模糊神经网络系统建模

介绍了基于神经网络的模糊系统Ｍｏｄｕｌａｒ神经网络，提出了改进的学习算法，最后通过建模实例验证，使用本文改建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。     

杜一村，杨晨，李玉峰

［目的］为了提高舰员对安全监控系统的操作能力，［方法］采用在实装系统中嵌入模拟训练模块的方法，使模拟训练与实装系统形成有效闭环，并基于训练与实装互联、协同训练、训练评估等技术，着重解决训练与实装的资源共享及安全隔离问题。［结果］实现了舰艇安全监控系统的在线训练功能，为舰员提供了真实的操作、训练环境，具有较好的训练效果。［结论］测试证实了该嵌入式模拟训练软件的有效性，可为后续其他模拟训练系统的研制提供参考。     

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。     

模糊聚类算法在涡轮增压系统故障检测中应用

船舶柴油机是船舶的有效动力,涡轮增压系统能够使得船舶燃料得到充分的利用,节省航行成本。对涡轮增压系统进行及时的故障诊断非常重要。本文通过改进传统的模糊聚类算法,得到模糊核聚类算法,并将其应用于船舶涡轮增压系统故障检测中,最后通过对比实验说明本文算法识别率高、检测消耗的时间少。     

基于TSK模糊系统的改进CMAC超闭球网络结构

充分利用了TSK（Sugeno-Tanaka)模糊系统的优点，提出了改进的CMAC（Cerebellar Model Articulation Controller)超闭球结构网络，给出了其学习算法，实验结果表明改进的CMAC超闭球结构网络较之CMAC超闭球结构网络对样本有更高的逼近精度。     

基于TSK模糊系统的改进CMAC超闭球网络结构

充分利用了TSK(Sugeno-Tanaka)模糊系统的优点，提出了改进的CMAC(Cerebellar Model Articulation Controller)超闭球结构网络，给出了其学习算法，实验结果表明改进的CMAC超闭球结构网络较之CMAC超闭球结构网络对样本有更高的逼近精度。     

α—模糊基函数系统及其确定问题研究

在Ｄｒ．Ｗａｎｇ的模糊逻辑系统基础上，提出了改进的α－模糊基函数系统，使其能充分表征语言信息和数据信息及其反馈作用。接着依据ＭＯＬＳ算法，提出了α－模糊基函数系统的确定算法。仿真结果表明，笔者提出的理论和方法是有效的。     

电力监控系统中自适应模糊聚类算法的应用

船舶电力监控系统对于船舶的航行非常重要。本文针对C均值模糊聚类局部最优解的情况,从遗传和进化的角度出发,利用遗传算法对其改进,提出基于遗传算法的自适应模糊聚类算法,并将其应用于船舶电力负载监控中,最后通过实验对比说明本文改进算法的有效性。     

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。     

模糊核聚类在船舶故障诊断中的应用

船舶故障具有非线性和模糊性的特点,本文将模糊核聚类算法应用于船舶故障诊断。首先阐述模糊核聚类算法的实现过程,并将此算法与模糊聚类在目标函数收敛性、学习能力、诊断正确率等方面进行对比,实验结果表明,本文算法在船舶故障诊断方面鲁棒性强、收敛速度快、学习能力强。     

新型模糊系统MK的改进模糊系统IMK研究

仿照TSK模糊模型，对新型模糊系统（MK）进行了改进。并证明了在一定的条件下该改进的模糊系统（IMK）与标准模糊系统是等价的。然后用Stone-Weierstrass定理证明该模糊系统仍然具有全局逼近特性。最后，通过两个应用程序比较了该模糊系统改进前后的逼近精度、泛化能力和收敛速度。     

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.     

关于风流中航迹推算方法的探讨

直至１９９１年，我国交通院校的统编教材《航海学》中关于航迹推算部分，都是按照原苏联乌霍夫（К．С．Ухов）教授在［１］中提出的观点和方法论述的。在［１］～［４］中，都错误地将计程仪船速矢量定义在风中航迹线上，因而，在此基础上提出的有风有流情况下的航迹推算方法也是错误的。本文在纠正这些错误的同时，还对绝对计程仪船速在风流航迹推算中的应用作了深入的分析，从而纠正了［４］在论述这个问题上存在的错误。     

模糊推理规则的学习算法A

针对模糊推现规则的学习问题，基于Ｂ－Ｐ学习算法的思想，本文提出了模糊推理规则的学习算法Ａ。对于给定的训练集，学习算法Ａ能通过迭代学习到模糊推理规则，ｉｆＸｉｓＡｔｈｅｎＹｉｓＢ（α，β）中的α，β学习算法是Ａ具有易于实现之优点。     

神经网络理论与模糊理论在目标威胁判断中的应用

本文应用模糊理论和神经网络理论为构造网络，根据模糊决策表选用不同的网络计算目标的威胁度并排序。选用几种典型样本的参数并集中了专家的经验，对样本进行训练，效果良好。计算机仿真结果表明，此算改进了目前常用算法中存在的不足。     

关于移线定位的精度问题

关于转移船位线和移线定位的精度问题，在航海院校的教材《航海学》（文献［１］、［２］、［３］）中都有论述，它们 都是根据前苏联乌霍夫教授在他编著的《航海学》（文献［４］中提出的观战来论述的。但是，由于都忽视了船位线误差的方向性。因而引起的转移船线点头估计的公式是错误的，由此得的移线船位的精度估计公式也是错误的。本文从船位线误差的定义出发，分析转移船位线的误差，从而得到正确的转移船位线和和移线船位标准     

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。     

船舶航向非线性系统的模型参考模糊自适应控制

考虑船舶航向控制系统模型中存在不确定非线性函数，并假设该函数是连续的，在以模糊系统对该函数进行逼近的基础上，利用Lyapunov理论，提出了一种新的模型参考模糊自适应控制算法。其特点是，无论取多少条模糊系统规则，自适应学习的参数只有一个，便于工程实现，而且还确保闭环系统渐近稳定，并使系统的模型跟踪误差为零。最后以远洋实习船“育龙轮”为倒，进行了船舶航向模型参考模糊自适应自动舵设计，并利用Matlab工具箱进行了仿真研究，结果证明该算法十分有效。