导读:本文包含了动态神经模糊模型论文开题报告文献综述及选题提纲参考文献，主要关键词:模糊神经网络,欠驱动水面控制,DNFM
动态神经模糊模型论文文献综述
葛科奇[1]（2019）在《动态神经模糊模型的船舶欠驱动水面运动控制》一文中研究指出欠驱动水面运动控制系统是现代大型船舶动力控制系统的主要组成部分,控制船舶水平、垂直及航向3个方面。控制系统的精度、时效性直接影响到整个动力装置的性能。同时,由于海上环境的多变性,欠驱动水面运动控制系统具有控制滞后、惯性力矩较大等非线性因素。本文结合海上实际环境,提出一种动态神经模糊网络的船舶欠驱动水面运动控制算法,描述船舶动力系统的受力特性,较为精确模拟了非线性系统控制模型,最后进行了仿真。(本文来源于《舰船科学技术》期刊2019年02期）
刘逻,郭立红,肖辉,王建军,王改革[2]（2013）在《基于参数动态调整的动态模糊神经网络的软件可靠性增长模型》一文中研究指出利用遗传算法对动态模糊神经网络的自身参数进行动态调整(GA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。在对动态模糊神经网络进行训练的过程中,用遗传算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。利用3组软件缺陷数据,对用GA-DFNN建立的SRGM和模糊神经网络(FNN)以及BP神经网络(BPN)建立的SRGM的预测能力进行了比较,仿真结果证实,根据GA-DFNN建立的SRGM的短期预测能力稳定,短期预测误差小,且具有一定的通用性。(本文来源于《计算机科学》期刊2013年02期）
刘逻,郭立红,肖辉,王建军,王改革[3]（2012）在《基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型》一文中研究指出利用模拟退火算法对动态模糊神经网络的自身参数进行动态调整(SAA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。用软件失效数据在对动态模糊神经网络进行训练的过程中,用模拟退火算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。根据3组软件缺陷数据,将SAA-DFNN建立的SRGM与模糊神经网络(FNN)、BP神经网络(BPN)、G-O模型建立的SRGM的预测能力进行比较,仿真结果表明,根据SAA-DFNN建立的SRGM的单步向前预测能力稳定,预测误差小,并具有一定的通用性。(本文来源于《吉林大学学报(工学版)》期刊2012年05期）
王宁,王丹,李铁山[4]（2012）在《基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)》一文中研究指出基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.(本文来源于《中国科学技术大学学报》期刊2012年09期）
周丽丽,王凤英,王洪福[5]（2010）在《基于UCON和动态模糊神经网络的委托授权模型》一文中研究指出分析了委托的基本特性、UCON以及动态模糊神经网络,提出了基于UCON和动态模糊神经网络的委托授权模型,并进行了可信度计算.该模型引入委托机制,解决了分布式环境下的授权问题.该模型具有动态性、属性可变性和访问过程连锁性,适合开放式网络的需求.(本文来源于《山东理工大学学报(自然科学版)》期刊2010年01期）
汪洋[6]（2010）在《基于动态神经模糊模型的欠驱动水面船舶运动控制》一文中研究指出大多数水面船舶仅依靠螺旋桨主推进器产生的纵向推进力和舵装置产生的转船力矩两个控制量,同时控制船舶水平面位置和航向3个自由度的运动,构成了一种颇具难度的欠驱动复杂系统控制问题。欠驱动水面船舶(USV)动态具有大惯性、大时滞、非线性等特点,并且受模型参数摄动,风、浪、流等环境干扰以及量测信息不精确等因素的影响,使得USV的运动控制存在固有的不确定性。常规线性或非线性控制算法通常难以获得综合优化控制性能。因此,研究USV运动的建模与控制问题,探讨新型智能控制算法,具有重要的理论意义和应用价值。(1)本文提出一种动态神经模糊模型(DNFM),用于逼近船舶的逆动力学特性。DNFM在学习中同时调整自身结构和参数,并能够自动划分输入空间、确定隶属函数的数量和模糊规则数,且无须专家知识就可实现自动建模。(2)将DNFM与经典PID控制相结合,提出具有离线与在线学习两种模式的控制器DNFPIDC,用于不确定条件下的船舶航向控制。仿真结果表明DNFM学习速度较快,逼近效果良好,适用于船舶航向的实时控制。(3)将DNFPIDC的设计思路扩展到USV的运动控制问题,采用两个DNFM与一个非线性控制器NC相结合的方式,提出一种DNFNC控制算法,用于USV的航迹跟踪控制。并给出了跟踪误差的收敛性证明。仿真结果验证了DNFNC的可行性和有效性。(4)将DNFM扩展为广义的GDNFM,并在其基础上提出一种自适应控制算法DNFAC,用于USV的航迹跟踪控制问题。且给出了控制系统的稳定性证明,同时进行了仿真验证。而且对基于DNFM的各种控制算法进行了比较说明。基于DNFM的USV运动控制研究结果表明,DNFM快速的学习算法和准确的逼近效果适用于具有SISO或MIMO特性的船舶(或USV)运动的实时建模与控制,并能有效地克服不确定性因素的影响。(本文来源于《大连海事大学》期刊2010-01-01）
张姗姗[7]（2009）在《基于动态神经模糊模型的船舶运动智能控制》一文中研究指出水面船舶运动控制一直是备受关注的研究领域。船舶动态具有大惯性、大时滞、非线性的特点,由于受航速、风浪流等外界干扰以及量测误差等因素的影响,建模参数甚至结构的摄动引起的不确定性,使得对船舶运动的控制具有相当难度。同时,它也是迄今国内外一般基于线性控制理论和传统智能控制设计的控制算法的实际效果与研究者的预期相差甚远的一个主要原因。为此,本文提出一种基于动态神经模糊模型的船舶航向智能控制方法。本文主要考虑航速变化引起的不确定性因素对船舶航向跟踪控制的影响,通过将RBF神经网络与T-S模糊模型有机结合,构造结构与参数在学习中能同时调整的动态神经模糊模型(DNFM)。DNFM用于充分逼近建模参数时变的Norrbin非线性船舶模型的逆动力学。训练好的DNFM与PID控制器并联构造自适应控制器用于航向跟踪控制,且以PID控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值,设计的智能控制器能有效解决具有建模参数不确定性的船舶运动控制问题。文中以中远集团5446TEU集装箱船为对象进行仿真,通过设定两种不同的航速变化工况,完成了对船舶逆动力学的逼近;随后通过设计基于DNFM的自适应智能控制器,实现船舶航向的快速跟踪,有效地克服了建模参数不确定性的影响。(本文来源于《大连海事大学》期刊2009-05-01）
张亮,张凤鸣,惠晓滨,毛红保[8]（2006）在《一种基于动态模糊神经网络的飞行数据模型辨识方法》一文中研究指出针对飞行数据的特点,提出了一种基于动态模糊神经网络(DFNN)的飞行数据模型辨识方法。该方法采用在线学习方式,通过动态增加和删除神经元节点的策略实现网络结构学习,采用递推最小二乘法实现网络权值的在线调整,以最终得到一个结构简单、泛化能力强的神经网络。以某特定时间段的飞参数据为仿真样本,将该DFNN用于参数关联模型的辨识,实验结果表明该辨识方法收敛速度快、泛化能力强。(本文来源于《空军工程大学学报(自然科学版)》期刊2006年06期）
曾静,杨春,张国良[9]（2003）在《基于模糊-神经网络的加速度计动态误差模型辨识》一文中研究指出分析了加速度计误差模型,讨论了基于叁轴转台测试辨识加速度计误差模型的限制。应用模糊-神经网络进行了加速度计误差模型的辨识,较好地达到了系统辨识的目的。(本文来源于《弹箭与制导学报》期刊2003年S5期）
动态神经模糊模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用遗传算法对动态模糊神经网络的自身参数进行动态调整(GA-DFNN),并将其应用于软件可靠性增长模型(SRGM)的研究。在对动态模糊神经网络进行训练的过程中,用遗传算法求得动态模糊神经网络自身参数的优化解,根据得到的参数建立基于动态模糊神经网络的软件失效数据预测模型。利用3组软件缺陷数据,对用GA-DFNN建立的SRGM和模糊神经网络(FNN)以及BP神经网络(BPN)建立的SRGM的预测能力进行了比较,仿真结果证实,根据GA-DFNN建立的SRGM的短期预测能力稳定,短期预测误差小,且具有一定的通用性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态神经模糊模型论文参考文献
[1].葛科奇.动态神经模糊模型的船舶欠驱动水面运动控制[J].舰船科学技术.2019
[2].刘逻,郭立红,肖辉,王建军,王改革.基于参数动态调整的动态模糊神经网络的软件可靠性增长模型[J].计算机科学.2013
[3].刘逻,郭立红,肖辉,王建军,王改革.基于结合模拟退火算法的动态模糊神经网络的软件可靠性增长模型[J].吉林大学学报(工学版).2012
[4].王宁,王丹,李铁山.基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)[J].中国科学技术大学学报.2012
[5].周丽丽,王凤英,王洪福.基于UCON和动态模糊神经网络的委托授权模型[J].山东理工大学学报(自然科学版).2010
[6].汪洋.基于动态神经模糊模型的欠驱动水面船舶运动控制[D].大连海事大学.2010
[7].张姗姗.基于动态神经模糊模型的船舶运动智能控制[D].大连海事大学.2009
[8].张亮,张凤鸣,惠晓滨,毛红保.一种基于动态模糊神经网络的飞行数据模型辨识方法[J].空军工程大学学报(自然科学版).2006
[9].曾静,杨春,张国良.基于模糊-神经网络的加速度计动态误差模型辨识[J].弹箭与制导学报.2003