模糊神经网络在时滞系统中的应用

本文采用基于模糊神经网络的控制器实现了对时滞系统的控制，采取模糊规则对输出误差进行预测．预测中假设系统输出变化较缓慢．以至可以忽略高次项．得到的输出误差经过神经网络算法对控制对象进行控制．算法采用BP算法，仿真实验得到了很好的结果，系统的时滞基本消除．动态特性符合要求。     

模糊神经网络在混合煤气解耦控制中的应用

本论文基于包钢现有高炉煤气和焦炉煤气混合调节计算机控制系统的缺陷，提出一种新的控制方法模糊神经网络智能解锅控制，从而解决了当前冶金行业中高炉、焦炉混合煤气的压力和热值不稳定的难题。     

基于神经网络的模糊预测控制及其应用

应用模糊控制的逻辑推理性能，借助神经网络的学习能力，提出了一种模糊神经网络预测控制模型。利用该模型对发酵过程的预测控制，实验曲线表明，可获得较高的预测精度和较好的控制效果。     

模糊神经网络在机器人控制中的应用

本文首先阐明模糊理论和神经网络技术的结合形式,主要体现在四个方面;以及二者与人工智能技术之间的关系,在知识处理过程中,这两种技术往往可以相互代替,取长补短;机器人在从事装配、空间对接、医疗手术等与环境有接触的作业时,需要对机器人进行力控制,以达到最佳的作业效果,文章中介绍了模糊神经网络在机器人控制中的应用——并联机器人自适应力控制器。最后,针对医用骨科机器人,谈一谈模糊神经网络技术在研究中应用的可能性。     

模糊神经网络及其在智能控制中的应用

文章介绍了处理不精确信息的模糊逻辑、模糊推理、模糊神经网络构造等方法，给出了一个在智能控制中的实例。     

模糊RBF神经网络在锅炉水位控制中的应用

水位控制是工业锅炉控制系统中一个重要的环节,其控制质量的优劣直接影响到锅炉的安全和经济效益。本文将一种基于模糊RBF神经网络的PID控制器应用与工业锅炉水位的控制当中,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明这种控制器具有较好的适应性,控制效果得到明显改善。     

模糊神经网络控制在汽温系统中的应用

针对采用常规PID串级控制方法控制火电厂过热汽温系统难以获得满意的控制效果的问题,将模糊控制和神经网络相结合,详细介绍了模糊神经网络控制器的设计过程.利用神经网络实现模糊推理,并对隶属函数进行调整,从而使其具有自适应和学习能力.将其应用于过热汽温控制系统中,仿真研究表明该方法能较好地适应对象特性的变化,基本上可以消除振荡,具有超调量小,鲁棒性强等特点,且控制系统的性能比常规串级控制系统有较大的提高.     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针对纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法。这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温一主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性。     

模糊神经网络在转台系统中的应用研究

在自动飞行控制系统与惯性导航系统模拟试验中,飞行仿真转台控制系统性能的优劣严重影响了试验结果.为了研究自动飞行控制系统和惯性导航系统,将模糊神经网络自适应控制方法应用于飞行仿真转台中.该方法通过神经网络来实现模糊推理,利用神经网络的学习能力调整模糊隶属函数和控制规则,从而克服模糊控制精度不高和自适应能力差的缺点.仿真结果表明,该方法可以使飞行仿真转台具有高的定位能力和控制精度,操作失真度小及具有良好的动态性.     

模糊神经网络控制器在伺服系统中的在线应用

基于神经网络的结构,结合模糊控制的理论,提出了一种模糊神经网络在线学习自适应结构,针对模糊神经网络控制器一般存在着在线修正权值计算量大。权值过度修正容易导致系统振荡等缺点,采用变结构变速率的学习方法对网络结构参数权值进行修正。将参数调整后的控制器模型应用于伺服系统中,并与传统的ITAE三阶无静差最优控制进行比较,仿真试验表明该控制器不但能够提高系统的控制品质,同时可以消除输出力矩对被控对象的扰动,具有很好的控制效果。     

基于模糊神经网络的抽油机故障诊断方法

将模糊逻辑与神经网络相结合,构造模糊神经网络,将神经网络输入层的确定性信息模糊化后变成模糊量,将故障征兆参数相对应的隶属度数值作为神经网络的输入,从而使神经网络更加适合设备故障描述,克服了神经网络对不精确信息表达的缺点。提出基于黄金分割法的变步长BP算法来训练神经网络,根据误差变化趋势动态调整学习速率,实现学习步长的自适应调整,提高网络收敛的速度,防止网络训练时陷入局部极小。将训练好的模糊神经网络应用于抽油机设备的故障诊断,取得良好效果。     

基于模糊分类的模糊神经网络辨识方法及应用

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)，给出了网络的连接结构和学习算法。基于竞争学习算法的模糊分类器确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。利用卡尔曼滤波算法在线辨识删的后件参数。AFNN结构简洁，逼近能力强，能够显著提高辨识精度，并且在线辨识的模糊模型简单有效。将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中，仿真结果验证了该方法的有效性，表明该网络能够实现复杂非线性系统的建模，而且建模精度高、收敛速度快。可当作复杂系统建模的一种有效手段。     

基于增强型算法并能自动生成规则的模糊神经网络控制器

给出了一种基于增强型算法并能自动生成控制规则的模糊神经网络控制器RBFNNC（reinforcements based fuzzy neural network comtroller）。该控制器能根据被控对象的状态通过增强型学习自动生成模糊控制规则,RBFNNC用于倒立摆小车平衡系统控制的仿真实验表明了该系统的结构及增强型学习算法是有效和成功的。     

基于T-S模糊神经网络的抽油机井故障诊断

针对油田抽油机井故障的特点,提出了基于T-S模糊神经网络的抽油机井故障诊断方法。即将神经网络的学习能力引入到模糊系统中,将模糊系统的模糊化处理、模糊推理、精确化计算通过分布式的神经网络来表示,从而提高系统的学习能力和表达能力。提出了基于LM优化的BP算法以提高网络收敛速度,利用MATLAB神经网络工具箱建立模糊神经网络诊断模型,经仿真测试表明,所提出的故障诊断方法能有效地对抽油机故障识别,正确率较高、效果较稳定,可提高网络训练及诊断速度。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

示功图与模糊神经网络结合的抽油机故障诊断

随着石油工业的发展,采油工艺的提高,抽油机故障诊断在生产环节中尤为重要,对分析传统示功图对抽油机故障诊断不足进行了分析,其不足主要集中在诊断分析方式属于定性分析,并且诊断维度过于单一.首先对抽油机的故障进行了总结,并引入模糊神经网络,并在模糊神经网络中引入黄金分割法的变步长BP算法实现推理过程,通过模糊神经网络与示功图特征综合评判其故障生成诊断方案用来实现从不同维度解决抽油机故障方面的问题,同时本文通过仿真实验验证了该理论的可行性.     

基于模糊神经网络驼峰溜放速度的控制

提出了一种基于模糊神经网络理论求得动态出口速度的模型，使用改进的误差反向传播学习算法进行学习，具有很好的自学习和自适应能力，能根据列车的溜放实际情况自动调整减速器出口速度，仿真结果表明，模糊神经网络用在驼峰溜放速度控制中有很好的效果。     

神经网络模糊规则抽取及其应用

从功能的观点出发,提出了一种基于粒子群优化算法的神经网络模糊规则抽取方法。该方法利用所要抽取模糊规则的表达形式,设计了规则的粒子三段表示方式,在粒子群算法优化过程中,采用两种更新方法,即离散化方法和连续化方法。该方法不依赖于具体的网络结构和训练算法,可以方便地应用于各种回归型神经网络。仿真实验表明,该方法可以抽取出保真度较高的符号规则。在实际应用中,采用模糊规则抽取算法,从丙烯腈反应器软测量模型中所得到的规则,提供了一种参数调节的指导性策略。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

模糊神经网络在解耦控制中的研究

在工业生产过程中,针时纯迟延、时变、强耦合的多输入多输出现象,提出一种基于模糊神经网络解耦和PID控制相结合,对系统进行解耦控制的方法.这种方法不需要建立多变量对象精确的数学模型,通过对大迟延大惯性强耦合的循环流化床锅炉床温-主汽压力对象进行仿真,其结果表明,解耦控制效果很好,具有良好的静态性、动态性及鲁棒性.