摘要：手势识别是人机交互领域的重要研究内容,为截肢患者控制智能假肢手提供基础.当前主流方法之一是利用表面肌电图(Electromyogram,EMG)识别手部运动意图,但肌电信号存在信号弱和易受噪声、汗液、疲劳影响等缺点.同时肌电图在识别准确率方面,尤其是截肢患者手势识别方面仍然具有较大的提升空间.针对这些问题,设计了基于气压肌动图(Pressure-based mechanomyogram,pMMG)的穿戴式信号采集装置,为手势识别提供了优质的信号源.结合深度神经网络中全连接层结构、典型抽样和标准正则化技术,提出了一种改进多类神经模糊推理系统(Improved multicalss neural fuzzy inference system,IMNFIS),与传统自适应神经模糊推理系统(Adaptive neural fuzzy inference system,ANFIS)相比,泛化能力得到显著提升.招募了7名健康受试者和1名截肢受试者,并用8种算法开展离线实验.所提方法在残疾人手势识别实验中取得了97.25%的最高平均准确率,在健康人手势识别实验中取得了98.18%的最高平均准确率.与近年公开报道的多种手势识别研究相比,所提方法的综合性能更优.

摘要：变桨距水轮机能在低流速下保持最小桨距角实现功率的最大捕获,还可在高流速下通过变桨来实现恒功率输出,减少了过载冲击。通过分析变桨距伺服控制系统,改进了基于自适应神经模糊推理系统的变桨控制方法,实现了更为平滑高效的变桨操作,并在Matlab/Simulink下进行了系统仿真,验证了所提控制方法的有效性。

摘要：目前我国对于流域水文模型的研究和应用已经相对比较成熟,不同的模型在相同的参数设置情况下,其模拟运算结果不同,如模拟的降雨-流经关系等研究在精确度与效率系数方面存在差异。为提高流域模拟精确度,可通过对不同模型模拟结果进行综合的方法实现。自适应神经模糊推理系统是水文模型综合中的重点和难点,文章以辽宁省鞍山市浑河流域为试验研究区域,选取自适应神经模糊推理系统(ANFIS)作为水文模型的综合平台。通过对两个同时运算的水文模型结果综合计算处理,其流量模拟结果更加准确,大大提高了模型的精确性和效率系数。

摘要：该文提出并设计了一种利用神经模糊推理系统建模的短波通信频率参数预测模型。该模型以模糊系统为平台,利用自学习算法训练建立推理规则,采用并行自适应遗传算法进化调整系统内部参数。通过ff0F2实测数据仿真试验,并与神经网络方法、混沌和神经网络相结合方法进行比较,结果证明该模型具有预测精度高、收敛速度快、全局收敛性好、内部参数调整智能化等突出优点。

摘要：为了对降水量进行建模与预测 ,介绍了自适应神经网络模糊推理系统 ,设计了基于神经网络的自适应模糊控制器 ,该网络能从一组操作数据中提取模糊控制规则 ,提高降水量预报的准确度。仿真结果表明 ,该方法是非常有效的。

摘要：四足机器人足端行走轨迹目前主要依赖运动学模型关系实现,针对实际行走轨迹与规划轨迹存在较大偏差,造成偏差的原因具有多样性,难以建立准确模型对偏差进行处理的问题,利用自适应神经模糊推理系统在Matalb中经过仿真建立四足机器人的足端轨迹坐标点和关节变量的新的关系模型,该模型中采用反向误差传播算法和最小二乘法结合的混合算法来优化模型参数,模型的建立依赖于原始数据的训练,原始数据包含了偏差因素影响。以一种自行开发的四足机器人样机为平台进行现场验证,引入ANFIS模型的直线轨迹相比较初始的直线轨迹偏差减小,更加接近规划直线。上述方法能运用在不同结构的四足机器人行走轨迹优化中。

摘要：针对扩频通信中运用神经网络方法产生的混沌序列性能难以调整的问题 ,提出并设计由遗传算法搜索调整系统适配参数的神经模糊推理系统 (ANFIS)生成混沌序列。在该系统训练的过程中 ,将其产生的序列的Lyapunov指数与平衡性、自(互 )相关性、数量的加权平均函数作为适应度函数 ,通过遗传算法调整系统参数 ,产生出符合扩频通信应用要求的混沌序列。通过计算机仿真试验 ,并与Logistic混沌映射 (教师值 )相比较 ,结果表明该方法能产生出随机性能良好的混沌序列 。