智能控制中的模糊神经网络技术研究动向

本文综述了模糊神经网络技术的发展现状及主要内容，讨论了其研究中存在的问题，并对该技术的发展前景进行了展望。     

一类对象的仿人智能控制算法

在简要给出的仿人智能控制器模型基础之上，采用仿人智能控制器的设计方法，详细阐述了针对伺服对象的仿人智能控制算法，并对算法进行了仿真验证。     

基于模糊神经网络进行磨削加工尺寸精度智能控制的研究

采用模糊神经网络方法进行磨削加工尺寸精度的控制，给出了模糊推理BP网络模型。通过仿真证明了模糊神经网络控制的可行性，控制精度优于传统方法。     

一种模糊神经网络自校正控制器设计与应用

本文提出了一种模糊神经网络智能控制方法，并介绍了采用多层神经网络表达模糊控制和知识规则，模糊推理和学习算法，实验仿真结果表明，这种控制方案可改善具有时变及大纯滞后系统的控制品质，其性质优于一般模糊控制。     

基于神经网络和模糊逻辑的智能火灾探测

探讨了一种基于模糊逻辑和前馈神经网络的火灾探测和自动报警的方法。该方法以半导体感温，离子感烟和湿度模拟传感量为基本特征，并附加其相应的趋势特征对神经网络进行训练。神经网络所对应的明火概率和阴燃火概率输出，经过模糊判决器后检测火灾现象是否发生，实验表明利用传感量的趋势特征和模糊逻辑判决的自动探测系统，能够及时准确地检测出火灾，为火灾报警提供了一种新的有效的方法。     

一种采用神经网络的智能控制算法

本文基于Ａｄａｌｉｎｅ神经网络，讨论了一种采用神经网络的智能控制法，该算法用了一个二层网络代替传统控制器或专家控制器，用改进的ＢＰ算法求网络的参数。仿真结果表明，采用该控制算法的控制系统具有良好的响应特性。     

基于神经网络和模糊逻辑的智能火灾探测

探讨了一种基于模糊逻辑和前馈神经网络的火灾探测和自动报警的方法．该方法以半导体感温，离子感烟和湿度模拟传感量为基本特征，并附加其相应的趋势特征对神经网络进行训练．神经网络所对应的明火概率和阴燃火概率输出，经过模糊判决器后检测火灾现象是否发生．实验表明利用传感量的趋势特征和模糊逻辑判决的自动探测系统，能够及时准确地检测出火灾，为火灾报警提供了一种新的有效的方法     

模糊神经网络在压边力智能控制中的应用

应用模糊神经网络专家系统实现了冲压成形过程中压边力的智能化控制，对系统模糊神经网络的构造和模糊神经推理机制进行了详尽的说明，介绍了压边力模糊神经网络和优化控制的设备及实现，并利用其对带凸缘的圆筒件拉深控制规律进行了研究。     

基于神经网络与模糊逻辑的直接转矩控制系统

实现直接转矩控制 (DTC)的关键部件是定子磁链观测器和逆变器状态开关选择器 ,用训练好的神经网络取代U I N模型 ,模拟传统异步电动机DTC系统定子磁链观测器 ;把模糊控制算法引入状态开关选择器 ,用较少的模糊规则实现磁链误差、转矩误差和磁链角对逆变器开关的分级控制 .仿真结果表明 ,基于神经网络与模糊逻辑控制方法建立的直接转矩控制系统 ,具有较强的鲁棒性和良好的动态性能     

粗糙集理论及其在智能控制领域的应用前景

简要阐述了粗糙集理论的基本框架,介绍了粗糙集理论在智能控制中的发展趋势,指出它在智能控制领域的理论与应用研究已成为当前该理论的研究热点;重点介绍了它与模糊、神经网络等软件计算方法的融合,这种融合将极大地提高混合智能控制系统的机器智商。     

基于神经网络的带遗传算法的模糊控制器

研究如何将模糊逻辑系统（ＦＬＳ）、人工神经网络（ＡＮＮ）及遗传算法（ＧＡ）相结合,构成一个有机的控制器,从而达到准确、快速的控制。     

基于神经网络的模糊控制系统的研究

从模糊理论和神经网络各自特点出发 ,详细讨论这 2大系统的联系和区别 .进一步将两者有机的结合起来 ,实现基于神经网络的模糊控制推理结构的设计 ,同时给出其设计的方法和步骤 .显示两者的结合是实现更完美智能控制系统的有效途径 .     

一种基于模糊神经网络的智能控制系统

针对具有较大惯性和时变特性的被控对象,以减小动态调节过程中累积平方误差指标为目标,设计了基于模糊神经网络的智能控制系统.,并结合动态调节过程的特点推导了学习算法公式。     

一种基于模糊神经网络的智能控制系统

针对具有较大惯性和时变特性的被控对象,以减小动态调节过程中累积平方误差指标为目标,设计了基于模糊神经网络的智能控制系统.,并结合动态调节过程的特点推导了学习算法公式。     

基于模糊逻辑控制交流伺服系统的研究

论述了交流伺服系统的原理,组成,数学模型。在此模型基础上对交流伺服系统引入智能控制,对模糊逻辑控制器（FLCR）进行了深入的研究。采用FLCR能使系统具有克服被控对象和环境的不确定性的能力,解决了难于建模的问题,提高了交流伺服系统的跟随性和抗干扰性。     

取暖锅炉模糊智能控制算法研究

从取暖锅炉的特性分析出发,具体地叙述了燃烧系统的特点及近似 数学模型,为适应的复杂燃烧工况,提出了模糊智能控制算法。该算法建立知识库,在取暖 锅炉的起动阶段采用非线性控制规则,并观察燃烧“趋势”,在接近给定值时采用自寻优大林算法,在给定值附近采用改进的WAS算法,以期实现锅炉燃烧工况最佳, 达到提高锅炉燃烧效率的目的。     

基于二级结构的智能控制

本文研究了一种新的智能控制器，它有二级构成，第一级由神经元网络作为控制器，第二级由模糊决策确定网络学习参数，算法具有学习功能，与ＰＩＤ相比，该控制器控制效果也较好。     

模糊神经网络控制系统

介绍了将神经网络和模糊控制相结合,即用人工神经网络算法产生模糊推进规则和隶属函数,再基于这些模糊推理规则和隶属函数产生模糊逻辑控制的一种新颖控制策略-模糊神经网络系统的组织结构及其神经网络的设计。     

模糊神经网络的理论发展与应用研究

本论文主要介绍了模糊神经网络的产生与发展过程,模糊神经网络的特点与结构,并结合实例对其在解决问题中的应用进行了说明。     

基于粒子群算法和模糊神经网络的车牌图像匹配

本文将粒子群算法和模糊神经网络结合用于智能交通中的车牌图像匹配。利用粒子群算法全局寻优的快速性和模糊神经网络精确性，优化神经网络权重学习和训练神经网络。实验结果表明：本文设计算法具有精确性、收敛性和匹配快等特点。