跪求英语翻译帝，高分悬赏！

在这一节，给出了硬件实现的详细说明。 需要ANFIS的控制器实现的，真正实现具有智能步进电机的目标。神经模糊的态度，给电机能力，以适应环境变化。配备智能控制器的一个步进电机将能培养出新的数据，以更新其参数，并因此能够相应地改变其行为。我们必须首先提到的ANFIS的实施需要一个特定的微处理器能够实现所有所需的数值计算。ANFIS的方法需要进行培训是一个自适应网络上，使用了该问题的相关变量的时间序列数据。出于这个原因，“Jstamp”微处理器被选中。这个特定的微处理器使用本地编程语言JAVA，并具有512字节的RAM和512 KB闪存。在图8我们发现在我们的研究工作中使用的Jstamp微处理器。
在本节中，模糊控制，跟踪和适应性强的特点，适用于步进电机的使用模拟和实验测试。我们首先显示图。 9步进电机的响应阶跃输入信号序列（我们用400个样本）。我们在图显示。 10应用ANFIS的方法与训练数据和测试数据的结果。我们用于培训20时代，最终误差为0.000001，这个应用程序是非常好。图11我们绘制模糊模型和系统的实际值预测值，与
曲线几乎没有区别。最后，我们在图显示。 12个小区的真正和模糊模型的估计信号之间的差异。我们还比较我们的结果与传统的PID控制器和Mamdani型模糊控制器，多少来衡量的自适应模糊方法可以提高性能。当然，我们的模糊控制器（ANFIS的设计）是在跟踪和适应性优于其他控制器。

在本节说明。详细描述了硬件实现。简称ANFIS控制器的实现需要真正实现这个目标有一个聪明的步进电机。神经模糊的方法给电机的能力,以适应不断变化的环境,这样的环境。配备了步进电机的智能控制器,能训练自己,新数据更新它的参数,因而可以改变自己的行为方式提供依据。我们要先说需要一个特定的微处理器执行简称ANFIS能够
要实现所有要求的数值计算。简称ANFIS的方法论要求培训进行自适应网络,利用数据时间序列相关的变量的问题。因为这个原因,“Jstamp“微处理器被录取了。这一特定处理器用途爪哇编程语言为母语,有512 k,宽带下载1秒钟内存内存和512 k,宽带下载1秒钟的闪存。在8字形的展览,我们Jstamp微处理器是用于我们的研究工作。
在本节中,跟踪和适应性特征的模糊控制应用于步进电机进行模拟和实验。我们第一次显示在图9的响应,步进电机步输入信号序列(我们使用400个样本)。我们显示在图的结果。10方法论与应用简称ANFIS对训练数据和测试数据。我们用20层系为训练和最后的误差为0.000001,这是非常好的,为这个应用程序。在图11我们情节模糊预测值和真实值模型、以及系统评价的
曲线几乎很难分辨。最后,我们显示在图的阴谋。12之间的区别两个现实和估计信号的模糊模型。我们也比我们的结果与经典PID控制器和模糊Mamdani控制器,测量多少自适应模糊方法可以提高其性能。当然,我们的模糊控制器(设计简称ANFIS)是更好的记录和适应性比其他控制器。

在这段。详细描述了硬件实现了。自适应模糊神经网络控制器的实现是需要真正达到目标有一个智能步进电机。模糊神经网络的方法对电机能够适应不断变化的环境条件。步进电机配备智能控制器将能够培养自己的新数据更新其参数，并因此能够改变自己的行为。我们必须首先提及的是，在实施需要一个特定的微处理器能够达到所有要求的数值计算。自适应模糊神经网络方法需要培训完成自适应网络，使用数据的时间序列变量的相关问题。因为这个原因，“jstamp“微处理器选择。这个特定的微处理器使用的编程语言，并有512个字节的内存和512个字节的闪存。我们表明在图8jstamp微处理器中使用我们的研究工作。在这一部分，跟踪和适应性特征的模糊控制应用于步进电机进行了仿真与实验研究。我们首先显示在图9的反应的步进电机序列输入信号（我们使用400个样本）。我们表明在图10的结果，运用模糊神经网络方法的训练数据和测试数据。我们使用20期培训和最后的误差是0.000001，这是非常好的应用。在图11中我们小区的预测值的模糊模型与实际价值的系统，和曲线几乎区分。最后，我们显示在图12图之间的差异的实际和估计信号的模糊模型。我们还比较的结果与经典控制器和一个模糊控制器，测量了自适应模糊控制方法可以提高性能。当然，我们（在模糊控制器设计）是更好的跟踪和适应性比其他控制器。