开关磁阻电机自适应模糊神经网络系统(ANFIS)无位置传感器控制

提出一种基于有限元模型的开关磁阻电机自适应模糊神经网络系统(ANFIS)无位置传感器控制的新方法。自适应模糊神经网络系统以相绕组的电流和磁链为输入,以转子位置角度为输出,从而建立起电流、磁链和转子位置角度的非线性映射关系。网络训练的样本数据来自于有限元模型分析,它具有足够的精度,且不需要测量仪器和线路布置,不受环境干扰因素影响,能够大幅减少试验成本,缩短试验周期。仿真和实验结果表明,由自适应模糊神经网络获得的角度信号和由位置传感器获得的角度信号相比误差较小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好。

自适应模糊神经网络系统在管道泄漏检测中的应用

输油管道泄漏信号的检测存在信噪比较低的问题 ,利用自适应模糊神经网络系统的去噪方法可以提高压力信号、流量信号的信噪比。由于自适应模糊神经网络系统具有非线性映射和自学习能力 ,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计 ,并且能够克服信号处理中存在的模型和噪声的不确定性、不完备性。应用结果表明 ,自适应模糊神经网络的自适应噪声抵消器不仅实现简单、节省运行时间 ,而且能快速、有效地消除流量、压力信号中的各种噪声 。

模糊神经网络系统在优选压裂井层中的应用

油井压裂选井选层是一项复杂有难度的技术。目前一般采用定性分析结合经验判断进行 ,随意性大。考虑到选井选层各项指标具有较大的模糊性 ,应用模糊神经网络系统 (FNNS)来获取各项指标与压裂效果的关系模型和预测模型 ,从而优选施工井层。实践证明 ,该方法技术适应性强、成功率高、效益显著。

模糊神经网络系统在微波效应数据处理中的应用

描述了建立神经网络驱动的模糊系统的基本过程 ,结合部分微波效应数据建立了一个小型的效应预测评估模型。对应于学习样本 ,给出了网络输出值与样本输出真实值的比对情况 ,并对部分非学习样本输出值进行了预测 ,由对比情况可知 ,网络系统基本能够再现原始数据的真实面貌 ,并能对未知事件有一定的预测能力 ,作为一种效应数据处理方法 ,模糊神经网络系统具有一定的潜在应用价值。

Hopfield神经网络系统的全局稳定性分析(英文)

研究一类Hopfield神经网络系统的平衡状态的存在性、唯一性与全局稳定性 ,这类系统放弃了以前对激励函数的有界性、单调性和可微性要求 .利用M矩阵理论 ,通过构造适当的Lyapunov函数 ,得到了系统全局渐近稳定的充分条件 .

基于模糊神经网络系统的结构主动控制

目的应用自适应模糊神经网络对多维地震动下结构的振动进行主动控制.方法用这种自适应模糊神经网络作为主动控制器,以结构的位移和加速度作为输入,计算出主动控制力.结果将计算的主动控制力输入到结构的动力方程中,结构的位移响应有了较大幅度地减少.同被动控制相比有较大提高.结论自适应模糊神经网络是一种适用于对结构进行主动控制的智能算法。该控制系统无需引入结构的运动模型和精确参数;对复杂的结构易于建模;同被动控制相比其适应力强,消振迅速而且效果良好.

智能神经网络系统原理在印刷体汉字识别中的应用

在印刷体汉字识别中的实验中 ,提出了一种解决在网络学习时 ,随样本数的增加 ,学习时间会按指数级增加的方案 :应用智能神经网络系统原理 ,先训练好各个功能专一、结构简单的小智能神经网络 ,然后联合小智能神经网络构成功能复杂的大智能神经网络。实验表明 ,智能神经网络系统原理为克服传统神经网络收敛速度慢的缺点 ,同时不增加网络负担提供了一种有效方案。

一类时滞Hopfield神经网络系统的全局稳定性

研究一类时滞Hopfield神经网络系统的平衡状态的存在性与全局稳定性 ,这类系统放弃了以前对激活函数的可微性与单调性要求。利用M矩阵理论 ,通过构造适当的Liapunov泛函 ,得到了系统全局渐近稳定的充分条件 ,改进了以前的相关结论。

神经网络系统在稠油区块优先动用排序中的应用

稠油油藏开发是一项投资大、风险大的工程。我国目前有大量的未动用稠油油藏。如果在这些油藏投入开发前,对它们的优先动用顺序进行排列,并划分出目前经济技术条件下没有开发价值的稠油区块,这将对稠油油藏的动用提供指导性意见,避免重大经济损失。为此,选取9个油藏参数,应用神经网络系统对大量已开发稠油油藏样本进行训练,以提取各参数的权重值;并在此基础上对稠油油藏进行综合评价,评价值高的稠油油藏就优先动用。经实例验证,该方法的评价结果与实际开发数据十分相符。该方法避免了人为给定参数权重的主观性,增加了评价的科学性。

神经网络系统综述——原理、历史、模型及应用

本文对神经网络系统进行了综述。探讨了神经网络系统的生物学和数学基础,介绍了它的发展历史和几个主要模型,讨论了在不同领域中的应用。

神经网络系统理论及在纺织研究中的应用

介绍了神经网络系统理论的发展、现状及应用。神经网络系统理论广泛应用于纺织研究的客观评定、预测和优化领域。建立不同的指标分析体系与学习计算方法是今后神经网络系统理论发展的重要步骤。

利用人工神经网络系统建立储层四维地质模型

论述了用人工神经网络系统建立储层四维地质模型的原理和方法。具体步骤包括子模型的建立、子模型预测结果的合成、储层参数MIMO预测模型的建立、数据体的准备、输入信号的选取、模型结构与检验及模型的工作方式等。人工神经网络用于地质建模时 ,它可以把时间作为一个输入变量 ,可以较好地描述、研究储层参数在四维空间的特征和空间展布 。

广义严格对角占优矩阵的判定及其在神经网络系统中的应用

利用非零元素链理论以及方法,给出了判定广义严格对角占优矩阵的几个充分条件,拓广了广义严格对角占优矩阵的判定方法,并给出其在神经网络系统中的应用,结果表明该法不仅有效而且简单实用.

智能神经网络系统组成原理在语音识别中的应用

在语音识别实验中 ,应用智能神经网络系统组成原理 ,研究了以简单、功能单一的网络为基础 ,构筑复杂、功能完善的智能神经网络系统的方法 .同时 ,通过加入规则 ,提高了网络的识别能力 .实验表明 ,智能神经网络系统组成原理将面向对象、符号逻辑融于神经网络中 ,提供了构造功能完备的智能系统的途径 .

具有逐段常变量神经网络系统的伪概周期解

结合生物模型,针对一类具有逐段常变量神经网络系统的伪概周期解的存在性问题,利用伪概周期函数的等价定义、相关性质以及相应的差分方程进行了研究.依据逐段常变量微分方程的解在一点的连续性,构造了一个差分方程,利用差分方程的伪概周期序列解以及方程中有关函数给出了这类微分方程的伪概周期解存在的充分条件.此类神经网络系统结合了微分方程和差分方程的性质,可应用到模式识别、信号处理、联想记忆等方面.

时滞环形神经网络系统的Lyapunov稳定性

采用Lyapunov方法,分析了带有两个小世界联接的时滞环形神经网络系统在平衡点的稳定性,给出了与时滞相关的稳定性准则,并讨论了小世界联接对系统稳定性的影响.

广义对角占优矩阵的讨论及其在神经网络系统中的应用

广义对角占优矩阵在神经网络系统稳定性的研究中具有重要作用,但在实用中要判别广义对角占优矩阵是十分困难的.给出判定广义对角占优矩阵的一组新条件,并给出其在神经网络系统中的应用.相应数值例子说明了结果的有效性.

广义神经网络系统与广义BP算法

本文在传统的神经网络理论基础上 ,将传统的神经元拓广为广义神经元 ,描述了以广义神经元为基础的广义神经网络系统的组成原理 .提出了适应于广义神经网络系统的一种广义 BP算法 ,并给出了该算法的数学推导 .

广义非线性连续神经网络系统的稳定性

近年来,神经网络理论和应用在欧洲、美国、日本及我国引起人们巨大热情。美国的DAROA计划、法国的“尤里卡”计划、德国的“欧洲防御”计划与苏联的“高科技发展”计划等重大研究项目均与此有关。国际上许许多多的计算机专家都在探索、研制和开发新的一代计算机,不惜血本抢占这一科技制高点。我国也已开过神经网络全国大会。人们认为,神经网络理论研究中有突破意义的工作之一是美国物理学家Hopfield以及Michael等人的论文。他们分别引进能量函数,开始了神经网络稳定性的研究,并建立了神经网络与动力系统的关系,与电路的对应。

具有分布时滞神经网络系统的全局稳定性分析

基于M-矩阵理论,利用Liapunov泛函方法和不需要激励函数有界以及满足全局Lipschitz条件假设的前提下,讨论一类具有分布时滞神经网络系统的稳定性问题,最后给出实例仿真来说明所得结果的有效性.