采用模糊神经网络结构,提出一种复合式控制方案,以解决传统自适应控制中模型的在线辨识和控制器的在线设计问题,达到对不确定非线性系统的高精度输出跟踪控制;同时,利用一个鲁棒反馈控制器,来保证模糊神经网络模型学习初期闭环系统的稳定性。并应用于电液位置伺服系统中,获得满意的控制效果。

提出一种基于模糊神经网络的多传感器信息融合方法，并将其用于自主移动机器人导航避障。采用多个超声波及红外传感器探测障碍物的距离和方向，用CCD摄像机来跟踪目标。经过模糊神经网络信息融合后，实现了机器人对障碍物和环境类型的识别以及无冲突的运动。试验表明，该方法能够实现机器人的安全避障。

将探测器的输出信号模糊化后送入神经网络进行处理，采用3层前馈BP神经网络结构，用BP算法进行网络参数的训练，然后由模糊逻辑判决火灾和非火灾。用Matlab语言进行仿真，结果表明基于模糊神经网络的中庭火灾探测系统能够准确探测各种标准试验火。

针对电液位置伺服系统中的非线性、参数时变性等复杂因素,设计了一种模糊神经网络控制方案。由于常规的模糊神经网络学习算法具有权值调整复杂,收敛速度慢的缺点,因此采用模糊逐级误差逼近方法来调整模糊神经网络的权值。该算法易于实现,网络权值在线学习速度较快,而且计算量小于其他的常规神经网络学习算法。将该方法应用于电液位置伺服控制系统中,在对象参数摄动情况下,进行了仿真研究。仿真结果表明,采用该方法所设计的控制器满足系统对快速性和稳态精确度的要求,系统的鲁棒性增强,验证了方法的有效性。

实践证明专家系统在液压系统故障诊断领域中具有其独特的优点.该文在传统专家系统的基础上结合神经网络及模糊理论开发一种基于Visual C＋＋与Matlab联合编程应用于恒功率变量泵的模糊神经网络专家系统.

该文将基于GA的模糊RBF神经网络控制系统应用于轧钢液压弯辊系统，通过对咬钢和抛钢瞬间出现弯辊力尖峰的实际现象，进行了仿真分析，验证了该控制系统的良好性能。

以中厚板全液压矫直机为控制对象，重点研究了4个AGC液压缸在不同工况下的协同作业性能。建立了液压滚切剪电液伺服系统的数学模型；针对全液压矫直机四回路电液伺服协同控制系统的非线性、时变、易受负载扰动等特点，选择模糊神经网络控制算法，提出了基于模糊神经网络控制器与偏差耦合控制结构相结合的四回路电液伺服协同控制方案，完成了4个AGC控制回路之间的存在系统耦合误差动态补偿；现场实验表明，该控制算法稳定性能高，收敛速度快；使用该方案之后，控制系统具有很好的协同控制精度，能够较好地实现全液压矫直机4个AGC液压缸协同跟踪控制。

阐述了液压系统的故障性质介绍了模糊诊断法与神经网络诊断法在此基础上详细分析了模糊神经网络系统的组成、模型及优缺点。

提出了一种基于模糊神经网络的液压泵故障诊断方法介绍了该方法的基本原理及实现算法.以某型号齿轮泵为研究对象利用其状态数据作为样本数据建立了基于模糊神经网络的齿轮泵的故障诊断模型.并利用该模型对齿轮泵运行状态进行了辨识结果表明该方法能够充分利用检测到的各种故障征兆信息从而使齿轮泵故障诊断更加准确有效.此方法也可用于其它同类设备的故障诊断.

针对气动肌肉驱动的膝关节康复训练装置存在时延、非线性和时变特性，将PID控制、模糊控制和神经网络相结合，设计了基于模糊神经网络的复合控制器，并将其应用于膝关节康复训练装置的等速持续被动运动控制中。实验表明：在负载变化干扰下，该控制器具有控制精度高、抗干扰能力强等特性，对提高该类装置的控制特性有借鉴作用。