基于有效性分析的自组织模糊神经网络建模方法

提出了一种基于有效性分析的自组织模糊神经网络(self-organizingfuzzyneural network based on effectiveness analysis, SOEFNN)建模方法。首先,提出了一种针对模糊规则的有效性评价指标,利用样本与规则层输出之间的映射关系进行网络模型的有效性分析,通过累积触发的方式实现相应模糊规则的增加或删减,使网络模型在能够处理复杂非线性问题的同时降低其冗余性,使模型更为紧凑。采用梯度下降算法对网络模型进行训练。然后,对所提出的SOEFNN模型进行非线性系统仿真实验和污水处理过程中的出水生化需氧量预测建模,并与其他自组织模糊神经网络模型进行对比。仿真结果表明,所提出的SOEFNN模型能够很好地实现结构和参数的自适应调整,并且具有较好的逼近能力。

基于粒子滤波的自组织模糊神经网络算法研究

为了得到结构更加紧凑、泛化性能更强的自组织模糊神经网络,提出了基于粒子滤波(particle filter,PF)的自组织模糊神经网络训练算法。其能够对模糊规则进行自动生成和增删。文中给出了模糊规则生成准则,应用误差率下降方法作为模糊规则增删策略,删除作用不大的规则。建立了以隶属函数宽度参数为状态,以理想输出为量测的动力学模型,利用PF对参数进行了学习。最后,对两个实例进行了仿真,从仿真结果可以看出,与D-FNN、SOFNN、EKF-SOFNN等算法相比,其在结构紧凑性以及泛化性能上都得到了提高,从而证明了PF-SOFNN的有效性。

应用自组织模糊神经网络估计卫星姿态系统执行机构故障

自组织模糊神经网络可以根据系统状态在线更新权值和调整节点,优化网络结构.文中针对某卫星姿态控制系统提出了基于两个自组织模糊神经网络的执行机构故障诊断方法.网络SOFNN1用于健康系统的离线训练,估计出系统的不确定项和扰动项,网络输出结果作为故障检测的阈值参考.网络SOFNN2在网络SOFNN1的基础上估计执行器故障.仿真表明,在噪声干扰和系统参数不确定的情况下,在线自组织模糊神经网络结构的方法能很好地估计系统执行机构故障,比固定结构的模糊神经网络估计速度快,因此更具优越性.

自组织模糊CMAC神经网络及其非线性系统辨识

针对 CMAC的特点 ,提出了联想度的概念 ,并由此设计了一种自组织模糊 CMAC神经网络 ( SOFC-MAC)及其学习算法 ,证明了 SOFCMAC能以任意精度对非线性特性一致逼近。该网络具有学习速度快 ,逼近精度高及局部泛化能力等特点。

变论域自组织模糊PID控制在逆变电源中的应用

模糊控制器对于要求响应速度快、稳态精度高的高性能逆变电源系统难以实现有效控制,因此提出了一种基于可变论域思想的自组织模糊PID控制的新方法。可变论域思想主要是输入论域可变,用α和β作为误差和误差变化率的调节因子,该数值随误差和误差变化率的减小而减小,进而增加模糊控制规则,由模糊推理得到中间控制量P,再与采样周期对系统PID控制参数进行组合得到新的PID控制参数。应用Matlab仿真常见的模糊逻辑PID阶跃响应曲线,效果良好。该方法应用在逆变电源系统中,可保证系统具有较高的稳态精度和良好的动态特性。

基于自组织模糊神经网络的出水总磷预测

针对污水处理过程出水总磷预测问题,本文提出一种基于改进Levenberg--Marquardt(improved Levenberg--Marquardt,ILM)学习算法和奇异值分解(singular value decomposition,SVD)的适于在线建模的自组织模糊神经网络(fuzzy neural network,FNN)预测方法.ILM-SVDFNN采用改进LM学习算法对隶属函数中心、宽度和输出权值进行训练.在参数自适应学习的同时,采用单边Jacobi变换实现规则层输出阵的奇异值分解,根据奇异值定义增长和修剪指标实现规则层神经元在线动态调整.此外,证明了所提方法在网络结构固定和调整阶段的收敛性.最后,利用典型非线性系统辨识、Mackey-Glass时间序列预测和实际污水处理过程出水总磷预测实验进行验证.仿真结果显示所设计的自组织模糊神经网络结构紧凑且预测精度较高,较好地满足了污水处理厂对出水总磷检测精度和实时性的要求.

带修正因子的自组织模糊PID控制在气动人工肌肉位置控制中的应用

作为气动人工肌肉并联机器人关节研究的核心内容,首次对单支气动人工肌肉的位置控制做深入的研究。研究表明,一种带修正因子的自组织模糊控制与PID控制的混合控制器对单支气动人工肌肉的位置控制有明显的控制效果。

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 .

一类非线性系统的自组织模糊神经网络控制

针对一类MIMO不确定非线性有干扰且控制增益符号未知的系统进行跟踪控制的问题,提出了一种在线自组织模糊神经网络的改进算法,用以克服参数选择困难的问题,并基于该算法给出了一种自适应鲁棒控制方法。首先基于主导输入的概念将MIMO系统分解为多个SISO系统构成的系统,然后结合自组织模糊神经网络在线对系统中的未知函数进行逼近,对网络结构和参数实现在线调节,再利用Nussbaum函数来克服控制增益符号未知,并且引入鲁棒项及复合误差的估计来补偿复合误差。最后基于Lyapunov稳定性理论证明了整个闭环系统半全局一致最终有界。理论和仿真结果表明提出方法的有效性。

一种基于神经网络的自组织模糊系统(英文)

提出了一种基于神经网络的自组织模糊系统，它能够根据输入输出数据灵活地划分模糊集合．由于采用模糊聚类方法和梯度下降法分两步对该系统进行训练，其收敛速度要比传统的ＢＰ算法快得多．仿真结果表明该系统结构简单，学习速度快，规则数少。

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 .

基于自组织模糊CMAC神经网络的不确定系统的H_∞鲁棒自适应控制

针对一类不确定系统 ,提出一种基于自组织模糊小脑模型 (SOFCMAC)神经网络的 H∞ 鲁棒自适应控制方法。通过设计标称系统的 H∞ 控制器 ,并采用 SOFCMAC神经网络在线对消系统的建模不确定性产生的误差 ,可保证不确定闭环稳定并具有 H∞ 性能。证明了 SOFCMAC神经网络 H∞ 鲁棒自适应控制系统的稳定性。仿真算例表明了该方法的有效性。

基于自组织模糊神经网络的污水处理过程溶解氧控制

针对活性污泥污水处理过程溶解氧浓度控制问题,提出一种基于自组织模糊神经网络(SOFNN)的控制方法。该神经网络控制器依据激活强度和互信息理论在线动态增长和修剪规则层神经元,以满足实际工况的动态变化。同时,采用梯度下降算法在线优化隶属函数层中心、宽度和输出权值,以保证SOFNN的收敛性。进一步通过Lyapunov稳定性理论对SOFNN学习率进行分析,给出控制系统稳定性证明。最后在国际基准仿真平台BSM1上进行实验验证。实验结果显示,与PID、模糊逻辑控制(FLC)和固定结构FNN等控制策略相比,SOFNN在跟踪精度、控制平稳性和自适应能力上更具有优势。

柔性结构的自组织模糊主动振动控制

提出一种在线自组织模糊逻辑控制器的设计 .该设计应用于含压电驱动器柔性结构的振动控制中 ,不需建模 ,可用输入 /输出历史数据生成模糊规则 .将生成的规则存储在模糊规则库中 ,通过自组织过程进行在线更新 .同时对悬臂梁分别在瞬态和正弦激振下的模糊主动控制进行了仿真实验 .结果表明 ,该控制器对上述两种激励的振动比传统模糊控制器有更明显的抑制作用 .

输送带式真空包装机的神经自组织模糊控制系统的设计与实现

本文设计了输送带式真空包装机的神经自组织模糊控制系统 ,给出了硬件和软件程序框图 。

基于自组织模糊规则归纳的电子商务客户流失预测

为提高客户流失预测的精度,构建了基于自组织模糊规则归纳算法FRI(Fuzzy Rule Induction)的电子商务客户流失预测模型。该模型利用数据分组处理技术GMDH(Group method data handling)从训练样本中自动地提取接近于人类自然语言描述的电子商务客户流失模糊规则,进而对测试样本客户流失状态进行判别。采用某网上商场的1500名客户样本进行电子商务客户流失预测实证研究,结果表明,该方法对测试样本预测精度达到了90%以上,是一种有效和实用的电子商务客户流失预测工具。

自组织模糊控制在CO_2焊波形控制中的应用研究

简述了自组织模糊控制的基本原理，并根据其原理设计了一种模糊控制器，用于实现表面张力过渡焊的电压电流波形，减少ＣＯ２ 焊接时的飞溅。本文采用８０Ｃ１９６ＫＢ 单片机来实现模糊控制器。实验表明，该系统达到了设计要求，在控制ＣＯ２ 短路熔滴过渡中获得了明显的效果。

一种基于知识关联的自组织模糊控制方法

针对常规模糊控制规则不能自调整,难以及时适应对象特性变化等问题,提出一种基于知识关联的自组织模糊控制方法。通过对系统特性的分析,基于专家经验制定原始规则,依据性能评判环节建立校正规则。研究了校正规则与原始规则的相关性,构建知识关联度函数,得到新规则的调整模型,实现了对规则的实时更新。以染色机染液温度控制系统为对象进行仿真研究。结果表明,与常规模糊控制相比,基于知识关联的自组织模糊控制方法在被控对象特性变化或较大扰动的情况下,具有适应性强、输出跟踪快、控制精度高等特点,具有较高的实用价值。

自组织模糊控制及在机器人中的应用

自组织模糊控制能够在线生成控制规则并对模糊控制规则和模糊参数进行调整,从而简化了模糊控制的设计,并改善了系统的性能;而将自组织控制的思想与传统控制方法结合也可以进一步改善系统的性能。因此介绍了关于自组织控制方法的最新研究进展及其在机器人控制中的应用。

自组织模糊神经网络的内模控制研究与应用

研究氧化铝深度脱硅优化问题,为了保证生产质量,对生产过程进行稳定控制,稳定氧化铝深度脱硅过程的热工制度和降低能耗,采用了模糊神经网络辨识的内模控制方法进行氧化铝深度脱硅工艺过程控制,改变了以往依靠人工经验构造控制规则而进行的半自动控制模式。考虑到模糊神经网络隐含层神经元的数目决定了整个网络的规模和性能,根据模糊隶属度函数的激励强度和衰减程度可以添加或者删除模糊神经网络隐含层神经元,从而优化了模糊神经网络隐含层结构,再用自组织模糊神经网络辨识内模控制系统的正模型和逆模型,改进模型的神经网络结构可根据性能要求动态调整,从而改进了神经网络内模控制技术。实验结果表明,新提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能,各项指标均优于传统控制方法,实现了氧化铝深度脱硅工艺优化。