ANFIS及其在控制系统中的应用

详细介绍了模糊推理系统FIS(FuzzyInferenceSystem)和自适应神经元模糊推理系统ANFIS(AdeptiveNeuro-fuzzyInferenceSystem)的基本概念,并着重论述了ANFIS在控制领域中的应用.最后举了一组通过样本数据对ANFIS进行训练的例子.实验结果表明,训练后的ANFIS能很好的控制实际的对象.     

基于FCM-ANFIS模型的船舶交通流预测

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。     

船舶航向的自适应神经模糊控制系统

针对模糊控制器中的量化因子、模糊规则等难以人工整定的困难,文中提出了一种基于自适应神经模糊推理系统(ANFIS)的船舶航向控制算法,利用船舶航向模糊控制器两端获取的数据来训练ANFIS控制器,并将其控制效果和船舶航向模糊控制器的控制效果进行了比较,仿真结果表明,在不同风速和流速干扰作用下,基于ANFIS的航向控制器无论在超调量、响应时间和稳态误差方面都具有更好的控制品质,在干扰下仍然能够满足船舶航向实时控制的要求.     

船舶结构设计中的知识库表征与控制

为了将知识库理论运用于船舶设计领域，提出了一种基于复杂对象的知识表征方法（Complex Object-based Knowledge Representation）。本文还介绍了一种其于假想对象推理机制，被称为（COREComplex Object-based Inference)，以达到对知识库进行有效的控制。     

基于小波变换的神经模糊系统的一种非线性滤波方法

针对信号中含有复杂噪声难以滤除的问题,提出了一种把自适应神经模糊推理系统(ANFIS)与小波变换相结合的方法,该方法通过ANFIS具有万能逼近原理,及小波变换中小波的分解与重构,来调整适当的阈值来达到最终滤波的效果。仿真结果表明对于一个含有复杂噪声的信号而言,此种结合的方法与单独利用ANFIS或小波变换相比,滤波效果更佳。而且对实际中含有未知噪声的去除问题提出了一种可行的方法。     

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。     

基于ReliefF-ANFIS方法的船舶安全评估

船舶安全评价一直是行业热点,论文利用特征选择算法(ReliefF)计算出船舶评价指标的分类特征,淘汰掉相对其他评价指标不合适或者计算中容易产生冗余的特征指标。利用自适应神经模糊推理系统(ANFIS)建立风险预测模型,通过"高河轮"的数据对ReliefF-ANFIS安全评价系统进行了验证并取得了较高的评价精度。     

基于鲁棒模糊控制的船舶转向及航向保持

为更好的满足船舶转向和航向保持对自动舵系统的不同要求,首先基于一阶闭环增益成形算法对船舶转 向过程分三段进行控制器设计,在自适应模糊推理系统(ANFIS)离线模型辨识正确的前提下得到每个控制器的模糊隶属度函数,然后对三个控制器的输出进行T-S模糊综合.以实习船"育龙"轮的非线性响应模型为控制对象,考虑不同的干扰和模型摄...     

基于Hopfield神经网络的导航系统的滤波估计

介绍了以中精度惯性导航系统INS（Inertial Navigation System）为主，与全球导航定位系统GPS（Global Position System）等多个次级导航系统组成的导航系统的实现方案。设计了基于Hopfield神经网络的导航系统的滤波估计算法。经计算机模拟仿真证明，神经网络的算法优于通常的卡尔曼滤波方法。     

小车倒立摆系统的模糊控制仿真研究

小车倒立摆系统是一个典型的非线性、不稳定的控制对象，因此小车倒立摆系统的控制问题被公认为控制理论中的一个典型问题。本文基于Mamdani和Takagi-Sugeno(简称T-S）模糊推理模型分别建立了小车倒立摆模糊控制系统，用仿真的方法研究了它们的控制性能和特点，并与传统的PID控制方法进行了比较。