摘要：针对在产品方案设计阶段成本估算信息少且颗粒度大的问题,结合神经网络和模糊工程技术提出了动态模糊神经网络(DFNN),采用模糊推理的信息处理方法,在学习过程中隐层层数及维数根据规则不断变化,神经网络结构呈现动态.研究了动态模糊神经网络的学习过程、网络动态算法及模糊知识处理方法,建立了成本估算模型,并开发了基于动态模糊神经网络的成本估算软件,实现了利用产品方案设计信息自动进行成本估算.以挖掘机和液压油缸为例进行验证,结果表明该方法具有较强的信息处理能力,并提高了成本估算模型的柔性.

摘要：针对负载模拟器难以准确建模,多余力矩严重影响力矩加载性能的特点,提出一种基于动态模糊神经网络抑制多余力矩的新方法.该动态模糊神经网络无须较强领域的专家知识,是系统自动建模及抽取模糊规则的网络,且模糊神经网络结构是动态变化的,其模糊规则是在学习过程中逐渐增长而形成的.设计了结合前馈反馈控制和直接逆控制的控制策略,在线更新算法,实时更新网络结构及参数以及时跟踪被控对象逆模型的变化,与其并行的PID控制器的作用在于保持系统的稳定并获得更快速的系统响应和更佳的跟踪精度.通过仿真可以看出基本消除了多余力矩,系统性能得到改善,仿真效果令人满意。

摘要：针对铝合金脉冲MIG焊接过程参数间强耦合、不稳定等关键问题,在介绍DFNN结构、学习算法基础上,设计了基于D-FNN的解耦控制器,并对同步、非同步与加干扰脉冲输入信号下分别对以脉冲电流占空比、送丝速度为输入量,以焊丝伸出长度(干伸长)、焊缝正面熔宽为被控量的铝合金脉冲MIG焊多输入多输出(multiple-input multiple-output,MIMO)过程进行了动态解耦控制仿真研究,仿真结果表明,D-FNN控制器能够实时进化规则,动态调整学习因子,实现了MIMO过程的完全解耦,满足焊接实时控制要求且具有快的响应速度、较好的鲁棒性,为铝合金脉冲MIG焊MIMO过程稳定焊接提供了一种新型的实时解耦控制方法.

摘要：提出了一种新型的动态模糊神经网络算法,该动态模糊神经网络的结构基于扩展的径向基网络。其算法的最主要特点是:采用修剪技术与参数调整,从而可以获得重要的规则以及更新前提参数的中心和宽度。这一思想等价于把全局算法分解为一系列解耦的算法。最后通过对函数逼近来验证动态模糊神经网络逼近能力的有效性。仿真结果表明,由于使用了修剪技术与参数调整使得动态模糊神经网络具有紧凑的系统结构、强大的泛化能力以及快速的学习速度。

摘要：提出了将动态模糊神经网络用于开关磁阻电机建模的新方法,根据试验采样获得的数据建立电感和磁链特性模型,并将该模型应用到整个系统中。与其他建模方法比较,采用动态模糊神经网络获得的电感和磁链模型可在线训练,并具有紧凑的系统结构和强大的泛化能力。建模所得系统仿真同实际系统比较,电流波形基本一致,验证了新的建模方法的正确性和可行性。同时,该建模方法还可以进一步应用到开关磁阻电机的实时控制系统中,为工程设计和调试提供依据。

摘要：在D-FNN算法基础上,提出了一种新的基于椭圆基函数的广义动态模糊神经网络方法。该方法不仅可以用于系统建模、辨识和控制,而且还可以用于模糊规则的自动生成或抽取。提出了一种模糊-完备性作为在线参数分配机制,避免初始化选择的随机性,同时,该算法不仅能对模糊规则而且能对输入变量的重要性作出评估,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。开发了相关的算法程序,最后针对实际案例进行了仿真分析,表明了该算法的有效性和高效性。

摘要：针对传统系统进行造价估算时误差较大的问题,提出了基于动态模糊神经网络的工程造价估算系统设计。以包括工程量清单报表层、基础数据管理层、工程造价估算层共3层的系统总体为基础完成了系统软件设计。通过计算工程量、生成模糊规则库、检索模糊规则库及模型估算等步骤实现工程造价估算。测试结果表明,该系统估算误差为2.8%,设计系统可实现工程造价的高效、精准估算。

摘要：焦炉集气管压力系统具有多变量、强耦合、非线性和纯滞后等特点,难以建立准确的数学模型。文章采用基于动态模糊神经网络的逆系统方法对集气管压力系统进行解耦,建立逆系统解耦器,并且设计了集气管压力单神经元PID控制器。该方法有效地实现了多焦炉集气管压力解耦控制,能较好地满足多焦炉集气管压力控制的工艺要求。

摘要：针对6-DOF并联机器人液压伺服系统存在参数摄动和外界不确定性因素干扰的问题,提出了一种基于动态模糊神经网络的鲁棒复合控制策略。在充分分析了液压伺服系统的基础上,对控制系统进行了PD控制器、鲁棒内回路控制器、零相位误差跟踪控制器以及动态模糊神经网络控制器的设计。然后基于MATLAB软件进行了控制系统的运动性能仿真实验分析。结果表明,鲁棒复合控制器的应用在很大程度上了消除了负载交联耦合干扰对系统的影响,而且提高了系统的鲁棒稳定性。

摘要：火电厂机炉协调控制系统是一个复杂的多变量系统,针对其强耦合的动态特性和难以建模的特点,提出一种网络结构动态变化的动态模糊神经网络算法对超临界机组机炉协调系统进行建模。该算法具有模糊推理能力和学习功能等优点,并且模糊规则是在训练的时候依据系统误差和可容纳边界来逐条产生的,同时也采用了分级学习的方法来提高了网络的学习速度。在分析了机炉协调系统的特性以后,对某电厂超临界机组协调系统现场数据进行预处理,应用该算法进行模型的训练和测试。经过MATLAB仿真验证表明,动态模糊神经网络有很好的泛化能力,且建立的协调系统无参数模型具有很高的精度,该模型可以用于协调系统控制算法的设计。