摘要：在分析自适应神经-模糊推理系统(ANFIS)结构和参数特点的基础上,定义一个布尔向量L作为网络的结构参数,与原来ANFIS的前件参数集一起构成了新的前件参数集{c,σ,L},并给出了一个新的网络输入输出关系表达式.针对该输入输出表达式,提出一种用于优化ANFIS前件参数集的混合协同微粒群算法.该将参数集L和{c,σ}分别放在两个子微粒群并根据各自不同的特点应用二进制PSO和GCPSO算法进化,两个子微粒群之间的协同由定义的一个协同函数实现,而网络的结论参数依旧用最小二乘法进行优化.应用该算法进行ANFIS网络结构和隶属函数参数的自适应设计,在Henon映射产生的混沌时间序列预测中显示了良好的性能.

摘要：为减小永磁同步电机直接转矩控制系统的转矩脉动,提高系统的稳态精度和动态响应,设计了一种自适应神经模糊推理系统速度控制器,使电动机转子速度快速跟随给定值,并给出了详细的实现方法.仿真实验结果表明,具有ANFIS速度控制器的永磁同步电机直接转矩控制系统不仅动态和稳态性能都得到提高,而且具有较强的鲁棒性.

摘要：由于可控励磁直线同步电动机(controllable excitation linear synchronous motor,CELSM)运行中存在不确定性扰动的问题,设计了一种基于自适应神经模糊推理(adaptive neuro-fuzzy inference system,ANFIS)的控制系统。根据CELSM的特定结构和运行原理,推导电压方程、电磁推力方程以及运动方程的数学模型;由于CELSM的数学模型具有扰动的不确定性,采用模糊控制有很强的针对性,而传统模糊控制隶属度函数和控制规则难以自动调整,自适应神经模糊控制器能够根据所选误差函数利用样本集采用混合学习算法训练模糊推理系统(fuzzy inference system,FIS),在线调整隶属度函数参数,以及实现模糊规则的自动获取;利用MATLAB软件建模仿真,与RBF神经网络控制、PI控制对比,结果表明ANFIS控制稳定性好,精度高,系统响应速度快,抗干扰能力强且具有很强的自适应性。

摘要：依据Shupe热致非互易性理论,研究光纤陀螺温度漂移产生机理,设计了-15℃～50℃温度范围内实验。将自适应神经模糊推理系统和分段建模思想相结合,以实测数据构建训练样本,建立光纤陀螺温度误差自适应神经模糊补偿模型。该模型解决了传统建模方法中模型适配性较差的问题,并有助于缩短陀螺进入稳态的时间。数据计算表明,用所建立的模型进行误差补偿后,温度漂移标准差降低了75.55%,补偿效果明显。

摘要：针对交流电动机矢量控制系统因电机参数变化和负载波动等因素而使性能变差的问题,设计了一种基于自适应神经网络的模糊推理系统作为交流电动机矢量控制系统的速度调节器。仿真实验结果表明,具有自适应神经网络的模糊推理系统控制的异步电机矢量控制系统不仅动态和稳态性能都得到提高,而且具有较强的鲁棒性。

摘要：设计一种基于模糊聚类及模式识别的交通流状态自适应神经模糊推理系统,用来研究交通流状态的分类、识别及预测。首先,对大量交通流历史特征数据采用模糊聚类的方法进行状态分类并进行模式识别,得到系统的原始输入输出数据集。然后,建立交通流状态预测的自适应神经模糊系统,以交通流特征数据及其识别结果为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内。最后,进行系统检测和复核。仿真及其检测和复核结果表明了系统良好的应用性能。

摘要：为了提高对驾驶员疲劳程度检测的准确性与鲁棒性,提出了一种基于主动形状模型的多个特征融合疲劳检测算法。首先利用简单类Haar特征的级联Adaboost算法快速检测出人脸位置,然后对检测到的人脸进行基于主动形状模型(active shape model,ASM)的特征点定位,利用12个ASM特征标记点,得出眼睛、嘴部和头部的状态参数,再相应地计算出PERCLOS(percentage of eyelid closure over the pupil over time)、AECS(average eye closure speed)、哈欠频率、点头频率等4个疲劳特征,最后利用自适应神经模糊推理系统(adaptive network based fuzzy inference system,ANFIS)判决出驾驶员的3级疲劳程度(清醒、疲劳和严重疲劳)。实验结果表明,本方法对驾驶员疲劳检测准确率达93.3%,具有较高的准确性与鲁棒性。

摘要：研究两轮不平衡小车问题,根据状态变量合成的模糊控制方法。两轮不平衡小车是一个典型的多变量非线性系统,若采用常规的模糊控制,会遇到因输入变量个数过多而带来的控制规则数呈指数增加的问题,即"规则爆炸"问题。而基于变量合成的方法是一种改进的模糊神经网络控制方法,它将小车系统的状态变量进行合成,使多变量简化为两个综合变量,有效降低了模糊控制器的维数,从而大大减少了模糊控制规则的数量。最后应用优化的控制器对小车系统进行了控制仿真,并且与线性二次型最优控制LQR做了比较,实验表明ANFIS控制器具有调节时间短和改善了稳定性,为优化设计提供了依据。