自適應增強型模糊神經網絡風機控制信號試驗
 
 
自適應增強型模糊神經網絡經過改進的自適應遺傳算法優化后，可以得到較優的控制策略 ，即風機得到較優的控制信號。即使系統的模型發生變化，自適應增強型模糊神經網絡仍能夠及時的改變控制策略，得到滿意的控制效果。
為考察自適應增強型模糊神經網絡控制器對模型發生變化的適應能力，故在模型發生變化前后分別做出仿真曲面以便加以比較。自適應增強型模糊神經網絡風機控制信號性能曲面仿真如下：
 
 
 
 
從仿真曲面圖中可以清楚的看到，當系統模型發生變化時，風機的控制策略也隨著發生變化，體現了系統的智能性和自適應性。
自適應增強型模糊神經網絡風機控制信號輸出變量的去模糊化
去模糊就是將模糊量轉化為被控對象可接受的模擬量或數字量。從論域的轉換角度看就是從語言變量映射到物理論域。本系統利用對數型激活函數：
輸出變量經過模糊判決后輸出的控制量在0—1 之間，表示各個執行器的運行功率與運行功率的比值。采用對數型激活函數而沒有用模糊神經網絡的輸出直接作為最終輸出的目的是為了讓執行器能夠平滑過渡，減少磨損，延長使用壽命。環境試驗箱溫度系統仿真結果環境實驗箱在初始時刻設定跟蹤溫度為 40℃。在40 分鐘后設定為60℃。，誤差在2℃以外采用強制加熱或強制冷卻，在距離跟蹤目標的誤差在2℃以內啟動模糊控制策略，系統動態跟蹤性能如圖所示：
 
環境實驗箱濕度系統仿真結果
環境試驗箱在恒濕過程中濕度系統恒濕控制性能仿真結果如圖所示：