基于自组织模糊CMAC网络的非线性系统鲁棒自适应跟踪控制

基于自组织模糊 CMAC(SOFCMAC)神经网络 ,提出了一种非线性模型参考神经网络增广逆系统鲁棒自适应跟踪控制方法 .该方法的特点是通过 SOFCMAC神经网络在线修正由于建模误差、不确定因素等引起的非线性系统逆误差 ,使得系统输出准确跟踪参考模型输出 .SOFCMAC的权值调整规律由 Lyapunov稳定性理论导出 .文中证明了非线性闭环系统的稳定性 .仿真例子表明了本文方法的有效性 .

一种新型的模糊CMAC网络的研究及应用

描述一种新型的模糊CMAC网络,运用全新过程的可变感受野来代替固定感受野,同时采用规则启动通道层代替原有的哈稀散列层,从而避开哈稀散列表的冲突问题。网络模型的隶属度函数采用三角形函数,参数学习采用改进的进化规划算法,并提出递归变化率的概念。存储区权值采用最小二乘法的批学习方法进行求解。

基于FPGA的模糊CMAC网络的硬件实现

提出了模糊CMAC网络的一种基于FPGA的硬件实现方法。首先,分析了模糊CMAC网络的结构与算法,并以MAT-LAB仿真为依据,得到模糊CMAC网络的FPGA实现所需的参数;在此基础上,对模糊CMAC网络进行硬件模块划分,基于VHDL实现了各硬件模块的功能描述,并对模块结构进行了优化;最后,在特定的FPGA器件上实现了模糊CMAC网络。测试结果表明:该模糊CMAC网络硬件实现具有速度快、精度高的特点,且占用较少的硬件资源,是SOPC中实现模糊CMAC网络模块的一种有效方法。

基于模糊CMAC神经网络的医学舌苔图像检索

笔者提出了一种基于模糊CMAC神经网络的医学舌苔图像检索方法。该法利用CMAC网络,实现彩色图像直方图的模糊相关求和,并在此过程中自动调整加权算法中特征色的加权因子,使舌苔图像的检索能针对几大类标准进行,提高了检索效率。实验结果表明,与过去根据经验设定参数的方法相比,本法具有高效、准确,对阴影、反光现象不敏感等特点。

模糊CMAC神经网络控制系统及混合学习算法

针对CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力。讨论了这种控制器的混合学习算法,即先采用混沌算法离线优化,再采用BP梯度算法在线调整,并推导了变形Elmam网络的系统辨识算法。对电厂锅炉主蒸汽温度控制的仿真结果表明了此控制器及其学习算法的可行性和有效性。

挖掘机器人轨迹的模糊CMAC神经网络控制

在对挖掘机器人工作装置动力学分析的基础上,为克服多变量、强耦合及负载扰动对轨迹控制系统的影响，提出了模糊CMAC神经网络与常规控制相结合的控制方法,使神经网络逼近挖掘机器人工作装置逆动力学模型,很好地解决了轨迹控制的问题。利用MATLAB进行仿真研究，结果表明该控制方法具有较高的控制精度和鲁棒性，满足挖掘机器人轨迹控制的要求。

一类非线性系统的自组织模糊CMAC神经网络自适应重构跟踪控制

提出了一种非线性系统的自组织模糊CMAC(SOFCMAC)神经网络自适应重构跟踪控制方法 ,首先通过构造增广系统 ,设计出线性渐近跟踪控制器 ,然后采用SOFCMAC神经网络在线重构系统的非线性特性 ,以消除非线性特性引起的系统误差 ,可保证非线性系统闭环稳定并使系统输出跟踪期望输出 .

模糊CMAC神经网络在机器人装配作业中的应用

在对机器人销孔装配过程销的装配力与位姿关系实验分析的基础上,设计了机器人主动装配作业的模糊CMAC神经网络系统,采用Takagi型模糊推理方法和有监督的Hebb学习规则,由5自由度装配机器人对直径为12mm的销孔进行了主动装配实验,收到良好的装配效果。

一种改进的模糊CMAC神经网络车辆自主避障算法

考虑到模糊控制算法在自主避障上的缺陷,设计了一种改进的模糊CMAC神经网络车辆自主避障算法。采用模糊CMAC神经网络(FCMAC)的各层节点来实现模糊控制器变量的输入、模糊化、模糊逻辑的前提条件匹配运算、模糊量的归一化、控制量的输出和控制规则的调整,借助神经网络的自学习能力来完成模糊控制。通过仿真实验,验证了改进的模糊CMAC神经网络算法的可行性和有效性。

模糊径向基函数神经网络(FRBF)及其在非线性控制中的应用

介绍了输入层具有一定隶属度的模糊径向基函数神经网络(FRBF),给出了一种训练方法.它比模糊小脑模型神经网络(FCMAC)具有更好的解析性和快速收敛性.用FRBF神经网络设计了具有虚拟系数的二阶非线性系统的控制器,仿真结果验证了模糊径向基神经网络(FRBF)的特性.

基于模糊CMAC的三连杆机械臂的最优控制器

研究了将模糊CMAC神经网络和最优控制方法Hkamilton-Jacobi-Bellman(H-J-B)相结合来实现三连杆机械臂的最优控制策略。介绍了模糊CMAC神经网络的基本结构,基于二次最优控制信号的模糊CMAC控制器设计,推导了基于Lyapunov稳定性分析理论的神经网络自适应学习算法,并通过一个鲁棒化向量来克服系统模型中不确定项的影响,保证系统的稳定性。

基于PSO算法的FCMAC控制器及其在主汽温控制中的应用

模糊CMAC神经控制器能反映人脑认知的模糊性和连续性,它采用高斯函数作为模糊隶属函数,利用CMAC神经网络实现模糊推理,并可对隶属函数进行实时调整,从而使它具有自适应和学习能力。文中讨论了这种控制器参数的PSO学习算法,对电厂锅炉主蒸汽温度控制的仿真表明了FCMAC控制器及其PSO学习算法的可行性和有效性。

自适应智能航行控制方法研究

根据船舶在航行过程中的非线性、不确定特点,设计基于模糊模糊CMAC神经网络的船舶自适应智能控制算法。阐述了模糊CMAC神经网络结构,并且将其运用到自适应智能航行控制系统中,最后通过实验验证不同海况下模糊CMAC神经网络对于船舶航向智能控制具有良好的自适应性和较强的抗干扰性。