近幾年來(lái),隨著機(jī)器人技術(shù)與控制技術(shù)的發(fā)展,機(jī)器人在日常生活和工農(nóng)業(yè)生產(chǎn)中得到廣泛應(yīng)用。機(jī)器人對(duì)象是一個(gè)非線性、強(qiáng)耦合的多變量系統(tǒng),在運(yùn)動(dòng)過(guò)程中。由于存在摩擦、負(fù)載變化等不確定因素,因而它還是
采用高斯函數(shù)作為模糊隸屬函數(shù),將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合。利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊推理,運(yùn)用了一種模糊高斯基函數(shù)神經(jīng)網(wǎng)絡(luò).并用于兩關(guān)節(jié)機(jī)器人的軌跡跟蹤控制。仿真結(jié)果表明,該網(wǎng)絡(luò)對(duì)機(jī)器人軌跡跟蹤控
模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 模糊神經(jīng)網(wǎng)絡(luò)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物,它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn),集學(xué)習(xí)、聯(lián)想、識(shí)別、信息處理于一體。 模糊神經(jīng)網(wǎng)絡(luò)基本形式
前言 模糊神經(jīng)網(wǎng)絡(luò)(FNN) 是將人工神經(jīng)網(wǎng)絡(luò)與模糊邏輯系統(tǒng)相結(jié)合的一種具有強(qiáng)大的自學(xué)習(xí)和自整定功能的網(wǎng)絡(luò),是智能控制理論研究領(lǐng)域中一個(gè)十分活 躍的分支,因此模糊神經(jīng)網(wǎng)絡(luò)控制的研
自20世紀(jì)80年代以來(lái),語(yǔ)音識(shí)別技術(shù)的研究取得了許多突破性進(jìn)展,特別是基于隱馬爾可夫模型(HMM)的語(yǔ)音識(shí)別技術(shù),目前已趨成熟,成為語(yǔ)音識(shí)別的主流。然而基本型的HMM模型也存在
前些天把玩了一下MATLAB中神經(jīng)網(wǎng)絡(luò)工具箱的使用,忽有“捫參歷井仰脅息”之感。別的倒是沒(méi)什么,只是神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)組織結(jié)構(gòu)有些“怪異”,要是不
模糊神經(jīng)網(wǎng)絡(luò)簡(jiǎn)介 模糊神經(jīng)網(wǎng)絡(luò)就是模糊理論同神經(jīng)網(wǎng)絡(luò)相結(jié)合的產(chǎn)物,它匯集了神經(jīng)網(wǎng)絡(luò)與模糊理論的優(yōu)點(diǎn),集學(xué)習(xí)、聯(lián)想、識(shí)別、信息處理于一體。 系統(tǒng)的復(fù)雜性與所要求的精確性之間存在尖銳
自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS)依據(jù)模糊邏輯和神經(jīng)元的知識(shí),而常規(guī)的模糊控制系統(tǒng)是一個(gè)不能自動(dòng)地將專(zhuān)家經(jīng)驗(yàn)知識(shí)轉(zhuǎn)化為推理規(guī)則庫(kù),同時(shí)缺乏有效的方法改進(jìn)隸屬度函數(shù)。該系統(tǒng)使用最小二乘法和反向傳播的混合算法來(lái)調(diào)整條件參數(shù)和結(jié)論參數(shù),并且能夠根據(jù)系統(tǒng)本身自動(dòng)產(chǎn)生模糊規(guī)則。根據(jù)以上內(nèi)容本文采用了ANFIS,并將其應(yīng)用到LED溫濕度環(huán)境的控制中。結(jié)果表明:相比于常規(guī)的PID控制,該方法能夠較好的提高溫濕度控制系統(tǒng)的動(dòng)態(tài)穩(wěn)定性和抗干擾性。
摘要:研究了模糊控制與神經(jīng)網(wǎng)絡(luò)兩者相結(jié)合構(gòu)成的模糊神經(jīng)網(wǎng)絡(luò)控制策略,實(shí)現(xiàn)了模糊神經(jīng)網(wǎng)絡(luò)控制算法在PLC中的軟件編程,它不依賴(lài)于被控對(duì)象精確的數(shù)學(xué)模型,將模糊神經(jīng)網(wǎng)絡(luò)控制器應(yīng)用于溫度控制系統(tǒng)中,獲得了良好的
本文提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的電機(jī)故障預(yù)測(cè)新方法。該方法將時(shí)間序列與模糊神經(jīng)網(wǎng)絡(luò)結(jié)合,同時(shí)引入時(shí)差法,對(duì)電機(jī)狀態(tài)進(jìn)行預(yù)測(cè),從而提高了預(yù)測(cè)精度,減少了系統(tǒng)誤差。仿真結(jié)果表明,該預(yù)測(cè)方法的誤差明顯較小,是一種較實(shí)用的預(yù)測(cè)方法。
摘要:隨著智能信息技術(shù)的發(fā)展,模糊神經(jīng)網(wǎng)絡(luò)算法廣泛應(yīng)用于工業(yè)控制。但該算法尚未應(yīng)用于PLC。針對(duì)這種現(xiàn)狀,給出基于S7-200PLC的模糊神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)。利用模糊神經(jīng)網(wǎng)絡(luò)算法的理論知識(shí),在S7-200的平臺(tái)上采用梯形
移動(dòng)機(jī)器人沿墻導(dǎo)航控制包含了追蹤和避障兩種情況,是移動(dòng)機(jī)器人研究中的常見(jiàn)問(wèn)題。它是指機(jī)器人在一定方向上沿墻運(yùn)動(dòng),或者更一般意義上的沿著物體輪廓運(yùn)動(dòng),并與墻保持一定距離。移動(dòng)機(jī)器人利用聲納采集機(jī)器人與墻體的距離和角度信息,通過(guò)模糊神經(jīng)網(wǎng)絡(luò)將輸入數(shù)據(jù)進(jìn)行融合,從而判斷移動(dòng)機(jī)器人的位姿信息,輸出左右輪速度控制其動(dòng)作。實(shí)驗(yàn)證明此方法可以有效地保證移動(dòng)機(jī)器人在安全距離內(nèi)沿墻體運(yùn)動(dòng)。對(duì)比采用模糊神經(jīng)網(wǎng)絡(luò)前后的實(shí)驗(yàn),采用后的移動(dòng)機(jī)器人沿墻導(dǎo)航控制軌跡優(yōu)于采用前,均方誤差大大減小。
飛機(jī)剎車(chē)系統(tǒng)是飛機(jī)上具有相對(duì)獨(dú)立功能的子系統(tǒng),承受飛機(jī)的動(dòng)、靜態(tài)載荷及著陸時(shí)的動(dòng)能,實(shí)現(xiàn)飛機(jī)的制動(dòng)控制。 從20世紀(jì)40年代至今,飛機(jī)剎車(chē)系統(tǒng)已發(fā)展到第四代。第一代飛機(jī)剎車(chē)系統(tǒng)由離合開(kāi)關(guān)調(diào)節(jié)壓力來(lái)實(shí)現(xiàn)剎
飛機(jī)剎車(chē)模糊神經(jīng)網(wǎng)絡(luò)DSP嵌入式控制系統(tǒng)