B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器,该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合,采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法,即先采用免疫遗传算法离线优化,再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

B样条基函数模糊神经网络控制系统及其混合学习算法

介绍了一种基于模糊B样条基函数神经网络的控制器，该控制器将模糊控制的定性知识表达能力、神经网络的定量学习能力和B样条基函数优异的局部控制性能相结合，采用B样条基函数作为模糊隶属函数。还提出了模糊神经网络控制器的混合学习算法，即先采用免疫遗传算法离线优化，再采用BP梯度算法在线调整。对锅炉主蒸汽温度控制的仿真结果表明了此法的可行性和有效性。

基于模糊RBF神经网络PID的AUV姿态控制研究

针对自主水下航行器(AUV)高精度、强鲁棒性的运动姿态控制需求,提出了一种径向基函数(RBF)神经网络结合模糊PID控制的水下机器人运动控制器;采用RBF神经网络对模糊PID控制器参数进行优化,有效解决了模糊PID控制过度依赖经验,难以应对水下复杂工况的问题。仿真结果表明:模糊RBF神经网络PID控制器在AUV姿态调节中表现出较传统模糊PID控制器更好的响应速度和抗干扰能力,有效改善了AUV姿态控制性能;经实际应用验证,控制器在复杂工况下可以快速收敛至期望姿态并维持稳定。

基于模糊B样条基函数神经网络控制的交流伺服系统

采用 B样条函数作为模糊隶属函数 ,利用神经网络实现模糊推理 ,提出一种模糊 B样条基函数神经网络 ,并将其用于交流伺服系统的控制。仿真结果表明 ,该控制方法响应速度快 ,鲁棒性强 。

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点 ,提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数 ,将模糊技术与神经网络相结合 ,利用神经网络实现模糊推理 ,从而使系统具备了自适应的特性。实验结果表明 ,这种基于模糊B样条基函数神经网络的分类器经过训练后 ,可应用于遥感图像的分类 。

基于B样条函数的模糊神经网络

通过研究Ｂ样条函数在模糊系统和神经网络系统中的应用，探讨了通过Ｂ样条函数，结合模糊系统和神经网络的各自特点，构造模糊神经网络的方法，并提出了具体的网络模型以及相应的学习方法。

一种基于模糊B样条基函数神经网络控制的磨削加工系统

本文将模糊控制与神经网络相结合。用神经网络来实现模糊推理,提出了一种把B样条函数作为隶属函数的模糊神经网络,并将之用于磨削加工的质量控制。仿真结果表明,该系统具有响应快、稳态精度高、鲁棒性强等优点,能很好地应用于磨削加工的质量控制。

基于B样条模糊神经网络的刀具磨损监测

刀具状态监测是实现自动化加工和无人化加工的关键技术。本文使用切削力和声发射传感器监测金属切削过程,提出了基于B样条模糊神经网络作为刀具磨损量监测模型。该模型能够准确描述刀具磨损和信号特征之间的非线性关系,和常用的BP前馈神经网络相比,具有收敛速度快和局部学习能力等优点。试验结果表明:采用B样条模糊神经网络对提高刀具磨损在线监测的准确度和可靠度非常有效。

基于模糊RBF神经网络的函数逼近

提出了一种模糊RBF网络，将模糊逻辑的知识表达以及推理能力和RBF网络的快速学习和泛化能力结合起来，网络结构参数可按实际问题调整，仿真表明网络具有较快的学习速度和较高的函数逼近精度。

模糊B样条基神经网络及其在机器人轨迹跟踪中的应用

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制.这种模糊神经网络利用B样条基函数作为隶属函数,可在线根据误差调整隶属函数的形状,使模糊神经网络具有更强的学习和适应能力.仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制,具有很好的性能.

基于Chebyshev基函数模糊神经网络的快速辨识方法

神经网络的非线性逼近能力的研究是神经网络成为辨识模型的理论基础。首先研究了基于正交多项式函数的神经网络逼近理论和方法,并在此基础上证明了新型Chebyshev神经网络具有良好的非线性并研究了它的全局最优逼近性质。然后提出了一种用于复杂非线性系统辨识的基于Chebyshev基函数的模糊神经网络模型和学习算法。该模型以Chebyshev基函数为隶属函数,规则后件采用输入变量的线性函数,无需调整隶属函数的参数,只是采用BP学习算法学习后件参数,因而大大减少了模型算法的计算量,学习算法简单,加快了学习收敛速度,而且不使网络结构复杂,设计简单。仿真结果表明所提模型和方法的有效性。

基于B样条模糊神经网络的钎焊炉温度控制

针对钎焊炉温度控制系统,设计了一种基于PSO算法优化的B样条模糊神经网络温度控制方案,利用B样条模糊神经网络实现模糊推理,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在钎焊炉温度控制方面具有有效性和可行性。

模糊B样条基神经网络磁共振图像分割方法

针对磁共振图像分割的特点,提出了一种基于模糊B样条基神经网络的磁共振图像分割方法。该方法采用B样条基函数作为模糊隶属函数,利用神经网络实现模糊推理,并采用反向误差传播算法对网络进行训练。实验结果表明,这种基于模糊B样条基神经网络的磁共振图像分割方法与普通神经网络分割方法相比,具有更高的分割精度和更快的训练收敛速度。

基于模糊Chebyshev基函数神经网络的快速学习算法

将模糊控制与神经网络相结合，用神经网络来实现模糊推理，提出了一种以Chebyshev基函数为隶属函数的模糊神经网络。由于无需调整隶属函数的参数，因此该模糊神经网络模型算法的计算量大大减小，仿真结果表明了该模型算法的有效性和快速性。

B样条隶属函数的模糊神经网络研究

把模糊子集的隶属函数取为Ｂ样条函数，利用Ｂ样条函数的正定性，紧密性和归一性，可以使得通常模糊系统输出中的分母削去，并且训练过程中权值的调整也限制在局部范围内。最后证明了其全局逼近特性。

基于径向基函数神经网络和模糊积分融合的电网分区故障诊断

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。

基于径向基函数神经网络和模糊控制系统的电网故障诊断新方法

该文针对RBF神经网络的知识存储和诊断过程是一个黑箱,对运行人员不透明,且当电网拓扑结构发生变化或扩展时,神经网络只能重新训练等问题,推导并建立了RBF神经网络和模糊控制系统之间的等值关系,使得蕴含在RBF神经网络权重中的知识转变为等值模糊控制系统中用语言表述的规则。在此基础上,针对电网结构发生变化或扩展情况,提出了RBF神经网络的局部重新训练新算法。提出的基于RBF神经网络和等值模糊控制系统的故障诊断方法在IEEE118母线系统中进行了仿真试验,结果表明:基于RBF网络与等值模糊系统的故障诊断方法诊断知识易于理解,诊断过程透明,并能适应电网拓扑结构发生变化或扩展的情况,效果理想。

基于模糊径向基函数神经网络的PID算法球磨机控制系统研究

针对球磨机制粉系统的多变量、强耦合、非线性和时变性等特点,提出应用于球磨机对象控制的基于模糊径向基函数神经网络的PID控制算法。在这种控制系统中,PID控制器的控制参数采用模糊径向基函数神经网络进行自适应整定,系统控制参数采用混合优化算法,即首先采用混沌粒子群优化(particle swarm optimization,PSO)算法进行离线粗调,再采用BP算法进行在线细调,从而快速全局收敛得到最佳的PID控制参数。Matlab仿真结果表明,该控制系统有效地解决了球磨机这种复杂对象的控制问题,该系统控制参数的优化算法收敛快、不易陷入局部极小点,系统控制跟踪快、超调小、解耦好、鲁棒性和适应性强,控制品质优于传统PID解耦控制方法。

基于径向基函数神经网络的电网模糊元胞故障诊断

提出了基于径向基函数神经网络的电网模糊元胞故障诊断方法,旨在有效解决神经网络应用于电网故障诊断所面临的适应网络拓扑结构变化的可移植性问题。该方法以单个线路、母线和变压器为元胞对象,以保护各元胞的所有关联保护和对应的断路器为输入,建立了元胞通用神经网络诊断模型,并给出了故障诊断时模型的自动生成方法。此外,考虑到电网故障信息存在不完备性和不确定性,本文采用模糊矢状图来描述电网元件、保护和断路器之间的逻辑推理关系,并提取出蕴含不确定性的模糊推理规则,用于训练元胞通用神经网络。算例仿真结果表明,该方法简单、有效,能处理各种复杂故障情况,且能有效适应网络拓扑结构的变化,具有良好的容错性和可移植性。

基于神经网络的模糊半参数回归模型

本文把样条基和BP (Back Propagation)神经网络的基本原理结合起来,从而提出了一种具有模糊输入和模糊输出的自适应模糊半参数回归模型。对于所提出的自适应模糊回归模型较好地解释了模型的内在依赖性和模糊性。文中借助截断幂基作为模型的一部分,然后与非参数部分结合构造半参回归模型。利用BP神经网络预测模型中的观测输出值,然后利用LR-型模糊数的交叉验证准则和基于绝对偏差的距离测度。通过求解光滑函数、光滑函数的光滑参数带宽和回归模型的未知系数,实现了构造自适应模糊半参数回归的目标函数优化问题。通过实例并计算模型的拟合度表明所提出的模型的有效性,该策略也显著提高了所提出算法的拟合优度,并为模糊回归模型提供了数值不确定性之间的依赖框架。