模糊神经网络系统建模

本文基于Ｍｏｄｕｌａｒ神经网络的模糊系统实现技术，对于文献［１］、［２］提出的学习算法进行了改进。最后通过建模实例验证，使用本文改进的学习算法进行学习后建立的模糊系统，有着更强的泛化能力和更高的逼近精度。     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法，实验结果表明Improved-FCP网络之FCP网络对样本有更高的逼近精度。     

基于模糊RBF神经网络的辐射源识别

针对模糊识别系统的不足,为了提高辐射源识别系统的识别正确率,构建了基于模糊RBF神经网络的辐射源识别系统,提出了一种等价型模糊RBF神经网络的结构和学习算法,采用五层神经网络结构来实现模糊系统的模糊化和规则推理,神经网络的所有节点和参数对应了模糊系统的隶属函数和推理过程.在仿真实验中,分别采用模糊识别系统、并联型模糊RBF神经网络、结构等价型模糊RBF神经网络进行辐射源识别,给出了三种算法在相同噪声环境下的仿真结果,表明等价型模糊RBF效神经网络有较高的正确识别率,具有更强的抗干扰能力,但运算量相对较大.     

基于TSK模糊系统的模糊对向传播神经网络

充分利用了TSK(Sugeno-Tanaka)模糊系统的优点，提出了改进的模糊对向传播神经网络Improved-FCP，并给出了其学习算法。实验结果表明Improved-FCP网络较之FCP网络对样本有更高的逼近精度。     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(PCM)算法和模糊对向传播神经网络相结合，解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题，在此基础上结合卫张(Sugeno Tanaka Kang)模糊模型，提出了改进的模糊对向传播神经网络Improved FCP，并给出了学习算法。对两种典型的非线性模型进行实验研究，实验结果表明Improved FCP网络具有良好的非线性逼近能力。     

基于GA-FCMAC算法的船舶运动智能控制器

在研究模糊小脑模型神经网络控制器（FCMAC）的基础上，本文提出了基于遗传算法学习的模糊小脑模神经网络控制（GA－FCMAC）算法并应用于船舶运动。仿真结果表明该算法具有良好的控制性能。     

基于模糊神经网络的水下机器人推进系统故障诊断

为了解决水下机器人推进系统运行可靠性问题，提出一种基于模糊神经网络的机器人推进系统故障诊断方法，用以解决故障诊断过程中信息的不确定性问题，并提高推进系统的整体可靠性。该方法在常规神经网络基础上，引入模糊推理形成一种新型模糊神经网络结构，提出一种最小调整的模糊神经网络学习率，完成模糊神经网络训练算法的推导。通过对水下机器人实施定速直航与转向等试验完成神经网络的在线训练，利用已完成训练的神经网络对机器人进行运动建模。通过比对神经网络模型估计值与机器人传感器的实测值获取残差信息，并对残差进行故障信息提取以实现故障诊断。将上述方法应用于仿真试验中，结果表明，基于模糊神经网络水下机器人推进系统故障诊断方法具有较高的可行性和有效性。     

改进的基于TSK模型的模糊对向传播神经网络研究

将模糊C-均值(FCM)算法和模糊对向传播神经网络相结合,解决了模糊对向传播神经网络中模糊隶属度函数的自动生成问题,在此基础上结合TSK(Sugeno Tanaka Kang)模糊模型,提出了改进的模糊对向传播神经网络Improved FCP,并给出了学习算法.对两种典型的非线性模型进行实验研究,实验结果表明Improved FCP网络具有良好的非线性逼近能力.     

基于IGA-BP算法的船舶航向智能自适应控制系统设计

在深入研究基于BP学习算法的前向神经网络以及模糊神经网络控制器的基础上,针对模糊神经网络控制器难以设计以及传统BP学习算法易于陷入局部收敛的不足,结合免疫遗传算法的全局收敛特性以及BP学习算法局部收敛的快速性,提出了一种基于混合计算智能方法的IGA-BP算法的神经网络参数的优化设计方法.将设计的控制器用于建立船舶航向控制系统模型,仿真结果表明,在船舶无干扰和存在随机干扰的情况下,基于IGA-BP算法设计的船舶航向控制系统均能使船舶转向控制无超调,跟踪快,比BP学习算法的控制效果更理想.     

动态模糊神经网络在船舶动力定位中的应用

在前向模糊神经网络的归一化层和输出层之间加入递归层,形成的一种新型动态模糊神经网络(DFNN)具有动态映射能力,从而对动态系统有更好的响应.文章还推导了基于BP的反传学习算法.运用DFNN对船舶动力定位控制进行的仿真实验结果证明了该方法的有效性.     

基于FNN的船舶舵伺服系统故障诊断研究

分析某型船舶舵伺服系统的故障信息,建立了模糊神经网络故障诊断模型.利用模糊逻辑处理数据以便于充分利用经验知识;利用神经网络诊断,避免了复杂故障树诊断系统的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,并采用改进的BP算法训练神经网络,解决了收敛速度和收敛振荡的问题.诊断实例结果表明:该故障诊断系统具有较强的鲁棒性和泛化能力;该算法采用无模型化诊断,容易实现自学习,可不断完善系统性能,具有一定的理论和工程应用价值.     

模糊神经网络在故障诊断中的模型与应用

对一种地模糊神经网络的故障诊断方法进行了研究，探讨了模糊误字率攻模糊算了选择，以柴油示功图作为特征信号，构造了船舶主机故障诊断仿真系统，并给出了系统知识学习和模糊推理结果。     

基于高阶模糊神经网络及D—S证据理论的数据融合系统

高阶神经网络具有容量大，逼近能力强，容错范围广的特点，模糊系统具有较高的模糊语言处理能力，D－S证据理论具有不需要先验概率的优点，故将高阶神经网络，模糊系统，D－S证据理论运用于数据融合系统，可以使得该系统具有较强的系统自学习能力和对外界环境的适应能力。     

模糊神经网络控制在调速系统中的应用研究

针对无刷直流电机(BLDCM)调速系统的特点,在分析BLDCM(Brushless DC Motor)的数学模型的基础上建立了控制系统的仿真模型,设计了一种新的模糊神经网络控制器FNNC(Fuzzy Neural Network Controller),并运用遗传算法优化模糊神经网络结构和改进在线学习算法,将其应用到直流电机调速系统中。仿真试验表明,该方法较传统PID控制有更好的控制效果。     

基于目标规划的水下机器人模糊神经网络控制

针对水下机器人运动的精确控制问题,依据模糊逻辑和神经网络理论,提出了一种基于目标规划的模糊神经网络控制方法。根据水下机器人的运动特性构造了模糊神经网络的结构,并推导了网络权值学习的反传算法,最后以水下综合探测机器人为研究对象进行了试验研究。试验研究的结果表明,该方法结合了传统模糊控制和神经网络控制的优点,大大地提高了系统响应速度和控制精度,并且对模型的不确定性有较强的鲁棒性,能够实现水下机器人运动的精确控制,具有较高的理论和实用价值。     

基于EKF神经网络的潜艇运动模糊控制

卡尔曼滤波算法是常用的优化算法之一，广泛应用于去噪、滤波、优化等方面。利用其优越的数学特性，在神经网络学习训练过程中，将扩展卡尔曼滤波递推公式与RBF算法结合，然后根据神经网络输出的潜艇运动参数来设计模糊控制器。仿真结果表明：该算法具有很好的控制精度、动态特性和鲁棒性。     

基于自适应模糊系统的船舶碰撞危险评判

本文应用模糊系统方法建立船舶碰撞危险的专家评判系统。该系统用数值化的模糊联想记忆（ＦＡＭ）规则表示专家的领域知识并进行模糊推理,同时采用神经网络的微分竞争学习算法（ＤＣＬ）实现规则的自适应生成,该系统能模仿人类专家迅速作出危险评判,并具有学习,更新和完善的能力。     

基于模糊神经网络的水火弯板双臂系统控制与研究

研究了水火弯板双机械臂的非线性控制问题,采用一种模糊神经网络算法,利用神经网络的学习能力和模糊控制的模糊信息处理能力,调整优化双机械臂运动的位置偏差,得到该控制体系下的最佳驱动参数,仿真结果表明,该控制策略提高了水火弯板双机械臂的控制精度,并且使系统具有较好的动、静态性能。     

基于模糊神经网络的水下机器人局部路径规划方法

该文探讨了基于模糊神经网络理论的实时局部路径规划问题，并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法，设计了水下机器人实时运动规划器结构以及规划器操作过程和相应的算法。仿真实验结果验证了本文所提方法的有效性和可行性。