基于ANFIS的火电单元机组协调控制设计方法

基于自适应网络模糊推理系统,将模糊推理、变结构控制和神经网络结合起来,提出了一种针对某火电厂300 MW单元机组协调控制的方法.给出了控制系统的传递函数模型、结构图和自适应训练方法.仿真结果表明,该算法鲁棒性好,抗干扰能力强,自适应控制效果良好.     

基于ANFIS的迭代学习控制初始控制研究

将自适应神经模糊推理算法用于迭代学习控制初始控制输入量的求取问题,提出一种基于自适应神经模糊推理系统的迭代学习初始控制算法。针对传统迭代学习控制中对于经验数据运用不足或是没有运用的问题,利用迭代学习控制对于以往控制任务的学习建立经验数据库,通过自适应神经模糊推理系统对于经验数据库中的数据进行拟和以得到新的控制输入量。通过仿真分析验证了算法的可行性和有效性。     

基于ANFIS的水净化过程控制仿真

针对水净化过程的不确定性,提出了将自适应神经模糊推理系统(ANFIS)应用于水净化过程。采用相应的自适应控制方法,完全摆脱了原始的依靠工人经验的传统控制方法。通过对ANFIS的训练及检验,并对水净化过程进行仿真研究表明,该自适应神经模糊控制器具有较高的控制精度,控制效果较好。采用自适应神经模糊控制器处理后的污水,可以满足更高的水质标准,表现出了自适应神经模糊推理系统在现代工业中应用的长处。     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。     

潜艇垂直面运动自适应神经网络模糊控制仿真

神经网络控制和模糊控制技术的广泛应用为潜艇自动舵控制器的设计提供了新的思路.而模糊规则的提取和隶属函数的学习是模糊推理系统设计中重要而困难的问题,自适应神经网络模糊推理系统(ANFIS)结合模糊控制和神经网络控制的优点,基于sugeno模糊模型采用反向传播法和最小二乘法调整模糊推理系统的参数,并自动产生模糊规则.利用方法对潜艇乖直面运动自动舵控制器进行了设计和仿真.从仿真结果来看,自适应神经网络模糊控制器能较好的实现对潜艇垂直面运动的操纵控制,是一种很好的控制方法.     

汽车智能防撞自适应控制研究与仿真

针对汽车防撞模糊控制模型不能自动调整参数的缺点,建立汽车防撞自适应模糊推理模型。采用混合学习算法对自适应模糊推理模型的前提参数和结论参数进行辨识,以加速收敛。经模拟训练和仿真输出结果证明,该模型能够对汽车防撞模糊控制器隶属函数和模糊规则进行优化,较好地实现紧急报警情况下的汽车防撞自适应控制。     

基于Choquet积分-OWA的自适应神经模糊推理系统及其应用

针对已有的自适应神经模糊推理系统(ANFIS)在模糊规则后件表达上的缺陷和常见的模糊推理系统存在的主要问题,提出基于Choquet积分OWA的模糊推理系统(AggFIS),在模糊规则的后件表达、模糊算子的普适性和输入及规则的权重等方面有很大优势,它试图建立能够充分体现模糊逻辑本质和人类思维模式的模糊推理系统.根据模糊神经网的基本原理将AggFIS与前馈神经网络相结合,得到基于Choquet积分-OWA的自适应神经模糊推理系统(Agg-ANFIS),并将该模型应用于交通服务水平评价问题.实验结果证明,基于Choquet积分OWA的自适应神经模糊推理系统具有很好的非线性映射功能,它的本质是一类通用逼近器,为解决复杂系统的建模、分析及预测问题提供了有效的途径.     

基于ANFIS的微波炉温度控制

针对微波炉温度对象的不确定性，提出了用自适应神经模糊推理系统(ANFIS)对微波炉温度进行自适应控制的自适应神经模糊控制器。通过对ANFIS的训练及检验，结果表明，该自适应神经模糊控制器具有较高的控制精度，控制效果较好。     

一种多级胶带调速系统研究

针对现有多级胶带调速系统采用二维模糊控制算法存在调节速度与期望速度误差较大的问题,建立了自适应神经模糊推理系统模型,设计了一种基于自适应神经模糊推理系统模型的多级胶带调速系统。该调速系统以第1条胶带的瞬时流量和实时速度为输入量,以变频器的调节频率为输出量实现调速。Matlab仿真结果表明,引入自适应神经模糊推理系统模型的多级胶带调速系统的速度误差可控制在2%以下,运量与带速匹配率得到了优化,对现今煤矿企业的节能减排具有一定的应用价值。     

基于ANFIS的糖厂PH中和过程建模

针对糖厂pH中和过程具有强非线性,大滞后性,不确定性等特点,将模糊推理系统和神经网络相结合,介绍了一种自适应神经模糊推理系统（ANFIS）,并建立了pH中和过程的模型。仿真结果表明,利用ANFIS所建立的模型能很好地逼近实际的非线性系统,并且辨识精度高,泛化能力强,为后续的优化控制研究奠定了基础。     

应用单层神经网络设计多变量自适应模糊控制器

提出一种应用单层神经网络设计多变量自适应模糊控制器的方法。应用单层神经网络可以学习多变量模糊控制规则中的未知参数，还可由它来实现多变量模糊推理过程。该方法能解决多变量模糊控制中普遍存在的规则获取困难和难于实现实时自适应等问题。仿真试验表明，所设计的多变量模糊控制器不仅实时性好，而且可得到满意的控制效果。     

Hierarchical wavelet packet fuzzy inference system for pattern classification and system identification

This study presents a hierarchical Takagi–Sugeno–Kang type fuzzy system called hierarchical wavelet packet fuzzy inference system. In the proposed method, wavelet packet transform is applied on the input data to produce approximation and detail sub-bands of the input data and the output is used as the input vector of the proposed network. This network uses a hierarchical structure same as wavelet packet decomposition tree, in which adaptive network-based fuzzy inference system is used as sub-model. Also, gradient descent algorithm is chosen for training the parameters of antecedent and conclusion parts of the sub-models. In order to evaluate the capability of the proposed method, its applications in pattern classification, system identification and time-series prediction have been studied. The results show that the proposed method performs better than the other conventional models.     

一类非线性离散系统模糊控制器的分析和设计

针对一类非线性离散不确定系统,在系统状态不可测的情况下,以T-S模型描述不同状态空间的局部动态区域,并通过中心平均反模糊化、乘积推理、单点模糊化方法得到全局模糊系统模型.基于李亚普诺夫理论和线性矩阵不等式,设计了一种基于观测器的鲁棒控制器,并对离散状态下的此类系统进行了稳定分析.最后通过M ATLAB仿真,证明了该方法的有效性.     

A neural fuzzy system with linguistic teaching signals

A neural fuzzy system learning with linguistic teaching signals is proposed. This system is able to process and learn numerical information as well as linguistic information. It can be used either as an adaptive fuzzy expert system or as an adaptive fuzzy controller. First, we propose a five-layered neural network for the connectionist realization of a fuzzy inference system. The connectionist structure can house fuzzy logic rules and membership functions for fuzzy inference. We use α-level sets of fuzzy numbers to represent linguistic information. The inputs, outputs, and weights of the proposed network can be fuzzy numbers of any shape. Furthermore, they can be hybrid of fuzzy numbers and numerical numbers through the use of fuzzy singletons. Based on interval arithmetics, two kinds of learning schemes are developed for the proposed system: fuzzy supervised learning and fuzzy reinforcement learning. Simulation results are presented to illustrate the performance and applicability of the proposed system     

支持向量机-模糊推理自学习控制器设计

常规的模糊推理系统大多由专家经验建立模糊规则,自学习能力不强.提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习,并设计了一种支持向量机-模糊推理自学习控制器.文章给出了自学习控制器的结构和学习算法,对比研究了变尺度梯度优化和混沌优化两种学习算法.针对非线性对象的仿真实验验证了该控制器的优良性能,控制效果比模糊逻辑控制器更好.     

基于模糊推理的变步长LMS自适应滤波算法

LMS算法是一种基于最速下降法的最小均方误差自适应滤波算法.为了提高LMS算法的收敛速度,依据模糊控制原理,推导出一种结构简单的步长与误差的非线性函数关系,进而得出一种新的变步长LMS自适应滤波算法（FVSLMS）,该算法结构简单,易于实现.在理论上,根据万能逼近定理,用FVSLMS算法可以以任意精度逼近步长与误差的非线性函数关系,因此它可以作为以误差调节步长的变步长LMS算法的一类统一形式.最后,通过计算机仿真说明了FVSLMS算法具有较好的收敛性能.     

基于一种FGA–ANFIS技术的DMFC温度建模和控制

为了提高直接甲醇燃料电池(DMFC)的发电性能,采用自适应神经模糊推理技术(FGA-ANFIS)对电池的工作温度进行建模与控制.首先,基于实验的输入输出数据建立了DMFC电堆温度的自适应神经模糊辨识模型,避开了DMFC电堆的内部复杂性.然后,将训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法对神经模糊控制器的参数和模糊规则进行自适应调整.最后,通过仿真.将所提出的算法与非线性PID和传统模糊算法进行比较,结果表明所设计的神经模糊控制器具有较好的性能.     

Wavenet fuzzy PID controller for nonlinear MIMO systems: Experimental validation on a high-end haptic robotic interface

A novel global PID control scheme for nonlinear MIMO systems is proposed and implemented for a robot as study case, this scheme is called AWFPID from its adaptive wavelet fuzzy PID control structure. Basically, it identifies inverse error dynamics using a radial basis neural network with daughter RASP1 wavelets activation function; its output is in cascaded with an infinite impulse response (IIR) filter to prune irrelevant signals and nodes as well as to recover a canonical form. Then, online adaptive fuzzy tuning of a discrete PID regulator is proposed, whose closed-loop guarantees global regulation for nonlinear dynamical plants. The wavelet network includes a fuzzy inference system for online tuning of learning rates. A real-time experimental study on a three degrees of freedom haptic interface, the PHANToM Premium 1.0A, highlights the regulation with smooth control effort without using the mathematical model of the robot.