基于ANFIS-LSSVM的计算颜色恒常性算法研究

计算颜色恒常性是指消除场景光源的影响从而再现物体真实颜色的能力。目前,深度神经网络的应用使颜色恒常性精度显著提高,但大多数深度学习算法训练时间长、计算复杂度高,且需要大量的训练样本。针对此问题,提出了一种结合自适应神经模糊推理系统(ANFIS)和最小二乘支持向量机(LSSVM)的简单有效的方法。该方法分为训练和预测两个阶段:在训练阶段,首先提取图像特征分别训练ANFIS、LSSVM两种初始光源估计模型,接着利用核函数变换将两种模型融合,然后利用预留训练样本进一步训练得到多元线性回归光源估计模型;在预测阶段,提取测试图像特征后,直接由训练所得模型预测得到该测试图像最终的场景光源颜色值。实验结果表明,与深度学习方法相比,本文所提方法计算复杂度较低,即使在小训练样本中也能有很好的光源估计性能。

煤矿瓦斯浓度预测的ANFIS方法研究

将时间序列分析方法与自适应神经模糊推理系统(ANFIS)结合,构建煤矿瓦斯浓度的预测模型.根据Takens理论,重构煤矿瓦斯浓度相空间,分别采用互信息法确定相空间时延和假近邻法确定相空间维数;然后在重构相空间中,运用自适应神经模糊推理系统构建煤矿瓦斯浓度的预测模型,并应用混合学习算法整定模型参数.结果表明,得到的模型训练和检验均方根误差分别为0.021 4和0.021 6,充分体现了ANFIS具有显著的学习能力和良好的泛化能力,同时也表明该预测模型是切实可行的.

基于改进型ANFIS的负荷密度指标求取新方法

针对传统的负荷密度指标的求取方法通常采用经验法或简单类比法,难以满足精度要求这一不足,从负荷密度与其影响因素存在着某种非线性关系的角度出发,提出了一种新颖的、基于自适应神经模糊系统(ANFIS)的负荷密度指标求取新方法。该方法用熵权法对影响因素的输入值进行加权处理,运用Fletcher-Reeves共轭梯度法改进ANFIS默认的混合学习算法,建立改进型ANFIS预测模型来求取负荷密度,克服了传统方法输出结果不可量化和精度不高等缺点。通过一个实例验证了该方法的实用性和有效性。

基于ANFIS的铝合金铣削加工表面粗糙度预测模型研究

分析以往建立表面粗糙度预测模型方法的不足,采用自适应神经模糊推理系统(ANFIS)建立了铝合金铣削加工表面粗糙度预测模型。经检验,该模型预测精度高,泛化能力强,且可简便预测铣削参数对已加工表面的表面粗糙度的影响,有助于准确认识已加工表面质量随铣削参数的变化规律,为切削参数的优选和表面质量的控制提供了依据。

基于ANFIS的高速列车制动控制仿真研究

将自适应神经模糊推理系统应用到高速列车制动控制当中,实现了高速列车制动过程的智能控制,具有控制安全性好,停车误差小,同时在模拟人操作方面有很好的效果。并且在MATLAB环境中进行了仿真研究,将ANFIS与SIMULINK有机地结合在一起,充分地发挥了各自的优势,简化了仿真过程。仿真结果表明了该方法的有效性与正确性。

基于ANFIS的人因失误风险严重度识别

为提高人因失误风险评价的精度和效率,考虑人因失误对系统的影响,用人因失误概率(HEP)、失误影响概率(EEP)以及失误后果严重度(ECS)3个参数,对人因失误风险进行度量,以满足概率风险评价(PSA)的最终目的。将神经网络和模糊逻辑推理有机地结合,利用获得的120组人因失误风险数据,建立基于自适应神经-模糊推理系统(ANFIS)的人因失误风险评价模型,用于人因失误风险重要性识别。结果表明,用该模型可克服专家判断的主观性、模糊性和不确定性等缺陷,使人因失误风险评价结果更符合实际。

船舶安全航行系统风险分级ANFIS模型

为准确实现对在航船舶的风险评估,建立船舶安全航行系统风险分级ANFIS模型.该方法分层列出4级影响船舶风险值的风险因素,通过模糊推理系统初步定义各项风险因素的隶属度模型.根据建立的模型和典型在航船舶历史数据,运用模糊神经网络的自学习性对模型进行修正,最终实现对船舶风险的客观评估.得到的数据对比图及误差图分析表明,该方法能够使典型数据充分加入,有效克服建模中的主观影响,并在合理的误差范围内较客观地评估在航船舶整体风险.

基于自适应神经模糊推理系统(ANFIS)的变压器超高频局部放电模式识别

对于变压器油中局部放电超高频测量系统所得到的局部放电的特征量,首先,选择优先权较高的6个特征量作为自适应神经模糊推理系统(ANFIS)的输入量,其次,构建6输入单输出的ANFIS,它采用了Takagi-Sugeno模糊系统的if-then规则,利用梯度下降和最优平方估计相结合的混合学习算法进行训练。最后,对于模型的有效性进行了检验,检验结果表明利用ANFIS系统进行局部放电的模式识别是可行的。

基于ANFIS的海底采矿车行走控制

针对海底钴结壳采矿车在采矿过程中越过复杂地形时会产生偏离预定路径的问题,提出一种基于ANFIS的海底采矿车直线路径跟踪控制方法,根据训练数据,设计模糊神经网络路径控制器,从而避免专家系统知识库难以获取和精确数学模型难以建立的困难。在此基础上,建立内环采用PID速度控制和外环采用ANFIS控制的机电直线路径行走控制模型,开展海底采矿车越单边障碍时的联合仿真研究,仿真结果表明所提控制方法的有效性和所建行走控制模型的正确性。

ANFIS与多元回归模型在ET_0实时预报中的对比研究

以气象数据为自变量,Penman Monteith方程计算值ET_0为应变量,分别建立了多元回归模型和自适应神经模糊推理系统(ANFIS)模型,对ET_0预测结果对比分析,ANFIS预测ET_0结果相对于多元线性回归具有精度高(1<ET_0<5)。预测结果与输入的Penman Monteith方程计算得ET_0相关性高。ANFIS预测ET_0模型输入项完全可以从当前短期气象预报中获得,程序运行操作简单,在辽阳市实时灌溉预报中有一定的推广意义,具有实用价值。

基于ANFIS的桥式起重机焊接箱形梁疲劳裂纹扩展预测

疲劳裂纹扩展问题是桥式起重机主梁结构设计的一个重要问题。为了确保起重机的安全,需要提前预知桥式起重机焊接箱形主梁的疲劳裂纹扩展长度,因而要建立一个精准的预测系统对裂纹长度进行预测。为此建立一个基于自适应模糊推理系统(ANFIS)模型对桥式起重机焊接箱形主梁疲劳裂纹扩展长度进行预测。该模型通过一套If-Then的规则,自动调整出适当的隶属函数以满足所要求的模糊推理的输入和输出关系;只要选取适当的模糊规则数,就可以得到最接近实际裂纹扩展长度的预测结果。根据桥式起重机焊接箱形主梁疲劳试验结果,并与三层神经网络模拟结果和三次样条函数模拟结果进行比较,可以看出利用ANFIS系统建立的预测疲劳裂纹扩展的模型可以有效控制误差范围,所以能够准确的预测出疲劳裂纹的扩展情况。

基于ANFIS的舵阻横摇系统

在MATLAB环境下建立了舵阻摇系统的非线性模型．基于所建立的非线性模型和ANFIS控制算法进行了仿真实验。运用Simulink工具箱得到仿真曲线．通过仿真曲线可以看出此控制器具有良好的鲁棒性能．通过对比减摇前后的仿真曲线得出,ANFIS算法对于舵阻摇系统的拉制有效,减摇率为23%左右,减摇效果较好。

改进的ANFIS方法在化工过程故障诊断中的应用

针对复杂的化工过程,在原有的自适应神经模糊推理系统(ANF IS)的基础上,结合主元分析和神经网络,提出了一种改进的自适应神经模糊推理故障诊断系统,并且分别将ANF IS和改进的ANF IS方法应用于TE(T ennessee E astm an)模型的故障诊断。两种方法均具有较高的精度,但改进的ANF IS具有运算速度快、结果清晰的优点,所以更适用于实际工业中。

基于ANFIS模型的基坑工程位移反分析

在软土地基深基坑开挖支护工程的设计与施工中,岩土体力学参数的取值问题是关键。基于MATLAB(R2007a)模糊工具箱中的自适应神经模糊推理系统(ANFIS)对基坑岩土体力学参数进行了位移反演分析,并结合汉口火车站出站厅基坑工程实例,动态反演了具体参数,检验了反演精度,从而验证了该方法用于基坑工程位移反分析的可行性及工程适用性。

基于CBR和ANFIS技术的智能建筑应急决策支持系统

目的建立基于实例推理技术(CBR)和自适应模糊神经网络(ANFIS)的智能建筑应急决策支持系统,对于加强重大灾害性突发事件的防控能力具有科学的指导意义.方法以智能建筑设备管理信息流为主线,讨论基于关系型数据库和Web技术的智能建筑设备管理信息系统集成;利用ANFIS技术加强CASE库的“知识获取”,建立了基于CBR技术的智能建筑应急决策支持系统IBFSIMS.结果IBFSIMS系统在紧急状态下可以即时发出警报并进行风险分析,实现基于案例的决策推理.结论IBFSIMS可以为指挥人员提供跨系统联动控制方案和应急决策支持.今后的研究须进一步完善知识获取的ANFIS模型,进一步丰富和完善决策支持系统的CASE库.

基于ANFIS的复合储能式装载机控制研究

复合储能式装载机具有结构复杂且不易控制的特点。针对模糊控制策略对专家经验依赖性较高导致难以实现最优控制的问题,文章利用自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)建立了复合储能式装载机的控制器,并通过搭建的装载机整车仿真模型进行仿真,结果表明车辆控制性和燃油经济性得到显著改善;利用dSPACE进行硬件在环试验,试验结果与仿真结果基本一致,验证了基于ANFIS的优化切实有效。该文研究为相关整车控制器的优化设计提供了一定的参考。

基于ANFIS的实验教学质量评价的研究

本文分析了高等学校实验教学质量评价体系,阐述了自适应模糊推理系统（ANFIS）的算法和结构,并用于数控技术及应用课程实验教学质量评价,最后对评价结果作了分析。

基于PGA-ANFIS的露天矿山开采调度系统的实时优化与实践

矿山开采调度系统主要解决不同平台开采的穿孔爆破技术经济参数优化问题。本文以雪峰水泥原料矿山为例,运用自适应模糊推理系统方法构造露天矿山开采调度系统模型,用并行遗传算法解决了不确定环境条件下的复杂矿山开采调度系统模型的优化问题,取得了较好的经济效益。这不仅为生产调度系统的在线优化问题提供了新的思路,而且为穿孔爆破参数的优化提供了新的方法,对促进矿山生产系统的自动化、信息化、智能化、集约化具有重要的参考价值。

基于ANFIS的磨矿过程控制算法

磨矿过程是选矿作业中的关键环节,其影响参数多,投入成本大,耗能高,其输出的矿石粒度是影响后续工序的重要指标。本文针对磨矿过程的特点,总结模糊控制规则,并对模糊控制规则进行分类,建立了自适应神经模糊推理系统(ANFIS),并对磨矿过程中不同的控制对象使用ANFIS建立了控制模型。该模型算法具有自适应调节特点,能够对控制参数总动调节,适应多变量、动态变化的控制环境。通过仿真实验结果对比,本文设计的控制算法在提高控制精度的同时,也提高了控制的实时性,具有良好的控制效果。

基于GA的ANFIS在函数拟合中的应用

本文介绍了一种遗传算法(GA)优化自适应神经模糊推理系统(ANFIS)的方法,并采用基于GA优化ANFIS方法,拟合非线性多峰函数,同时分析了这种方法的拟合能力和预测能力。实验结果表明,加入GA优化后的ANFIS具有更加优秀的拟合能力和预测能力,更适合于用来建立复杂参数间的非线性映射关系。