×
曾、军;Alasafi，Madini O。;宋，柯

模糊神经网络算法在动态非线性系统中的仿真。 （英语） 兹比尔1485.93140

分形 30，第2号，文章ID 2240106，第11页（2022）.
摘要：研究了非线性系统的辨识，建立了协调系统的精确模型。首次使用原动态模糊神经网络（DFNN）对非线性系统进行辨识，以发现存在的问题。针对发现的问题，进行了两项改进。针对原算法中预置参数过多的问题，引入模糊完备性（varepsilon-）来分配参数，并修改了隶属函数的宽度。仿真结果表明，未经改进的模糊神经网络（FNN）模型产生7条模糊规则，训练的均方根误差（RMSE）为0.0261，而改进的FNN模型产生6条模糊规则。训练的RMSE为0.0161。改进后的网络在性能上具有更多优势。该模型为模糊神经网络在动态非线性系统中的应用提供了一些参考。

理学硕士：

93B30型 系统标识
93立方厘米 模糊控制/观测系统
93立方厘米 控制理论中的非线性系统
68T07型 人工神经网络与深度学习

关键词：

动态模糊神经网络;非线性系统;非参数模型;椭圆基
PDF格式BibTeX公司 XML格式引用
\textit{J.Zeng}等人，Fractals 30，No.2，文章ID 2240106，11 p.（2022；Zbl 1485.93140）
全文： 内政部

参考文献：

[1] Molchanov，A.P.和Pyatnitskiy，Y.S.，非线性控制系统的代数方法，FAC Proc.14（2）（2019）129-136。
[2] Shan，X.et al.，结构集成压电传感器-执行器的动态滞后模型和非线性控制系统，Sensors21（1）（2021）269。
[3] Rashidi，A.M.、Paknezhad，M.和Yousefi，T.，倾角对CPU/金属泡沫散热器界面温度影响的实验和人工神经网络研究，国际期刊Numer。方法热流体流动28（12）（2018）2758-2768。
[4] Du，P.等人，通过参数补偿实现约束非严格反馈MIMO非线性系统的渐近跟踪控制，《国际鲁棒非线性控制》30（8）（2020）3365-3381·Zbl 1466.93094号
[5] Huynh，T.T.，Le，T.L.和Lin，C.M.，使用TOPSIS方法设计MIMO不确定非线性系统的自组织递归小波模糊神经网络控制系统，国际模糊系统21（2）（2019）468-487。
[6] Wu，X.et al.，用于非线性系统辨识的基于数据的模糊神经网络，IEEE Trans。模糊系统28（9）（2020）2209-2221。
[7] Homaeinezhad，M.R.和Yaqubi，S.，用于一般任意切换非线性多输入多输出动态系统强化控制的自适应模糊小波神经网络识别核心，Appl。软计算91（2020）106265·Zbl 1478.93180号
[8] Bibi，Y.，Bouhali，O.和Bouktir，T.，使用Petri 2型模糊神经网络（PT2FNN）作为新逼近器的一类不确定非线性系统的鲁棒直接自适应控制器，J.Elector。系统15（2）（2019）181-196。
[9] Ma’Sum，M.A.，《智能聚类和动态增量学习生成用于多模式数据分类的多码本模糊神经网络》，Symmetry12（4）（2020）679。
[10] Alanis，A.Y.，《使用人工神经网络进行电价预测》，IEEE Latin Am.Trans.16（1）（2018）105-111。
[11] Aouti，C.、Sakthivel，R.和Touati，F.，具有惯性项和比例延迟的模糊细胞神经网络的全局耗散性，国际期刊系统。科学51（8）（2020）1392-1405·Zbl 1483.93518号
[12] Liu，S.和Zhang，W.，模糊神经网络算法在农产品电子商务路径探索中的应用，Intell。自动。软计算。26（3）（2002）569-575。
[13] Pei，P.和Petrenko，Y.N.，工业物联网环境中基于模糊神经网络的移动机器人自动导航控制算法，Inform。教育。1（1）（2020）59-67。
[14] Durur，H.和Yokuš，A.，（2+1）-Ablowitz-Kaup-Newell-Segur方程的精确解，应用。数学。非线性科学6（2021）381-386·Zbl 1514.35393号
[15] Mohamadi，S.A.和Ahmed，A.J.，通过使用模糊神经网络反馈控制器的空调系统进行热舒适性控制，Indones。J.电气。工程计算。科学19（2）（2020）586。
[16] Qi，X.，Wu，J.和Pan，J.，基于最大模糊神经网络的空中机械手复合控制器，复杂性2020（2020）1-10。
[17] Hsu，M.J.等人，《利用小型训练数据库进行对象分类的卷积模糊神经网络结构》，《国际模糊系统》22（1）（2020）1-10。
[18] Isik，E.和Inali，M.，《预测暖通空调气象数据的人工神经网络和自适应神经模糊推理系统方法：土耳其城市案例》，能源154（2018）7-16。
[19] 龚，C.和杨，S.，基于模糊神经网络PID算法的油泵控制研究，Int.J.Adv.Netw。莫尼特。控制3（4）（2019）63-68。
[20] Kartheck，S.A.等人，基于量化动态输出反馈控制器的分数阶T-S模糊神经网络的干扰抑制，应用。数学。计算361（2019）846-857·Zbl 1428.93075号
[21] Han，H.G.等人，使用自组织2型模糊神经网络对污泥膨胀进行故障检测，《控制工程实践》90（2019）27-37。
[22] Huynh，T.T.，Le，T.L.和Lin，C.M.，使用TOPSIS方法设计MIMO不确定非线性系统的自组织递归小波模糊神经网络控制系统，国际模糊系统21（2）（2019）468-487。
[23] Fei，J.和Wang，T.，基于RBFNN控制的有源电力滤波器自适应模糊神经网络，Int.J.Mach。学习。Cybern.10（5）（2019）1139-1150。
[24] Wu，S.，空间偏微分方程在面向用户信息挖掘中的应用研究，Alex。《工程期刊》59（4）（2020）2193-2199。
[25] ∧ahin，A.，A（2，n）-环面结图的二色多项式，应用。数学。非线性科学6（2021）397-402·Zbl 1514.57018号
[26] Beke，A.和Kumbasar，T.，《使用2型模糊激活函数学习以提高深层神经网络的性能》，工程应用。Artif公司。Intell.85（2019）372-384。
[27] Oner，T.和Katican，T.，区间sheffer基本代数和Yang-Baxter方程，Appl。数学。非线性科学6（2021）347-358·Zbl 1514.06002号
[28] Kumar，R.等人，使用基于径向基函数的神经网络控制策略的风能转换系统中的最大功率点跟踪，Sustain。能源技术。评估36（2019）100533.1-100533.10。
[29] S.Jeong、L.Junghun和G.Jang，基于ROCOF神经网络功率估计的新型VSC HVDC频率控制策略，IFAC-PapersOnLine52（4）（2019）467-471。
[30] Wu，S.，《互联网公共信息文本数据挖掘和用户意图理解的智能影响分析》，J.Intell。模糊系统38（2020）487-494。
[31] 钱，F.，何，Y.和程，P.，《液压控制单元试验装置控制系统控制策略研究》，IOP Conf.Ser。地球环境。科学440（5）（2020）052063。
[32] Yang，S.等人，运动障碍的基于隐藏属性的变域模糊控制设计及其有效的可重构实现，IEEE Trans。模糊系统27（2）（2019）304-318。
[33] Wang，T.，Wang，B.和Liang，Y.，《输入约束的多智能体图形游戏：在线学习解决方案》，《控制理论技术》18（2）（2020）148-159·Zbl 1463.91026号
[34] Ai，M.等人，《锑浮选厂基于数据驱动的自适应模糊神经网络控制》，J.Franklin Inst.356（12）（2019）5944-5960。
[35] Wu，S.，Zhang，Q.，Chen，W.，Liu，J.和Liiu，L.，基于分数微分法的互联网用户意图理解趋势预测和公共情报挖掘研究，混沌孤子分形128（2019）331-338。
[36] Bamgbose，S.O.，Li，X.和Qian，L.，一类双线性系统基于神经网络的非线性自适应控制器设计，Cogn。计算。系统2（1）（2020）1-11。
[37] Ruiz-Fernández，J.P.等人，季节因素对建筑挣值的影响，应用。数学。非线性科学4（1）（2019）21-34。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。