带有混合时滞的中立型随机神经网络的状态估计

研究了一类具有Markov跳变参数的中立型神经网络的状态估计问题,所考虑的神经网络含有Markov模态依赖的离散时滞和无穷分布时滞。通过构造模态依赖的Lyapunov-Krasovskii泛函,得到状态估计误差系统全局渐近稳定的充分条件,从而保证了所考虑神经网络的全阶状态估计器的存在。通过将非线性耦合的矩阵不等式转化为线性矩阵不等式,利用线性矩阵不等式计算状态估计器的增益矩阵,由此解决了神经网络的状态估计问题。最后,通过数值例子说明所提出设计结果的有效性。

串联型模糊神经网络PID控制器的设计

该文提出了一种串联型模糊神经网络PID控制器的设计方法 ,该方法利用人工神经元网络的聚类功能来对反馈回来的误差输入量进行分类 ,然后串联一个模糊控制器 ,并根据人工神经网络的分类结果来构造模糊规则库 ,使整个控制器既具有PID调节的功能 ,同时避免了神经元网络的发散问题 ,并解决了模糊规则库构造的困难 ,从而实现对PID控制器参数的智能调节。

Takagi-Sugeno型分层混合模糊-神经网络训练算法研究

为寻求适合离散和连续变量并存数据特点的最佳训练算法,本文对基于三角波,梯形,Gaussian隶属函数的Takagi-Sugeno型分层混合模糊-神经网络训练算法进行综合比较研究,使用梯度下降法详细推导了各个参数的迭代规则,并给出了完整的训练算法和详细的参数调整过程.以Pyrimidines和Heart-UCI为数据分别进行函数逼近与数据分类实验,并与经典的BP算法比较.实验结果表明Takagi-Sugeno型分层混合模糊-神经网络在高维且离散与连续变量混合的函数逼近和分类上比BP神经网络更具优势,而基于Gaussian隶属函数的训练算法函数逼近精度比基于三角波和梯形隶属函数的训练算法精度更高.

基于遗传与BP混合算法神经网络预测模型及应用

提出用遗传学习算法和权重调整 BP算法相结合的混合算法来训练模糊模式识别神经网络预测模型 ;即先通过遗传学习算法进行全局训练 ,再用权重调整 BP算法进行精确训练 ,使网络收敛速度加快和避免局部极小 .作为实例 ,以新疆雅马渡站的实测径流资料和相应的前期 4个预报因子实测数据作为样本进行训练并用以预测雅马渡站的年径流量 .结果表明 。

基于模糊神经网络的混联式混合动力汽车驱动系统工作状态控制研究

通过分析混联式混合动力汽车理想工作模式的控制,提出了一种新型的汽车驱动系统工作模式的控制方法——模糊神经网络控制.采用模糊神经网络能够自适应的控制汽车驱动模式工作状态的切换,能够节能减排,提高发动机的动力.利用Matlab/Simulink建立模糊神经网络控制模型,仿真实验结果表明,该控制方法达到了预期的目的,具有较好的效果.

面向数字孪生的区间二型T-S模糊建模方法研究

为提高变负荷工况下火电机组动态过程模型精度以达到数字孪生模型要求,构建串联结构混合模型,采用量子粒子群算法(QPSO)构建全局模型,引入区间二型T-S(IT2TSK)模糊模型实现孪生体子模型及过渡过程的精准演化。针对IT2TSK模糊模型中模糊集和模糊规则较难确定的问题,设计了两步循环迭代法确定前后件参数,保证模糊集参数能够纵向体现不同状态集之间的不确定性,以及模糊规则能够横向实现子模型间的平稳过渡,保证全工况下孪生体模型高度逼近动态过程。结果表明:以空气预热器为例,在变负荷训练集上,较简化定工况模型和一型T-S模糊模型而言,基于IT2TSK模糊模型的参数在线自适应混合模型的输出能够更准确地跟踪实际值,整体精度更高。

串联型有源电网调节器的模糊滑模变结构控制

文章结合滑模变结构控制和模糊控制的特点 ,调节电力电子开关模式 ,以获得预期的平衡电压 ,使有源电网调节器既具有变结构控制的鲁棒性 。

具有非线性脉冲效应和反应扩散项的Cohen-Grossberg型模糊神经网络的指数同步

研究了具有非线性脉冲效应和反应扩散项的Cohen-Grossberg型模糊神经网络的指数同步,通过Lyapunov稳定性理论和不等式技巧,利用p-范数得到了新的指数同步的充分条件.

基于V型串联混合动力客车整车控制器的开发

基于V型开发模式,主要采用MATLAB/Simulink、dSPACE—控制系统的集成开发等平台,按照V型开发模式的各个阶段,利用MATLAB/Simulink进行串联混合动力整车控制主要策略的建模仿真,并在MicroAutoBox上进行策略模型的基本验证;利用TargetLink工具生成16位单片机为核心的产品级代码,下载到设计开发的整车控制器中进行整车控制器(VCU)的硬件在环以及装车的验证,后期在样车上进行关键参数的标定,完成混合动力客车整车控制器的开发。开发过程中不仅采用了高集成度的控制平台,而且还自己搭建了VCU的开发和调试台架,对串联混合动力的基本控制策略、V型开发模式的开发过程以及各个阶段的开发工具等核心关键问题进行了分析和探讨。结果表明,采用基于V型开发模式开发的串联混合动力整车控制器,不仅能很好地满足整车的各项控制需求,而且具有模块功能定义明确、代码自动生成、程序可读性强、代码修改方便等优点,提高了整车控制器软件的开发效率和开发质量,并缩短了开发周期,降低了开发成本。

神经模糊技术在DSP控制交流调速系统中的应用

运用神经模糊技术中的串联型神经模糊混合模式,设计了神经网络在线模糊自适应控制器,作为异步交流电机直接转矩调速系统中的速度控制器.在TMS320F240 DSP的开发平台上进一步开发设计了全系统的硬件和软件.实验结果表明,系统取得了较好的调速性能.

三相变流器的模糊PI神经网络控制研究

提出了一种神经网络电流内环控制加混合模糊PI电压外环控制的双环控制结构。对三相电压型可逆变流器系统而言,神经网络电流内环控制使系统具有更强的鲁棒性,混合模糊PI电压外环控制加快了系统的响应速度。为了增强系统的抗扰性能还引入了电流前馈控制。最后通过仿真及试验验证了控制方案的正确性与可行性。

基于磁流变技术的发动机振动模糊控制研究

为实现宽频范围内对发动机振动进行积极隔振,提出了一种混合模式的磁流变悬置结构。以磁流变悬置动态性能试验结果为数据样本,利用BP神经网络分别对磁流变悬置正、逆模型进行辨识;同时,建立了三点磁流变悬置系统6自由度模型,设计了基于磁流变悬置BP神经网络正、逆模型的模糊控制器,对磁流变悬置系统进行隔振控制,仿真结果表明:BP神经网络具有较高的准确度,在磁流变悬置模型辨识方面具备优越性能;模糊控制器均能较好地在宽频范围内的衰减发动机振动,发动机稳定转速下对应的位移和加速度振动峰值明显减小。

大数据分析中的计算智能研究现状与展望

为对其进行详细分析,本文对大数据分析中的计算智能研究现状与展望进行研究。首先从人工神经网络、模糊识别技术和粒子群算法几个方面进行计算智能的发展现状并剖析出现的问题,在解决问题的同时提出新思路,给出开发不同于当前存在的智能模式,如脑启发计算和人机混合智能,以期为推动计算智能的发展提供一定帮助。