基于FHM模型的非线性网络化控制系统H_∞优化控制

研究了一类具有随机网络诱导时延,数据包丢失和扰动的网络化控制系统H_∞优化控制问题.针对一类非线性被控对象,基于状态反馈控制器,建立了网络化模糊双曲正切混杂系统模型.根据Lyqpunov稳定性理论,给出了系统可实现γ-次优H_∞镇定的充分条件和控制器优化参数的获取方法.仿真算例利用神经网络算法和线性矩阵不等式工具箱,完成了模型参数的辨识与最优扰动衰减度的求取,证明了分析方法和结果的有效性.     

二型模糊小波脑情感学习网络在非线性系统辨识中的研究

针对现有模糊神经网络在辨识具有时变的非线性系统存在辨识精度不高,收敛速度较慢等缺点,提出了一种二型小波模糊脑情感学习网络(T2FWBELN)模型,它结合了模糊逻辑和脑情感学习网络的优点,并在网络结构中使用了小波函数。与其他算法相比,该算法在非线性系统辨识中有着更高的逼近能力。同时,采用模糊C均值算法生成模糊规则,并使用梯度下降法对T2FWBELN的各种参数进行在线调整,降低了参数调整时间。为了进一步验证该模型的有效性和优越性,仿真了两个不确定非线性系统辨识的例子,一个是Mackey-Glass时间序列预测,一个是带有噪声的动态系统辨识。测试结果表明,所提出的模型在处理非线性系统辨识中拥有更高的精度。     

小波神经网络在高维非线性系统辨识中的应用研究

在建立小波神经网络模型的基础上,提出了利用小波神经网络对高维非线性系统进行辨识的方法,得出了高维非线性系统的辨识算法,并通过实例仿真说明了系统的泛化能力得到有效提高,获得了具有良好自适应能力的小波网络.     

基于模糊神经网络建模的RFID室内定位算法

将模糊神经网络FNN应用于基于RFID技术的室内定位系统IPS,提出一种基于模糊神经网络的RFID室内定位算法,算法将参考标签数据作为神经网络的训练样本,建立"标签接收信号强度与标签读写器间距离RSSI-DIST"的映射模型,然后利用最小二乘解确定目标的位置坐标.同时,对比了传统BP神经网络和FNN网络在建模和定位中的性能.在仿真和硬件平台测试中,模糊神经网络都要比BP表现出更优异的性能,表明基于模糊神经网络的算法更适合于IPS系统.     

一种基于神经元的自适应模糊推理网络

本文根据Ｔ－Ｓ模糊模型提出了一种新的基于神经元的自适应模糊推理网络，给出了连接结构和学习算法，它能自动学习和修正隶属函数及模糊规则，将其用于Ｂｏｘ的煤气炉，太阳黑子预报以及降雨量预报等不同类型的复杂系统建模，仿真结果表明，该模糊神经网络具有收敛速度快，辨识精度高，泛化能力强和适应范围广等特点，可当作复杂系统建模的一种有效工具。     

GIHS-TSFNN并行学习算法及其应用研究

针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度.     

基于智能控制的高速线材轧机水冷控制系统优化

针对武汉钢铁集团公司大型轧钢厂当前在高速线材生产线中存在的水冷控制系统可靠性差,轧线温度波动范围大等问题,应用智能计算理论及方法对上述工业控制系统进行系统辨识、建模以及优化.分析比较了基于梯度下降搜索BP算法、径向基函数网络、Levenberg Marquardt BP算法的前馈神经网络对SMS水冷系统的逼近精度、训练速度.研究了采用Levenberg-Marquardt BP算法的前馈神经网络在样本集和测试集上的表现,建立了基于Levenberg-Marquardt BP算法的前馈神经网络水冷控制系统模型.解决了高速线材水冷控制系统可靠性,温度控制精度问题.     

一类随机时延网络控制系统的神经网络自适应容错控制

针对一类随机时延网络控制系统,提出一种基于RBF神经网络自适应动态补偿的容错控制策略.该方法通过在线估计时延将系统建模为随机切换系统,并在模型参考自适应方法的基础上设计RBF神经网络动态补偿容错控制器,利用Lyapunov稳定性理论给出神经网络补偿器的在线权值学习算法,以保证网络控制系统在故障情况下的跟踪性能和状态一致最终有界稳定.最后通过仿真验证了该方法的有效性.     

基于近似动态规划方法的未知系统的最优跟踪控制

针对不确定的非线性连续系统,通过神经网络对系统进行辨识.基于辨识后的确定系统,利用执行网-评价网双网结构进行同步调节解决最优跟踪问题.应用李雅谱诺夫方法进行辨识分析和系统稳定性分析,定理结论表明辨识系统为渐近辨识的,同时系统的跟踪误差和权重误差一致最终有界,倒立摆仿真例子验证了算法的有效性.     

粒子群优化模糊神经网络在语音识别中的应用

针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.     

混沌遗传算法对BP神经网络的改进研究

BP神经网络算法是目前应用最广泛的一种神经网络算法,但有收敛速度慢和易陷入局部极小值等缺陷.本文利用混沌遗传算法(CGA)具有混沌运动遍历性、遗传算法反演性的特性来改进BP神经网络算法.该算法的基本思想是用混沌遗传算法对BP神经网络算法的初始权值和初始阈值进行优化.把混沌变量加入遗传算法中,提高遗传算法的全局搜索能力和收敛速度;用混沌遗传算法优化后得到的最优解作为BP神经网络算法的初始权值和阈值.通过实验观察,改进后的结果与普通的BP神经网络算法的结果相比,具有更高的准确率.     

Real-time stable self-learning FNN controller using genetic algorithm

A kind of real-time stable self-learning fuzzy neural network (FNN) control system is proposed in this paper. The control system is composed of two parts: (1) A FNN controller which use genetic algorithm (GA) to search optimal fuzzy rules and membership functions for the unknown controlled plant; (2) A supervisor which can guarantee the stability of the control system during the real-time learning stage, since the GA has some random property which may cause control system unstable. The approach proposed in this paper combine a priori knowledge of designer and the learning ability of FNN to achieve optimal fuzzy control for an unknown plant in real-time. The efficiency of the approach is verified by computer simulation.     

遗传算法结合神经网络在油气产量预测中的应用

基于遗传算法的全局搜索能力和BP算法的局部精确搜索特性,通过采用遗传算法优化神经网络的方法,将遗传算法和BP算法有机结合,做到优势互补,在提高油气产量预测精度的研究中得到了很好的应用.在对国内某中小型气田油气产量的预测中,以历史产量资料进行检验,其结果表明,提出的预测方法,预测精度明显优于BP算法,证明了这种方法的有效性和可靠性.     

模糊RBF神经网络在音频零水印中的应用

针对当前零水印不能"嵌入"有意义水印的不足,构建了在小波域中基于神经网络的零水印系统,提出了一种基于模糊RBF神经网络的音频零水印方案,有效解决了音频水印的鲁棒性与透明性之间的矛盾.模糊神经网络模糊系统的隶属度函数和推理规则决定RBF神经网络的结构和学习算法.因为水印方案不改变原始音频数据,所以具有良好的透明性,实验结果表明,方案具有很强的鲁棒性.     

三层前向人工神经网络全局最优逼近

提出了求解不等式约束非线性优化问题的群体复合形进化算法 ,提出的算法能充分利用目标函数值的信息、优化搜索过程具有较强的方向性和目标性 ,收敛速度较快 ,且是全局优化算法 ;将群体复合形进化算法应用于三层前向人工神经网络逼近 ,提出了三层前向人工神经网络全局最优逼近算法 ;将三层前向人工神经网络全局最优逼近算法应用于实例 ,表明了提出的全局最优逼近算法的有效性 .     

Evaluation of fuzzy regression models by fuzzy neural network

In this paper, a novel hybrid method based on fuzzy neural network for approximate fuzzy coefficients (parameters) of fuzzy linear and nonlinear regression models with fuzzy output and crisp inputs, is presented. Here a neural network is considered as a part of a large field called neural computing or soft computing. Moreover, in order to find the approximate parameters, a simple algorithm from the cost function of the fuzzy neural network is proposed. Finally, we illustrate our approach by some numerical examples.     

故障诊断中模糊神经网络的应用研究

文章给出了利用模糊神经网络诊断故障的数学模型、基本原理、方法、步骤 ,和模糊网络的学习流程 ,并利用梯度法推导出两种诊断算法 ;在对某发动机滑油典型故障样本的仿真过程中 ,结果完全正确 ,对非样本故障的仿真 ,准确率达 90 % .     

基于知识的模糊神经网络的旋转机械故障诊断

提出了一种基于知识的模糊神经网络并用于故障诊断．首先基于粗糙集对样本数据进行初步规则获取,并计算规则的依赖度和条件覆盖度,然后根据规则数目进行模糊神经网络结构部分设计,规则的依赖度和条件覆盖度用于设定网络初始权重,而用遗产算法对神经网络输出参数进行优化．这样的模糊神经网络称为基于知识的模糊神经网络．使用该网络对旋转机械常见故障进行诊断,结果表明,和一般模糊神经网络相比,该网络具有训练时间短而诊断率高的特点．     

A hybrid genetic algorithm–neural network strategy for simulation optimization

Simulation optimization aims at determining the best values of input parameters, while the analytical objective function and constraints are not explicitly known in terms of design variables and their values only can be estimated by complicated analysis or time-consuming simulation. In this paper, a hybrid genetic algorithm–neural network strategy (GA–NN) is proposed for such kind of optimization problems. The good approximation performance of neural network (NN) and the effective and robust evolutionary searching ability of genetic algorithm (GA) are applied in hybrid sense, where NNs are employed in predicting the objective value, and GA is adopted in searching optimal designs based on the predicted fitness values. Numerical simulation results and comparisons based on a well-known pressure vessel design problem demonstrate the feasibility and effectiveness of the framework, and much better results are achieved than some existed literature results.     

聚类优化RBF网络在锅炉燃烧中的应用

为了提高径向神经网络的训练精度,提出一种混合优化算法.算法将基于萤火虫算法的模糊聚类,应用到径向神经网络基函数中心向量的计算中,利用萤火虫算法良好的全局寻优能力来优化搜索基函数中心,提高了获取网络类中心的稳定性.锅炉燃烧优化的实例表明,混合优化算法达到了预期效果,提升了锅炉燃烧效率.