CGA优化改进型T-S模糊神经网络的三级倒立摆控制

针对三级倒立摆这一典型控制对象,建立了基于CGA优化的改进型T-S模糊神经网络控制器,完成了三级倒立摆的稳摆控制,将CGA与GA优化结果进行了对比,给出MATLAB仿真结果.结果表明:设计的控制器对于三级倒立摆的稳摆控制是有效的,而且CGA算法优于GA算法.

基于改进型PSO的模糊神经网络PM_(2.5)浓度预测

为科学合理地预测大气污染物PM2.5颗粒物浓度变化规律,分析PM2.5颗粒物浓度变化历史数据,综合判断外部条件(温度、风速、天气状况)和内部条件(其它污染物的浓度)对PM2.5颗粒物浓度变化的影响。采用一种改进型PSO优化的模糊神经网络,将粒子群算法与模糊神经网络进行融合,发挥PSO算法全局寻优的特点,预测PM2.5颗粒物浓度的变化规律。对某市2013年PM2.5颗粒物浓度进行预测和验证,验证结果表明,该算法具备良好的预测精度。

改进型T-S模糊神经网络风电功率预测模型的研究

为了提高风电功率的预测精度,在分析其主要影响因素的基础上,针对T-S模糊神经网络收敛速度慢、计算量大等缺点,提出了一种改进型T-S模糊神经网络风电功率预测模型。首先采用椭圆基函数作为隶属函数,扩展其接收域;其次利用模糊C-均值聚类确定其中心值;然后引入惯性项加快网络的收敛速度;最后分别对四季短期风电功率进行预测。仿真结果表明,改进型T-S模糊神经网络有效地提高了短期风电功率的预测精度,具有一定的实用价值。

改进型B样条模糊神经网络

提出了一种改进型B样条模糊神经网络 ,用以增加B样条函数在作为模糊神经网络控制器实际应用中的抗干扰能力 .通过指出常规B样条模糊隶属函数构造中存在的不足 ,提出了针对性的改进措施 ,从而既满足了B样条本身的性质 ,又从理论设计上避免了使系统不稳定的因素 .在实际电机速度控制系统的对比实验中证明了所提改进方法的有效性和实用性 .

基于改进型模糊神经网络的抽油机节能控制器

为了解决抽油机拖动电动机长期处于“相对轻载状态” 的问题,采用电动机启停间歇控制方案,并提出了改进型模糊神经网络模型。该模型利用神经网络的学习功能划分输入空间,抽取删除置信度低的语言变量值和规则,确定模糊规则后件结构,不断增添、修改、删除知识数据库中的控制规则,使系统具有很强的自适应能力。将此模型及其学习算法合理简化后,主要利用微处理芯片的精简指令所编制的软件来加以实现。基于该思想开发的抽油机节能控制器在国内各大油田使用表明,控制系统工作可靠,抽油机启停时间合理,在保证采油量的前提下,节电率达30％以上,实现了控制的智能化。

基于TS型模糊神经网络控制器的有源电力滤波器直流侧电压控制的研究

针对三相并联型有源电力滤波器(APF)直流侧电容电压控制问题,考虑TS型模糊推理易于和比例积分微分(PID)控制方法相结合的特点,提出了基于TS型模糊推理的模糊神经网络控制器(FNNC)方法,并将其用于APF直流侧的电压控制。确定了基于TS-FNNC的三相APF指令电流运算结构,研究了相应的控制策略,对TS-FNNC的连接权值和第二层节点的隶属函数调整分别采用最小二乘法和BP算法,使其具有较快的响应速度。仿真试验验证了该控制策略的有效性。

基于改进的TS模糊神经网络的华南台风灾情预测模型

为改善TS模糊神经网络在台风灾情中的预测精度并减少运算时间,该文利用改进的TS模糊神经网络建立华南地区台风灾情预测模型.首先选取1981-2016年登陆华南地区的台风灾害历史数据,运用灰色关联度法选取承灾体因子、防灾减灾因子;其次利用主成分分析法对因子进行线性降维;然后引入模糊C-均值聚类(FCM)确定隶属度函数的中心;最后对华南地区台风灾情进行预测试验,并将结果与TS模糊神经网络、BP神经网络的试验结果进行比较,结果表明,改进的TS模糊神经网络预测精度最优,且训练预测用时较短.

基于关联模糊神经网络和改进型蜂群算法的负荷预测方法

为提高负荷预测精度,考虑历史负荷数据之间相关联的特性,利用关联模糊神经网络建立了负荷预测模型。与其他负荷预测方法相比,基于关联模糊神经网络和改进型蜂群算法的负荷预测方法,减少了模型所需要的模糊规则的数量,降低了模型的复杂度。将该方法应用于某地实际负荷预测,数值结果表明,该方法具有较高的预测精度。

基于改进型Elman神经网络预测模糊神经网络控制的变风量空调设计

由于空调控制系统具有非线性、大滞后、时变性等特点,提出了一种基于改进型Elman神经网络的模糊神经网络控制算法,其预测输出与实际输出的差值作为模糊神经网络控制器的输入,使空调控制系统具有较高的控制精度和良好的动态特性和鲁棒性。仿真结果表明:与传统PID控制相比,基于Elman神经网络的模糊神经网络控制具有较强的鲁棒性,学习能力强,控制精度高,控制效果好,并具有自适应能力,应用前景十分广泛。

基于深度学习及改进模糊KMeans的寻常型银屑病智能诊断方法

为了解决寻常型银屑病在样本分布不平衡的数据中可能会导致的深度学习模型诊断效果下降等问题,通过结合改进模糊KMeans聚类算法对高聚类复杂度数据的处理能力以及Visual Geometry Group 13(VGG13)深度卷积神经网络模型的预测能力,提出一种基于改进模糊KMeans聚类算法的VGG13深度卷积神经网络(VGG13-KMeans)模型,并将其应用于寻常型银屑病的诊断任务中。实验结果表明,相较于VGG13以及ResNet18两种方法,本文方法更适用于对银屑病特征的识别。

基于模糊神经网络的规则巨型框架结构风荷载特性预测与研究

应用模糊神经网络方法,结合规则的巨型框架结构的风洞试验,成功地预测了表面有凸出梁柱的规则巨型框架结构的风压分布特性。结果表明,采用该方法可以综合考虑各因素的影响,并能有效、简捷地处理常规方法难以解决的问题。

采用小波变换与RBF神经网络优化的电机故障模糊诊断系统

针对特征信号淹没于噪声信号的情况,采用Morlet小波分析实现了对原始电流特征信号的降噪。同时,采用基于RBF神经网络的最优化插值与具有频谱细化特性的CZT分析,提升了频谱分辨率,充分展现了发生故障时电流特征信号的频谱细节,为电机故障诊断系统提供了可靠的诊断依据。建立了基于改进型BP神经网络的电机故障模糊诊断系统,抽象出了偏心故障的诊断规则。实测结果表明,该系统能够可靠地诊断电机的偏心故障。

基于样本聚类模糊神经网络的刀具磨损状态实时识别

利用一种根据K－means方法对样本聚类后建立的改进型模糊神经网络(MTFNN)模型，对刀具后刀面磨损量进行在线工况实时识别。仿真结果表明该工况辨识模型精度高，收敛速度快，实用性较强，适宜于复杂的、非线性加工系统建模。

基于改进遗传算法的A2-C0型模糊逻辑系统设计及仿真

在遗传算法(Genetic Algorithm)的基础上提出一种具有变异概率更新的改进遗传算法(IGA),并用于A2-C0型(A代表规则前件,C代表规则后件)模糊逻辑系统的设计及应用。将改进遗传算法与模糊逻辑系统相结合,使用改进遗传算法对模糊逻辑系统进行规则筛选,将适应度最高的规则作为规则基,并设计模糊逻辑系统,最终设计模糊神经网络,并用改进遗传算法调整系统的参数。为了检验改进遗传算法系统是否可行,使用本设计的A2-C0型模糊逻辑系统进行锂电池股票价格的预测,并与相同BP算法构成的模糊逻辑系统预测仿真进行比较,误差结果表明,改进遗传算法系统是可行的,并且取得了更好的效果。

基于LADRC的高速龙门式包带机TS-FNN同步控制

针对高速龙门式包带机的驱动过程平行轴产生噪声、振动和卡滞等问题,造成其驱动过程不同步的影响,提出一种降阶扩张状态观测器(reduced-order extended state observer,RESO)的线性自抗扰控制(linear active disturbance rejection contro,LADRC)控制器和TS型模糊神经网络(TS fuzzy neural network,TS-FNN)同步补偿器相结合的控制方法。首先,针对高速龙门式包带机单轴的噪声、摩擦力和振动对伺服系统控制精度的影响,采用RESO的LADRC算法,以抑制控制系统的外部扰动和减少参数调节数量,从而提高位置跟踪精度;同时,针对平行轴中双直线电机因参数摄动和机械耦合等不确定扰动对位置同步精度的影响,采用交叉耦合的控制方法并结合TS-FNN同步补偿器来提高两平行轴的同步精度。通过实验对比验证,所采用的控制策略能有效减少高速龙门式包带机的单轴的跟踪误差,并提高平行轴的同步误差和抗扰性。

基于双边型直线电机的故障信息融合诊断方法的研究

针对双边型直线电机的气隙偏心故障、绕组匝间短路故障,提出了一种基于双边型直线电机的故障信息融合诊断方法,该法通过数据层融合、特征层融合、决策层融合以及两级诊断的方式来实现,其中数据层采用了Park矢量融合方法以及改进的基8FFT算法,特征层采用了模糊人工神经网络法。将改进的基8FFT算法、模糊人工神经网络法结合在一起,提高了双边型直线电机各种故障的诊断能力。

电力企业信用度综合智能评分及风险等级评价

针对电力企业信用度性能差,风险评估能力差等问题,提出了一种新型的管理方法,构建了一种新型的综合智能评分架构方案。该方案能够融合多种数据信息,实现电力企业信用度综合智能评分。在该电力企业信用度综合智能评分系统的基础上,设计了改进型模糊评价方法,该方法融合了DA-BP神经网络模型,又通过卷积分计算,提高了电力企业信用度评估能力。通过试验,本研究的方法评估精度高,性能稳定可靠。

基于改进TSFNN的燃煤电厂SCR入口NO_(x)质量浓度软测量

针对燃煤电厂选择性催化还原脱硝系统(SCR)入口NO_(x)烟气连续监测系统存在较大延时和维护过程无法连续测量的问题,建立了一种基于改进TS模糊神经网络的软测量模型。首先,确立与SCR入口NO_(x)质量浓度特性相关的初始参量,并从某热电厂获取运行数据。其次,利用主因子分析法从初始参量中选择辅助变量实现输入降维。然后,利用模糊均值聚类与减法聚类相融合的算法对前件层进行结构辨识初始化隶属函数参数,将改进的自导式粒子群优化算法应用于网络后件参数优化。最后,基于梯度下降算法对建立的SCR入口NO_(x)质量浓度的软测量模型进行网络参数更新。仿真结果表明,该软测量方法实现了SCR入口NO_(x)质量浓度的实时测量,且与其他建模方法相比,在测量精度、泛化能力方面有一定的优势。

基于改进型GA优化FNNC的SG水位控制系统仿真研究

蒸汽发生器水位直接影响到整个核电站的安全及稳定运行,但蒸汽发生器本身由于所具有的高度复杂性、非线性性、时变性等特性,导致传统的串级PID控制等方法难以取得好的控制效果。本研究在串级控制的基础上,采用模糊神经网络来对蒸汽发生器水位进行控制,该控制算法能够充分发挥模糊控制及神经网络的优点。另外,为了减小模糊神经网络参数初值的选择对控制器的性能影响,将一种改进型遗传算法用于模糊神经网络控制器的参数优化。仿真结果表明,设计的控制方法无论是抗干扰能力还是在鲁棒性方面与传统的串级PID控制及常规的模糊神经网络控制相比较都有了很大的提高。

磁悬浮精密隔振器结构设计及控制算法研究

针对半主动隔振器存在精度不高、频带较窄等问题,设计了一种由永磁铁和电磁铁组成的混合磁悬浮隔振器结构,建立了动力学数学模型。根据控制精度和要求,提出一种改进型的双闭环控制策略,即采用改进型遗传算法对外环的自抗扰控制器(ADRC)参数进行优化,采用模糊神经网络对内环的PID控制器参数进行实时整定。通过MATLAB仿真比较,结果表明,采用优化控制算法后,系统超调量将小于1%,隔振器各参数稳定时间缩短了1.5 s左右。可见,改进后的控制算法具有较快的收敛速度,从而使混合磁悬浮隔振器具有更好的隔振性能。