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。     

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。     

扩张原理的网络结构分析

在分解定理建模的基础上，对扩张原理建模进行研究，最后得出扩张原理的网络表示，为神经网络和模糊系统的结合奠定了基础。     

水面无人艇的模糊建模方法研究

近年来,水面无人艇技术发展迅速,在军事侦察、武装保护等方面发挥显著作用,已成为水面反恐的重要方式之一。然而,水面无人艇航行在线性度、耦合性上存在较大的缺陷,高精度控制方式实现复杂。为实现水面无人艇航行的高精度、高准确度控制,本文将神经网络和模糊技术相结合,提出一种基于神经网络的模糊建模方法,对系统模型进行仿真可知,水面无人艇的模糊建模方法有效,且能够实现对无人艇航行的精确控制,具有进一步推广应用的潜力。     

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.     

基于模糊神经网络控制的水面无人艇建模与仿真

水面无人艇(USV)的控制是智能控制与船舶控制的一个重要研究方向.由于船舶运动的复杂性,自动航向控制是水面无人艇研究中的一个关键问题,传统控制方法很难取得好的控制效果.本文对模糊逻辑和神经网络智能控制方法及其在船舶航向控制的运用进行了研究.选取滑行艇作为无人艇艇体,采用喷水推进装置,利用模糊神经网络对艇体的航向进行控制,利用Matlab软件对水面无人艇进行建模,对3种海况干扰无人艇的情况进行实时仿真,仿真结果基本令人满意.     

主冷凝器真空与凝水过冷度的智能控制研究

本文以主冷凝器为典型对象,提出了主冷凝器的神经网络建模方法,并利用模糊控制理论设计了一种主冷凝器真空与凝水过冷度局部分层模糊控制系统,最后给出了验证该控制系统效果的仿真试验方法。     

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。     

基于神经网络/模糊逻辑系统的混合式特征提取器

特征提取是水声目标分类的关键环节之一，用以获取各类目标的一些可鉴别性特征。螺旋桨轴频、叶率和叶片数是目标的本质性、鉴别性特征，是分类的重要线索。本文提出了一个基于神经网络／模糊逻辑系统的混合式特征提取器，先利用侧抑制神经网络从目标辐射噪声的包络谱中提取线谱序列，再利用模糊逻辑系统从线谱序列中提取出螺旋桨轴频、叶率和叶片数。对目标数据的分析表明：该特征提取器能够为目标分类提取有效的鉴别性特征。     

基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。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。     

基于模糊神经网络方法的虚拟企业合作伙伴的选择

虚拟企业组建过程中对合作伙伴的选择是十分重要的，为了解决该问题，本文提出一种用模糊神经网络的方法来辅助盟主企业选择合作伙伴的方案。     

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。     

大型机电设备仿真建模的智能方法研究

本文提出了一种基于神经网络的大型机电设备仿真建模智能方法，详细讨论并解决了该法实施过程中的若干关键技术问题。通过对某船用蒸气动力装置简易训练模拟器进行仿真建模研究，表明该法对大型机电设备的仿真建模非常有效。     

基于多Agent的模糊建模系统设计与实现

针对模糊建模过程中最佳技术组合的选择问题，运用多Agent理论和Sun Jini技术，构建了一个分布式的模糊建模系统。通过该系统能够方便地添加、测试和选择各种模糊建模的软计算技术。试验结果证明该系统具有良好的灵活性、可扩展性和可靠性。     

一种结构自适应模糊聚类神经网络分类器的研究

本文通过一种新的相似度度量概念，综合模糊Ｃ－ｍｅａｎｓ网、自适应谐振理论（ＡＲＴ－１）及模糊自组织映射网（ＦＣＮ）的诸多优势，提出了一种综合的结构自适应模糊聚类神经网络。该网络具有类内聚集性强，类间可分性好的特点。通过对声纳目标信号分类试验表明，本文提出的结构自适应模糊聚类网，对比于ＢＰ网，具有迭代次数少、识别率高等明显优点，是一种具有实际应用价值的分类器模型。     

新定义模糊Hopfield神经网络的稳定性研究(Ⅰ)

提出了一类新定义的模糊Hopfield神经网络(NFHNN).在此基础上,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究,并且给出了一个模糊模式是该网络吸引子的充要条件.     

基于模糊神经网络和D-S证据理论的故障诊断方法研究

提出一种基于模糊神经网络和D-S证据理论的故障诊断方法。该方法利用模糊逻辑和神经网络的优势，通过数据融合充分利用各种信息，提高诊断的精度。经算例证明，该方法可靠、有效，对于复杂装备的故障诊断有一定意义。     

新定义模糊Hopfield神经网络的稳定性研究（Ⅰ）

提出了一类新定义的模糊Hopfield神经网络（NFHNN）。在此基础上,对该网络一致稳定性和吸引子的Lyapunov稳定性进行了研究,并且给出了一个模糊模式是该网络吸引子的充要条件。     

BP神经网络在冷凝器建模中的应用

本文利用神经网络的非线性映射和泛化能力,建立了一个冷凝器的BP神经网络模型.仿真结果表明,该建模方法直接有效,具有一定的研究意义和应用价值.