空间点目标识别的神经模糊推理系统应用研究

提出了空间点目标在三个不同波段的辐射通量作为特征向量,使用自适应神经模糊推理系统(ANFIS)和动态进化神经模糊推理系统(DENFIS)进行识别.最后与BP神经网络、遗传算法以及遗传-神经算法三种方法进行比较,进行了仿真实验,仿真结果表明ANFIS,特别是DENFIS具有较好的学习能力和泛化能力,较大的提高了目标识别率,能够较好的进行空间点目标的识别.

基于动态模糊推理的舒适温度在线预测

基于热感觉预测的室内热环境自动控制方法为解决基于传统温度设定值控制不满足用户舒适度问题提供新的途径;但建模过程中用户热感觉信息难以获取,因此开发了便捷的移动端智能交互系统以实时采集现场数据,建立用户学习样本;并针对热舒适的动态变化性特征,设计动态进化神经模糊推理系统(DENFIS)以建立用户热舒适在线预测模型;通过实时学习样本数据驱动,系统的模糊规则与模型输出函数系数可动态自校正,推理预测出用户偏好温度;实验结果表明所设计的DENFIS算法预测用户的舒适温度范围准确率高达90.5%,误差极小;证明了该算法所建立的在线预测模型用于智能空调温度控制,可解决现有的温度设定方式带来的温度设定值不合理的问题,在实际应用中具有可行性。

基于模糊神经网络的非线性动态系统建模

根据在柴油机试验中得到的输入和输出数据,利用一种模糊神经网络———自适应神经模糊推理系统(AN-FIS)建立了描述柴油机动态性能的T-S模糊模型.利用Matlab的模糊工具箱进行仿真,结果表明,该模型可以准确地描述柴油机在整个工作范围内的动态性能.并将ANFIS与BP神经网络做了比较,分析了ANFIS在参数收敛速度及建模精度上的优越性.该模型将被用于柴油机控制系统的性能分析和控制方案设计中.

空间点目标识别的模糊神经网络应用研究

首先对空间目标辐射特性进行了研究,指出了用空间目标在3个不同波段的辐射通量作为特征向量进行目标识别。然后研究了进化模糊神经网络(EFuNN)和动态进化神经模糊推理系统(DENFIS),最后用EFuNN和DENFIS进行了仿真实验,并且与BP神经网络、遗传算法以及遗传-神经算法进行了比较。仿真结果表明EFuNN尤其是DENFIS具有较好的学习能力和泛化能力,较大地提高了目标识别率,能够较好地进行空间点目标的识别。

基于小波和进化网络的电能质量动态扰动自动识别

提出了一种基于小波和进化网络的电能质量动态扰动自动识别方法。首先应用Ｄａｕｂｅｃｈｉｅｓ ４小波对扰动波形进行分解,得到各个尺度上的小波系数,然后进行特征提取:采用遗传算法设计的模式特征分类器对扰动进行分类。实验表明该方法具有分类准确、网络学习速度快及收敛效果好等显著特点。

关于动态系统故障诊断方法的探讨

介绍了系统故障诊断技术；专家系统、神经网络和模糊推理是工程实践中故障诊断的主要途径。

混沌时间序列的自适应变异差分进化ANFIS预测

提出了一种基于自适应变异差分进化(AMDE)算法的ANFIS模型对混沌时间序列进行预测的方法,该方法采用自适应变异差分进化算法和最小二乘法相结合的混合学习算法对ANFIS网络结构参数进行优化设计,利用差分进化算法的全局寻优能力对ANFIS网络前件参数进行优化,而网络的结论参数采用最小二乘法优化,混合学习算法提高了网络参数辨识的收敛速度和系统的全局收敛性,仿真实验结果表明了该方法的有效性。

一种基于数据驱动与物理模型融合的含风电系统频率响应分析方法

当前已有的基于物理模型或数据驱动方法在含风电电力系统实际应用中,存在着计算效率、预测精度以及计算结果可靠性之间的矛盾,为此提出了一种基于数据驱动与物理模型融合的电力系统扰动后频率动态响应分析方法。首先推导能够计及风电机组参与频率调节的系统频率响应(system frequency response,SFR)模型,解决传统的SFR模型无法准确适用于风电渗透率较高电网的问题;然后考虑SFR模型存在的计算精度问题,提出一种基于多输出支持向量机回归(support vector regression,SVR)的频率动态响应预测方法;最后利用基于自适应神经模糊推理系统(adaptive neural fuzzy inference system,ANFIS)模型实现将改进后的SFR模型方法与SVR模型方法相融合,得到在小容量样本下快速获得高精度的频率动态响应预测结果。借助IEEE-39节点的含风电系统仿真算例分析验证了所提方法的适用性、准确性和优越性。

基于数据驱动的黄河三角洲地下水位预测模型

地下水位波动预测对水资源管理具有重要意义。利用人工神经网络(ANNs)、自适应神经模糊推理系统(ANFIS)和支持向量机(SVM)模型对黄河三角洲地下水位波动进行了预测。选取历史地下水位作为影响地下水位波动的唯一因素,输入向量由地下水位时间序列的自相关函数(ACF)和偏自相关函数(PACF)确定。结果表明,ANNs,ANFIS和SVM模型能够利用历史地下水位数据成功预测地下水位。ANNs模型和SVM模型具有较好的稳定性,预测精度较高,而ANFIS对于地下水位突变信息的预测效果最好。

适应的自组织调节系统

适应的自组织调节系统胡克今天，我０１正处于一切科学的概念基础方面的一场重要和根本性革命的开端，这场革命对于有关专业也有重要影响：从线性的、可逆的和组成上可还原的动力学数学模型转移到非线性的、不可逆的功能上不可还原的复杂的动力学系统模型，特别是有关复杂...

自动控制、自动控制设备及系统

Y2001-62725-726 0120043基于自适应神经模糊推理系统的 CMOS 模拟神经模糊样机=CMOS analog neurofuzzy prototype based onANFIS[会,英]/Arellano-Cardenas,O.& Molina-Lozano,H.//2000 IEEE International Symposium onCircuits and Systems,Vol.3.—726～729(HC)