基于敏感性分析的区间二型模糊神经网络出水总氮软测量

【目的】出水总氮检测在监测污水处理厂超标排放和预防水质富营养化中发挥了重要的作用,但仍存在精度低,实时性不强的问题。为解决城市污水处理过程出水总氮难以在线精准检测的问题,提出了一种基于敏感性分析的区间二型模糊神经网络(SA-IT2FNN)出水总氮软测量方法。【方法】采用敏感性分析法(Sensitivity Analysis,SA),选取与污水处理过程出水总氮关联性较强的主元变量。然后,将所选的关键主元变量作为IT2FNN的输入变量,通过训练模型参数建立出水总氮软测量模型。【结果】仿真结果显示:对于冬季数据集,SA-IT2FNN选取6个、8个、10个主元变量进行预测时,训练时间分别为6.2 s、7.8 s、9.7 s;均方根误差(Root Mean Square Error,RMSE)分别为0.44、0.35、0.33。另外,SA-IT2FNN选择8主元变量预测时,夏季和冬季对应的测试RMSE分别为0.38和0.39。【结论】结果表明:SA通过对模型的输入变量降维,有效提高了模型的预测效果;基于IT2FNN的总氮软测量模型在不同工况下都能够保证预测精度,具有较好的学习和预测能力。研究成果展示了人工智能在总氮检测中的独特作用,为污水处理出水指标高精度检测提供了有效的方法。

基于区间二型模糊神经网络的出水氨氮软测量

针对污水处理过程出水氨氮(ammonia nitrogen,NH4-N)难以实时检测的问题,提出了一种基于区间二型模糊神经网络(interval type-2 fuzzy neural networks,IT2FNN)的软测量方法,建立了出水NH4-N的软测量模型,实现了出水NH4-N的实时检测。首先,采集和预处理相关过程变量的实际运行数据,通过主元分析法筛选出与出水NH4-N相关性较强的过程变量。其次,利用IT2FNN建立所选变量与出水NH4-N的软测量模型,通过梯度下降算法对模型相关参数进行修正。最后,将基于IT2FNN的出水NH4-N软测量模型应用于实际污水处理过程。实验结果表明,提出的出水NH4-N软测量方法不仅能够实现污水处理过程出水NH4-N的实时检测,而且具有较高的检测精度。

四旋翼微型飞行器的区间二型模糊神经网络自适应控制

针对四旋翼微型飞行器控制系统中存在不确定性、外界干扰等影响控制精度的问题,提出了基于区间二型模糊神经网络(IT_IIFNN)的四旋翼微型飞行器自适应控制方案。首先,根据四旋翼微型飞行器的动力学模型,设计了基于IT_IIFNN的四旋翼微型飞行器自适应控制器,该控制器由两部分构成,其中IT_IIFNN用来在线逼近系统不确定性;鲁棒补偿器用来实时补偿IT_IIFNN的逼近误差以及外界干扰。其次,利用Lyapunov稳定理论证明此飞行器控制系统闭环稳定性。最后,通过四旋翼微型飞行器样机来验证IT_IIFNN自适应控制器的优越性。验证结果显示,在加入风速为1.5m/s的外界干扰条件下,跟踪误差可近似达到10-2。结果表明,IT_IIFNN自适应控制器具有良好的跟踪精度、稳定性及鲁棒性。

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.

基于区间二型模糊神经网络的垂直切换算法

在超密集异构无线网络中,针对传统垂直切换算法无法同时描述网络状态的模糊性和随机性,导致网络性能得不到有效提升的问题,提出一种基于区间二型模糊神经网络的垂直切换算法.重构了两阶段判决算法:在网络预筛选阶段,定义了历史接入率,结合当前候选网络集的数目设置阈值.根据接收信号强度和剩余可用带宽,对用户接收范围内的所有网络进行初步筛选;再在垂直切换判决阶段,将剩余候选网络的时延,丢包率以及误码率作为区间二型模糊神经网络的输入,利用前馈神经网络的结构完成模糊逻辑推理,经训练之后计算得到输出判决值,从而选择最佳接入网络.实验结果表明,该算法能在保证时间开销较低的同时,有效降低切换决策的错误概率,减少切换失败和切换次数,提升网络总吞吐量.

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.

基于正则化AdaBound的区间二型模糊神经网络软测量建模

针对复杂化工过程中存在强非线性、多变量耦合、参数时变及大时滞等因素,导致监测变量软测量精度不高的问题,提出了一种基于正则化AdaBound的区间二型模糊神经网络(RAIT2FNN)软测量建模方法。首先为了解决区间二型神经网络(IT2FNN)结构难以确定的问题,提出了一种采用激励强度和相似度定义增长和删减指标的自组织产生规则的算法。该算法利用激励强度的大小决定是否产生规则,并根据相似度进行规则的删减从而确定了区间二型模糊神经网络的结构。其次,本文提出正则化和AdaBound相结合的算法对RAIT2FNN模型相关参数进行修正,使得不同参数具有有界的自适应学习速率。最后将RAIT2FNN作为软测量模型应用于环己烷无催化氧化过程尾氧浓度预测问题中。实验结果为测试时间为0.0082,训练RMSE为0.0182,测试RMSE为0.0096,表明RAIT2FNN作为软测量模型具有预测及时且预测精度较高的优点。

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。

基于区间二型模糊神经网络的高分辨率遥感影像分割方法

高分辨率遥感影像同质区域地物目标异质性增大,光谱测度空间复杂性增加使像素类属的不确定性以及分割决策不确定性增大,引起分割精度下降。提出一种基于区间二型模糊神经网络的高分辨率遥感影像监督分割方法。对同质区域构建一型高斯隶属函数模型刻画像素类属的不确定性;模糊化高斯隶属函数参数构建区间二型模糊模型处理分割决策的不确定性;以训练样本在所有类别中的一型模糊隶属度及上、下隶属度为输入,建立模糊神经网络模型并融入像素邻域关系作为模糊决策。采用文中算法、FCM方法、HMRF-FCM及区间二型模糊神经网络方法分别对合成影像及真实高分辨遥感影像进行分割,定性与定量的对比分析验证了文中算法具有更高的分割精度。

基于区间二型模糊神经网络的臭氧浓度预测

针对传统的大气臭氧浓度预测存在预测精度低、计算效率低等问题,将模糊聚类与神经网络相结合,提出一种使用区间二型模糊神经网络进行臭氧浓度预测的方法。用模糊C均值的方法筛选出适应性最高的有效规则,并进行区间二型模糊神经网络的结构设计;使用LM算法(Levenberg-Marquardt)进行模糊神经网络的参数及权重调整。使用2018年石家庄气象臭氧数据集验证系统进行验证,并与使用梯度下降算法(Gradient Descent)的模糊神经网络系统进行比较,结果表明,该方法可以更好地预测臭氧浓度,采用LM算法比采用GD算法可获得更好的预测性能。

分组区间二型模糊神经网络抗噪逼近器的研究

将区间二型模糊系统与神经网络系统相结合,运用分组的思想构造抗噪逼近器,并用提出的抗噪性能评价标准进行抗噪衡量。实验结果表明,该方法具有更好的逼近能力和抗噪能力。

机械臂的改进区间二型模糊神经网络控制

针对具有不确定性模型参数的双关节机械臂系统,提出基于改进区间二型模糊神经网络逼近器的自适应反演控制算法.相比于一型模糊系统,区间二型模糊系统由于自身的区间前件和隶属函数,更有效地处理高度非线性系统.然而现有的二型模糊寻找上下输出的交叉点过程中KM迭代算法计算量大、耗时高,使得传统的二型模糊系统不适用于实际控制应用.利用自适应调节因子代替KM迭代算法,在上输出和下输出建立起自适应连接,所采用的改进区间二型模糊神经网络逼近器有效解决双关节机械臂系统中不确定性参数的问题.通过李雅普诺夫方法证明了所有信号的有界性以及闭环系统的稳定性.最后仿真结果表明,基于改进区间二型模糊神经网络逼近器的自适应反演控制器可实现快速响应、更短的稳定时间和更高的跟踪精度.

基于区间二型模糊神经网络污水处理过程溶解氧浓度控制

针对城市污水处理过程溶解氧浓度难以精确控制的问题,提出了一种基于区间二型模糊神经网络(interval type-2 fuzzy neural networks,IT2FNN)的溶解氧浓度控制方法。先将IT2FNN应用在城市污水处理过程溶解氧浓度控制器的设计,获得了一种IT2FNN溶解氧浓度控制器。后采用自适应学习算法在线调整控制器的参数,提高了控制器的自适应能力。最后将提出的IT2FNN溶解氧浓度控制器应用于基准仿真2号模型(benchmark simulation model no.2,BSM2)平台,结果表明,IT2FNN控制器能够实现第5分区溶解氧浓度精确控制,具有较好的控制效果。

区间二型模糊神经网络遥感图像分割方法

针对遥感图像分割领域的模糊性和不确定性问题,提出一种全新的遥感图像分割方法。融合了均值和方差模糊以增强模型鲁棒性,采用合页损失函数简化计算,并引入结合遗传算法和基于约束的优化算法的新优化算法,以提升模型性能和准确度。通过多组不同光谱和空间分辨率的遥感数据进行评估,计算了多个有效性指标,并进行详细比较分析。在高尔夫球场和海港地物类别分类实验中,相比于先进的区间二型模糊神经网络等方法,整体准确率平均提高了17.05%和6.5%。文中方法有效解决了遥感图像分割中的模糊性和不确定性问题,为遥感图像分割领域提供一个新的研究思路。

二氧化氮浓度时空预测:一种区间二型直觉模糊神经网络方法

空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此,提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先,阐述了该区间二型直觉模糊神经网络框架,引入可变系数加权其隶属部分和非隶属部分的输出,并采用随机向量泛函链接神经网络作为规则后件;然后,为确定网络结构和参数,采用分层聚类算法得到模糊规则库,并通过最小二乘法优化网络后件的输出权值;最后,使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明,与现有方法相比,该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。

基于广义二型模糊神经网络的移动机器人轨迹跟踪控制

针对轮式移动机器人的轨迹跟踪问题,提出一种广义二型模糊神经网络控制方法。模糊控制可以弥补机器人动态特性中的非线性和不确定性因素,而广义二型模糊系统能更有效地处理外界干扰和参数扰动等不确定性,广义二型模糊神经网络系统结合了神经网络强大的非线性拟合能力和自学习能力,能够更有效地对规则库中可能存在的不确定性进行建模。它可以进一步提高控制精度,达到跟踪的目的。仿真结果表明,与PID控制器、模糊控制器和一型模糊神经网络控制器相比,该方法能更好地跟踪轮式移动机器人的运动轨迹且拥有更好的抗干扰能力。

基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制

该文提出的鲁棒的自适应区间二型模糊神经网络控制(RAITIIFNNC)系统由一个区间二型模糊神经网络识别器与一个鲁棒性控制器组成。识别器完成了对场地不确定性的在线评估,鲁棒控制器用来减小逼近错误,两者结合可以获得更好地跟踪与同步混沌系统。所有的参数学习算法来源于Lyapunov稳定理论以保证网络汇聚的同时有稳定同步的表现。算例分析证明:新系统在同步两个Lorenz混沌系统时具有更好的效率。

基于区间二型模糊PID的四旋翼无人机姿态控制

针对传统PID控制与一型模糊控制在四旋翼无人机姿态控制中响应速度慢、超调量大等问题,提出了一种区间二型模糊控制与传统PID控制相结合的控制算法。首先,在一型模糊系统的基础上对系统的单值前件和后件进一步模糊化形成区间前件和后件,更适于处理模糊信息。其次,利用具有停止条件的改进迭代算法(enhanced iterative algorithm with stop condition,EIASC)进行降型过程中开关点的计算,减少了计算时间,并将求解出的参数变化量作为初始PID控制参数值的补偿。最后,在建立的四旋翼无人机动力学模型上对所提算法进行仿真验证,仿真结果表明,所提算法比传统PID控制算法和一型模糊PID控制算法具有更快的响应速度、更高的稳态精度和更小的超调量。

基于模糊聚类的二型模糊神经网络系统辨识

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。

前级可变车载充电机双闭环区间二型模糊控制研究

现有车载充电机拓扑结构无法兼顾单相和三相交流电,控制策略难以实现宽范围电压的动态调节和高精度、低抖动的输出。针对上述问题,提出一种双闭环区间二型模糊控制的前级可变车载充电机。在图腾柱功率因数校正电路结构上,增加第三桥臂和对应的控制开关,设计出前级可变电路;选用LLC谐振电路作为车载充电机的后级电路。基于此拓扑,提出区间二型模糊电压外环和区间二型模糊电流内环的双闭环控制策略。经仿真分析验证了所提拓扑结构能够兼容两种规格交流电的可行性。同时,所提控制策略的系统输出与电压外环电流内环的双闭环PID和一型模糊双闭环PID相比,有了明显改善。