针对纯电动汽车驱动模式单一及模式切换操作复杂,提出基于车速、加速度及电池SOC值,通过模糊控制自动识别驱动模式策略。为了解决在复杂路况和环境下纯电动汽车动力性不足的问题,提出基于自适应模糊神经系统(ANFIS)的转矩补偿模型,对基础MAP转矩进行一定程度转矩补偿。通过Simulink/Cruise联合仿真,驱动控制策略可以有效识别驾驶员操作意图选择相应驱动模式给予合适的转矩补偿,提高纯电动汽车动力性能;此外,驱动控制策略可以很大程度增加纯电动汽车续航里程,提高经济性能。

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。

通过分析非线性的阀控不对称缸液压伺服控制系统的控制方式,提出一种基于模糊神经网络PID控制方式,经论证显示相较于传统的PID控制所存在的控制精度低、速度慢的客观问题,这种控制方式可自动调节PID控制器的比例以及积分和微分系数,从而可以减小控制系统中的扰动引起的超调和振荡。通过MATLAB仿真表明,这种控制方式显著提高了系统的稳态精度、动态特性以及智能化程度。能够实现快速、准确的跟踪,具有很强的鲁棒性,取得了良好的控制效果。通过节能效果分析显示,应用这种控制方式有利于企业降低系统能耗,提高生产效率,起到节能、环保的作用。

为了能够提高单筒冲气式减振器模式识别的准确率,深入地研究了模糊神经网络在其中的应用。首先,建立了神经网络模型;然后,研究了模糊神经网络模式识别的方法;最后,对单筒冲气式减振器的故障模式进行了识别,识别结果表明,模糊神经网络具有较高的模式识别能力。

为了节省液压挖掘机工作过程中的能耗,提出了基于模糊神经网络的稳速节能控制方法。分析了液压挖掘机的油耗损失,给出了节能控制系统,使用变量泵替换定量泵并对挖掘机负载进行预测,根据负载压力需求调节变量的流量,减小了发动机、液压泵和负载功率不匹配造成的能量损失,从而将节能目标转换为发动机转速稳定;建立了挖掘机的动力系统模型,用于对挖掘机控制和仿真分析;提出了模糊神经网络算法,将模糊控制与神经网络的优势融合,经仿真验证和实车试验可以看出,模糊神经网络算法可以将转速稳定在设定转速误差范围内,达到了稳速节能的目标。

根据汽车起重机液压系统故障诊断的特点，建立了汽车起重机液压故障诊断专家系统。该系统提出将故障树和模糊神经网络相融合，并以汽车起重机常见故障为例建立了相应的故障树模型，完成了基于专家规则表示与模糊表示下知识数据库的构建与推理机的实现。解决了传统专家系统知识获取困难的问题；运用模糊神经网络的自学机制，保证知识库的完整性和正确性；实现了对汽车起重机液压系统的故障诊断内容的不断的更新和扩充，并及时将已发生及预测到的的故障写入数据库中，提高了查找故障的准确率及效率，有利于预防和控制汽车起重机液压系统的故障。

重型汽车起重机的变幅系统通常采用两个液压缸共同驱动起重臂,针对变幅过程中存在的同步误差问题,对双液压缸驱动系统进行研究,找出影响变幅系统动态特性的因素。提出一种基于模糊神经PID控制方法,将模糊规则用于神经网络加权系数的选取,以实现不同工况条件下对PID控制参数的实时在线调整。最后,在交叉耦合方法的基础上以液压缸活塞位移和平衡阀进油压力作为指标进行仿真和实验。结果表明此方法可以有效减小同步控制偏差,提高控制精度,解决了传统控制方法鲁棒性差的问题,达到控制要求。

水下机械手常要进行抓取作业，为了能把物体抓住而又不因夹持力过大而对物体造成伤害，本文设计了一种用于水下的滑觉传感器，对抓取时遇到的问题及相应的施力策略进行研究，并设计了一种模糊神经网络控制器，它具有自学习、并行分布存储信息及快速模糊推理的能力，能够满足机械手软抓取作业的要求。

提出了一种基于模糊神经网络(FNN)的恒压力调节泵专家智能协调控制方法将其应用于电液比例恒压力调节轴向柱塞泵明显改善了该泵的的压力轨迹跟随控制特性.实验结果表明:该方法与传统方法比不仅能够缩短系统输入阶跃的响应时间而且对系统未知的外加干扰、系统参数时变特性和非线性有较强的自适应能力.

针对国内液压挖掘机电子节能控制系统水平相对落后的现状,提出了一种模糊神经网络的液压挖掘机节能控制系统,采用基于标准模型的模糊神经网络作为控制器,应用多层前馈网络的反向传播算法(BP算法)作为学习算法。仿真结果表明该控制系统具有较好的快速性和稳定性,使变量泵的扭矩始终追踪发动机的扭矩,稳定发动机的转速,从而达到节能的目的。