基于模糊神经模型的自适应单神经元控制系统设计

提出一种基于模糊神经模型的自适应单神经元控制系统。该控制系统首先根据采集到的输入输出数据建立被控过程模型,并在此基础上引入单神经元控制器。通过李亚普诺夫方法对控制器参数进行在线调节,从而使得系统输出值能够较快跟踪设定值。理论分析和仿真结果表明:本文提出的单神经元控制器和传统的PID控制器具有极其相似的结构,因此,具有结构简单、易于操作的特点,具有较快的跟踪速度,并且控制参数可以在线调节。

基于优化的模糊神经模型的光伏发电预测的研究

采用模糊神经网络模型实现对不同环境条件下光伏发电系统电气特性进行预测,并使用粒子群优化算法对模糊神经模型地结构和参数进行优化训练。实验证明所提出的优化模糊神经模型具有更优的准确性、紧凑性和可解释性,可以在线估计和预测单个光伏模块电气特性以及最大功率点,且具有较好的计算性能。

灰色神经模型与模糊神经模型在沉降预测中的应用

针对地铁站基坑沉降监测问题,研究了灰色神经网络和模糊神经网络两种模型,并利用佛山地铁3号线某地铁站沉降监测数据,分别利用灰色神经网络模型和模糊神经网络模型进行建模与预测。经过对比分析发现,两种神经网络模型都具有较高的预测精度,但灰色神经网络模型只适合于短期预测,预测周期越长则精度越差,而模糊神经网络模型更适合长周期预测。

两类新的基于T/S范数的模糊神经元模型及其应用

基于T范数和S范数提出了F1型和F2型两类神经元模型 ,并研究了它们的性质和应用 (F1型灵敏性强而鲁棒性弱 ,而F2型神经元灵敏性弱而鲁棒性强 ) ;给出了一个基于F1型神经元的广义AND/OR运算为T/S范数簇的充分必要条件 ;首先提出了弱界三角范数的概念 ,并发现F2型的一个特例模型能实现弱界三角范数 .经分析 ,F1型更适合用于工业控制系统 ,而F2型更适合用于面向用语言描述知识的医学和人文社会领域的计算机应用系统 .该文把一个由特殊的F2型神经元组成的神经网络用于模糊推理 ,发现该推理方法是Zadeh的CRI法的推广 ,且能满足假言推理 .通过权值的调整 ,该推理法能满足若干推理原则的要求 .

基于二次逼近的神经模糊模型研究

针对非线性系统的辨识，提出了一种基于二次逼近的神经模糊模型，阐述了该模型的结构、算法和应用特点．它能有效地克服ＢＰ（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ） 算法的缺陷，提高辨识模型的动态补偿能力．通过仿真实例对该方法的特点和性能进行了验证，表明新的模型具有较好的实际逼近精度和适应能力．

一种自生成基函数模糊神经元故障诊断模型及其应用

在分析自生成基函数（SGRBF）模糊神经元模型基础上，提出了一种新的故障诊断网络模型及其学习算法，并将其应用到轴承、齿轮的故障诊断中，给出两个应用实例及分析结果。最后，文章将得出一定的结论。

基于模糊神经网络模型的中国电力装备制造产业安全评价研究

电力装备制造产业的安全问题,是关系中国电力能源业安全,甚至关系国民经济安全的重大问题。为了定量地综合评价电力装备制造产业的安全状况,结合目前电力装备制造业的行业特点,根据影响电力装备制造产业安全的因素,建立了包括产业国内环境、产业国际竞争力、产业对外依存度、产业控制力等4个单元、16个指标的多因素多级指标评价体系。采用模糊神经网络评价模型,通过定量的方式对中国电力装备制造产业的安全状态进行了综合评价,得出中国水电设备制造产业的产业安全状况为"良好"的结论,同时也证明了模糊神经网络模型应用于安全评价的可行性。

中国上市公司企业规模的模糊神经网络模型设计

在交易成本等规模经济理论及西方经济学生产函数理论的基础上,运用多元统计中的主成分分析法构建企业规模函数指标,再基于超越对数生产函数构建中国上市公司企业规模模糊神经网络模型,并以中国机械仪表业上市公司为例对模型进行了检验。研究结果表明,基于超越对数生产函数构建的企业规模模糊神经网络系统与多元线性回归相比拟合效果好,有较高的性能。

基于气动人工肌肉的自适应模糊小脑模型神经网络位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一种自适应模糊小脑模型神经网络(AFCMAC)控制器.离散抗饱和PID(DASPID)并行监督控制设计保证了控制运行初期不会出现较大的跟踪误差和气压波动,使AFCMAC的在线实时学习调整成为可能.在线实时的自适应算法逐步提高了AFCMAC的控制性能,从而最终完全过渡到AFCMAC控制.通过规划AF-CMAC的输入空间,保证了AFCMAC对迟滞力和气压波动等不确定因素的感知能力,为实现AF-CMAC控制奠定了基础.对DASPID与AFCMAC控制器的位置跟踪控制性能进行了对比实验.结果表明,在非线性系统条件下,AFCMAC较之DASPID有着更好的跟踪控制性能和较低的实现难度.

一种广义模糊小脑模型神经网络及其仿真研究

针对传统的小脑模型,在保留CMAC原有增强和局部特性的基础上,结合模糊逻辑的思想,采用模糊隶属度函数作为接收域函数,提出了一种广义模糊小脑模型神经网络(GFAC)。研究了GFAC接受域函数的映射规律、隶属度函数及其参数的选取规律和学习算法。仿真结果表明GFAC具有良好的泛化能力和逼近精度。

从受训神经-模糊模型中提取知识

本文对用于模式分类、函数逼近、参数估计的多层感知器 (MLPs)给出 1个清晰的关于内部行为的解释。作者以单隐层的 MLP为例 ,论述了关于 MLP的内部行为的半线性分析理论。对受训的MLP,将隐层单元的输出分别定义为网络输出的正、负“内部分量”;定义内部分量的连接权重集为给定问题的“内部判别模式”;建立了 MLP和模糊集相结合的新模型 ;分析了 MLP的结构为 N- 2 - 1和N- H- 1 ,给出权重初始化的方法 ;提出了 1种从受训神经 -模糊模型 (NFMs)中提取知识的全新的具有实用价值的方法。

基于模糊小脑模型神经网络的直线伺服跟踪控制

以永磁直线同步电动机为被控对象,在高精度直线伺服跟踪控制系统中,为使输出响应快速地跟踪输入指令,需要克服系统滞后、未建模动态、不确定性以及负载的变化因素等的影响.为此,提出了一种模糊小脑模型(FCMAC)神经网络直接逆控制的方案,可动态地克服上述这些因素的影响.同时,还给出了较详细的原理分析及实现过程.仿真结果表明,此控制方案是十分有效的,能够明显地提高伺服系统的快速跟踪能力,并使系统具有较强的适应性和鲁棒性.

六维腕力传感器的补偿模糊神经网络模型

本文基于神经网络可以对非线性系统的任意逼近能力 ,建立了六维腕力传感器的补偿模糊神经网络模型 ,仿真结果表明 ,这种补偿模糊神经网络对六维腕力传感器非线性系统逼近精度高、训练步数少、学习收敛速度快、误差曲线稳定 。

基于神经模糊系统的供应商选择模型研究

对供应商评价的模型进行了回顾,以神经模糊系统理论为基础,构建了供应商评价的神经模糊系统模型,能够弱化供应商评价中的经验知识因素的影响,为处理复杂的非线性的供应商关系提供了新的评价工具。

遗传算法-模糊径向基神经网络模型预测自润滑镀层耐磨性

针对传统神经网络模型存在的缺陷,引入遗传算法和模糊运算建立遗传算法-模糊径向基神经网络模型(GA-FRBFNNM),介绍了模型结构和仿真思路。以自润滑镀层耐磨性为研究主题开展正交实验,在正交实验结果中任取10组数据作为训练样本用于模型训练,其余6组数据作为测试样本用于模型性能测试。结果表明:GAFRBFNNM的预测值更接近于真实值,其预测精度明显高于相同结构的径向基神经网络模型,验证了该模型是有效的,能够更准确预测自润滑镀层耐磨性。主要归因于引入模糊运算使得径向基神经网络全部节点都具备特定意义,另外引入遗传算法优化了训练算法,避免了模型陷入局部极小点等问题,使得模型性能得到有效提升。

基于模糊神经网络模型对射手的评价(英文)

在图像制导导弹中,射手经常参与识别、捕获目标以及控制导弹跟踪、攻击目标。为评价一个射手,通过增加输入和输出论域的模糊子集数,对普通的射手模糊神经网络模型进行了改进。基于改进的射手模糊神经网络模型,提出了两种评价射手的方法。仿真结果表明:两种方法都能够有效地比较和评价射手,为选择和训练射手提供了依据。

雷达网数据融合的自组织模糊神经网络模型

对雷达网的数据融合提出了一种自组织模糊神经网络模型 ,分析了该模型的自组织特征及神经元感应场内模糊隶属度函数最大的 WTA竞争机制 .通过二维舰船目标的识别和航迹融合仿真实验 。

直升机模糊神经控制模型

介绍了多变量系统的模糊神经控制模型、直升机飞行模糊控制规则建立的思路;建立了一个直升机模糊神经控制模型,并给出利用神经网络学习模糊控制规则的方法和步骤。

NFCNNC：一种新的模糊竞争神经网络聚类模型及其在文本聚类中的应用

提出了一种新的模糊竞争神经网络聚类模型NFCNNC，并将其应用到文本聚类中。NFCNNC将模糊中心聚类（FCC）算法得到的模糊聚类中心向量作为神经网络的权值，通过比较隶属度值得到获胜神经元。网络中仅两个神经元同时调节权值。隶属度值最大的神经元以较大的学习率调整权值，隶属度次大的神经元以较小的学习率调整权值，其他神经元权值不变。按照FCC算法调整模糊聚类中心向量值（即权值）和神经元的隶属度，当网络稳定时，即可确定聚类数。与传统模糊神经网络模型相比，本文的模糊神经网络模型具有结构简单、运行效率高、聚类精度高的优点，同时克服了传统算法需预先指定聚类数的局限性。通过对文本聚类的实验验证，本算法取得了良好的效果。

利用模糊神经网络模型优化化学镀锡液的成分

选取化学镀锡液中四种主要成分----硫酸亚锡、次磷酸钠、浓硫酸和硫腺作为影响因素,将它们设置不同的取值进行组合实验,以化学镀锡层的表面粗糙度为评价指标。根据实验得到的样本数据,建立了模糊神经网络模型。以化学镀锡层的表面粗糙度最低为寻优目标,根据模型的输出结果确定了硫酸亚锡、次磷酸钠、浓硫酸和硫腺的最佳配比,实现了对化学镀锡液成分的优化。