区间估计的FWNN及其区间学习算法

本文提出一种基于子波的模糊神经网络，用以处理数据的区间估计。其网络结构基于模糊化的子波神经网络，在学习算法中，我们引入了区间学习算法的概念，使训练后的网络的输出为一个区间。其具体实现采用ＬＰ法，它同时提供了确定子波系数的另一种方法。

一种新型FWNN中指数函数e^x的FPGA实现

介绍了指数函数传统的FPGA实现方法,分析其硬件开销及运算精度。在此基础上,基于Simulink开发工具,提出了一种运用查找表思想在FPGA上实现指数函数的新方法。该方法具有硬件资源消耗少,自变量输入范围宽,运算精度可控等优点。

FWNN for Interval Estimation with Interval Learning Algorithm

In this paper, a wavelet based fuzzy neural network for interval estimation of processed data with its interval learning algorithm is proposed. It is also proved to be an efficient approach to calculate the wavelet coefficient.

基于模糊小波网络的强化学习及其在多机器人决策策略中的应用

给出了一种基于模糊小波神经网络(FWNN)的强化学习方法,并研究了应用该方法解决多机器人足球比赛中的决策策略问题。首先,使用FWNN来实现强化学习状态空间到动作空间的映射,从而解决大规格或连续状态空间所导致的学习速度过慢甚至难以收敛等问题。然后,研究了提出的方法在机器人足球比赛的复杂决策策略学习中的应用,证明机器人球员能够通过学习掌握根据比赛状态信息选择合理动作的能力。最后,通过实验验证了该学习方法的有效性,它能够满足机器人足球比赛的需要。

无人机模糊小波神经网络轨迹线性化控制

针对系统存在不确定和有界干扰的情况,提出了一种基于模糊小波神经网络的轨迹线性化控制方法。利用模糊小波神经网络对非线性函数的逼近能力,减小不确定干扰对系统的影响,并与轨迹线性化方法结合设计了无人机飞控系统控制器。采用Lyapunov稳定性理论,证明了在所设计的控制器下,闭环系统所有信号一致最终有界。最后对系统存在不确定的情况下进行了仿真,并与没有加模糊小波神经网络的轨迹线性化控制器进行了对比,仿真结果证明了所提方法的有效性和鲁棒性。

柔性空间机械臂系统的模糊滑模神经网络控制及柔性振动主动抑制

研究了参数不确定漂浮基柔性空间机械臂关节空间的轨迹跟踪及柔性振动主动控制问题.运用虚拟力概念,生成能同时反映柔性振动和刚性运动的虚拟期望轨迹,设计了一种自适应非奇异Terminal滑模控制器来跟踪该虚拟期望轨迹,以实现载体姿态及关节稳定跟踪运动轨迹并对所产生的柔性振动进行主动抑制的控制目标.所设计的控制器结合了Terminal滑模控制快速收敛性,模糊小波神经网络优良的函数逼近特性及鲁棒技术处理逼近误差的优势,利用自适应算法在线自适应调节模糊小波神经网络的所有网络权值和参数,使控制器具有很强的鲁棒性.仿真实验证明了所提控制方案的有效性.