基于智能体的混合知识自适应推理控制

本文将传统的混合知识表示法推广 ,建立了一个将一般知识、案例知识、模型知识、模型知识及神经网络知识有机集成的结构 .该种知识表示结构有助于知识的搜索、匹配和推理控制 ,解决了复杂问题的知识表示 .为适应推理方法的需要 ,将各种不同的推理方法有机融合与集成 ,提出一种基于智能体的自适应推理控制结构 ,该种自适应推理控制结构对于改进解决复杂问题的效果以及提高解决复杂问题的效率具有重要意义 .

自适应神经模糊推理系统在倒立摆控制中的应用

针对单级倒立摆系统具有多变量、非线性、绝对不稳定的特点,应用Matlab/Simulink设计了用于倒立摆系统的、基于自适应神经模糊推理系统的ANFIS控制器,采用反向传播算法和最小二乘算法的混合算法对倒立摆控制样本数据进行学习,调整各变量的隶属度函数,自动产生模糊规则。仿真结果表明,ANFIS控制器对倒立摆系统的摆杆角度和小车位置的控制过程具有良好的动态性能和稳态性能。

自适应神经模糊推理系统在起重机稳钩控制中的应用

起重机小车─吊重系统具有多变量、非线性和钢丝绳长度不确定性的特点,造成吊物移动过程中摇摆很难控制.提出一种基于自适应神经模糊推理系统(ANFIS)的控制方法应用于起重机的稳钩控制,该方法采用反向传播算法(BP)和最小二乘算法(LS)的混合算法对小车─吊重系统样本数据进行学习,调整各变量的隶属度函数,自动产生模糊规则.仿真结果表明,这种控制方法对小车─吊重系统的摇摆角度和小车位置的控制过程具有良好的动态性能和较强的鲁棒性能,说明了自适应神经模糊推理系统在起重机稳钩控制中的有效性.

应用于起重机稳钩控制的自适应神经模糊推理系统

提出一种基于自适应神经模糊推理系统(ANFIS)的控制方法应用于起重机的稳钩控制,该方法采用反向传播算法(BP)和最小二乘算法(LS)的混合算法对小车—吊重系统样本数据进行学习,调整各变量的隶属度函数,自动产生模糊规则。仿真结果表明,这种控制方法对小车—吊重系统的摇摆角度和小车位置的控制过程具有良好的动态性能和较强的鲁棒性能,说明了自适应神经模糊推理系统在起重机稳钩控制中的有效性。

基于知识的摩托车振动分析与控制系统的研究

为解决摩托车振动问题,建立了基于知识的摩托车振动分析与控制的系统结构,提出了面向 对象的知识表达的方法,建立了基于事例的推理和基于规则的推理的混合推理机制,结合具体实例 进行应用研究,结果表明应用本系统可以有效地对摩托车振动进行分析与控制。