,并可对未知的知识进行学习和补充。通过实验证明所用方法有效。     

火灾探测信息融合的一种新型实现方法

介绍了火灾探测信息融合的一种新型实现方法,设计了信息融合模块,采用专家系统和神经网络以及模糊推理的智能算法计算火灾发生的概率信息,通过ARM7微控制器的综合判断,由火灾报警控制器实现报警.现场应用结果表明,提出的设计方法可以减少火灾报警的误报和误喷率.     

多传感器火灾集成监测中复合推理方法研究

在对火灾监测的方法与特点进行分析后,提出了基于模糊推理技术、神经网络技术以及事件推理技术的复合推理方法,并将其应用于火灾多传感器集成监测中.试验表明,复合推理方法比传统的推理方法具有更高的准确性与灵活性.     

基于B样条模糊神经网络的钎焊炉温度控制

针对钎焊炉温度控制系统,设计了一种基于PSO算法优化的B样条模糊神经网络温度控制方案,利用B样条模糊神经网络实现模糊推理,利用微粒群算法对网络的权值进行学习与训练.结果表明,该算法在钎焊炉温度控制方面具有有效性和可行性.     

用模糊神经网络进行铣刀磨损状态识别

刀具磨损监测过程是一个模式识别过程,模糊推理和人工神经网络都是进行模式识别非常有效的办法,针对模糊系统和神经网络各自表现出来的不足,将模糊推理和神经网络结合起来,充分利用模糊系统在处理结构性知识上的优势和神经网络在自学习和并行处理上的能力,形成模糊神经网络进行刀具磨损在线监测识别.通过研究模糊系统和神经网络的结合形势,...     

基于改进遗传算法的模糊RBF神经网络控制在液压伺服系统中的应用研究

针对电液伺服系统普遍存在非线性、时变性和不确定性的情况,提出一种基于改进遗传算法的模糊RBF神经网络控制方法。该方法采用模糊RBF神经网络控制实现对液压伺服系统的自适应模糊控制,并将GA的全局寻优及BP局部寻优相结合,克服了单独应用GA算法或BP算法调节模糊RBF神经网络控制器参数存在的缺陷。仿真结果表明,该方法具有很强的自适应性和鲁棒性。     

Intelligent diagnosis methods for plant machinery

This paper reports several intelligent diagnostic approaches based on artificial neural network and fuzzy algorithm for plant machinery, such as the diagnosis method using the wavelet transform, rough sets, and fuzzy neural network; the diagnosis method based on the sequential inference and fuzzy neural network; the diagnosis approach by the possibility theory and certainty factor model; and the diagnosis method on the basis of the adaptive filtering technique and fuzzy neural network. These intelligent diagnostic methods have been successfully applied to condition diagnosis in different types of practical plant machinery.     

基于模糊神经网络的电力变压器故障诊断研究

将模糊控制和神经网络理论相结合,通过遗传算法对其参数进行优化,有效地解决了常规模糊理论不能自学习和神经网络算法易陷入局部极小、收敛速度慢等缺点,并对其应用于电力变压器故障诊断进行了仿真,实例仿真结果表明该算法具有较快的收敛速度和较高的计算精度,故障诊断结果证实了该算法应用于电力变压器故障诊断的有效性。     

连铸结晶器非正弦振动系统模糊神经网络跟踪控制

针对结晶器非正弦振动液压伺服系统参数易变、模型不确定这一特点，对模型未知的系统用神经网络模型逼近，并采用改进的递阶遗传算法对神经网络的权值和结构同时进行训练，实现系统模型的精确辨识；将模糊控制与神经网络相结合，提出一种模糊神经网络控制方法，实现连铸结晶器非正弦振动系统的跟踪控制。仿真验证了该方案能提高非正弦振动系统跟踪控制性能和鲁棒性，且易于工程实现。     

基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计

将模糊优化思想引入冷挤压工艺参数优化设计,以冷挤压模具的四个关键工艺参数为设计变量,以最终挤压件的各处材料的损伤值为目标函数,建立了冷挤压工艺参数模糊优化模型。提出了利用神经网络进行材料损伤近似计算的策略,从而形成了基于遗传算法和神经网络的冷挤压工艺参数模糊优化方法。对冷挤压工艺参数模糊优化模型进行了求解,优化结果表明模糊优化思想能提高冷挤压工艺设计质量。     

机械手逆运动学神经网络算法研究

提出一种基于模糊遗传算法的机械手逆运动学神经网络建模方法。该方法采用3层前向神经网络建立机械手逆运动学模型，应用模糊遗传算法训练神经网络的权系数。此算法可根据种群进化情况，对交叉概率和变 异概率进行在线模糊控制，加快了算法的搜索过程，有效地避免了简单遗传算法中容易出现的初期收敛问题。仿真结果表明，本方法提高了求解精度和收敛速度，不但有效克服了简单遗传算法常出现的初期收敛和BP算法求解精度低、容易陷入局部极小等缺点，而且避免了计算Jacobian矩阵的伪逆，结构简单、容易实现。     

A type-2 fuzzy expert system based on a hybrid inference method for steel industry

In this paper, a novel type-2 fuzzy expert system for prediction the amount of reagents in desulfurization process of a steel industry in Canada is developed. In this model, the new interval type-2 fuzzy c-regression clustering algorithm for structure identification phase of Takagi–Sugeno (T–S) systems is presented. Gaussian Mixture Model is used to generate partition matrix in clustering algorithm. Then, an interval type-2 hybrid fuzzy system, which is the combination of Mamdani and Sugeno method, is proposed. The new hybrid inference system uses fuzzy disjunctive normal forms and fuzzy conjunctive normal forms for aggregation of antecedents. A statistical test, which uses least square method, is implemented in order to select variables. In order to validate our method, we develop three system modeling techniques and compare the results with our proposed interval type-2 fuzzy hybrid expert system. These techniques are multiple regression, type-1 fuzzy expert system, and interval type-2 fuzzy TSK expert system. For tuning parameters of the system, adaptive-network-based fuzzy inference system is used. Finally, neural network is utilized in order to reduce error of the system. The results show that our proposed method has less error and high accuracy.     

一种火灾图像探测系统的研究

根据火灾发生时着火面积逐渐增大、火焰边缘抖动等特征,提出了一种基于BP网络的火灾图像探测系统。着重讨论了利用具有二次收敛性的Levenberg-Marquardt学习算法进行BP网络的权值优化,与标准BP算法相比,用Levenberg-Marquardt学习算法训练的BP网络具有更快的收敛 速度和更高的可靠性。     

一种遗传-模糊神经网络图像滤波器

提出了一种新的模糊神经网络与遗传算法相结合的非线性图像滤波器 ,通过有效的编码方案 ,遗传算法可以在很短的进化代数内完成对网络参数的学习。包含于网络中的模糊推理有效地恢复了受污染的像素点 ,同时并不降低原始图像的品质。仿真实验表明 ,该滤波器对冲击噪声有很好的滤除效果 ,明显地优于传统的图像滤波器     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器