基于小波神经网络的机器人模糊控制算法

为了提升工业制造过程中工业机器人机械臂的控制精度,文中基于变换域的思想设计了一套智能控制算法。该方法采用小波变换函数替代了传统神经网络隐藏层中的非线性激活函数,以获得紧密型的小波神经网络,从而提升了网络对于弱信号的特征提取能力。同时,将小波网络提取的特征输入至模糊控制网络中,并引入T-S推理规则,保证了算法对于复杂过程的辨识及控制能力。同时算法基于误差的反向传播理论进行训练,可以灵活调整学习率和迭代速度,确保了该过程的收敛性。以二阶倒立摆系统为控制对象进行仿真实验,根据不同变量对系统影响力的不同设计了两级控制网络,以增强网络的泛化能力。仿真结果表明,所提算法控制下的二阶倒立摆稳定性明显优于BP神经网络,其位移与上、下摆角等关键参数的方差分别提升了54.72%、56.32%和51.04%。

小波模糊神经网络在绝缘子污秽在线监测中的应用

为了实现电气设备在线监测的智能化和自动化,提出了基于小波模糊神经网络的绝缘子在线监测的方法。鉴于模糊神经网络具有良好的学习性及其很强的模式识别能力以及小波对含噪泄漏电流信号有很好的去噪能力,故提出了小波理论和模糊神经网络相结合的小波模糊神经网络。在实验室模拟实验和现场实测数据的基础上,分析了环境因素对不同污秽程度绝缘子外部电气特性的影响,通过选择环境温度和湿度,泄漏电流有效值,泄漏电流峰值及泄漏电流脉冲频率等变量作为其输入变量,并将其用于对绝缘子污秽程度在线监测结果的模糊综合评定。同时也介绍了基于小波模糊神经网络的污秽评定模型的构建过程,通过部分实验数据验证了该方法的可行性。通过此方法,监控人员可以实时在线监测变电站实时绝缘状况,同时可减少电网因绝缘问题引起的故障,在保证电网安全运行方面有突出贡献。

基于小波分析和模糊神经网络的水文预测

提出一种基于小波 -模糊神经网络的水文时间序列预测方法 .利用小波分析具有“数学显微镜”的特点 ,分析水文时间序列的频率构成 ;通过模糊逻辑和神经网络两种理论的融合 ,对各频率分量进行预测 ,最后合成预测结果 .对浙江源口水库 1 0年间入库水量时间序列的预测实践 ,验证了方法的有效性 .

基于小波分解模糊灰色聚类和BP神经网络的短期负荷预测

提出基于小波分解、模糊灰色聚类和BP神经网络的短期负荷预测方法。通过小波分解将负荷序列分解成低频分量和高频分量,找出负荷各频率分量的规律;通过模糊灰色关联聚类方法选取待预测日的负荷相似日;针对不同频段负荷的规律采用相对应的神经网络模型进行负荷预测,获得不同频段的待预测日负荷各分量,将各分量的预测结果叠加得到负荷预测值。采用所提方法对某地区2010年实际负荷进行预测,并与已有的负荷预测方法比较,结果表明所提方法可提高负荷预测的精度。

基于小波模糊神经网络的陀螺仪故障诊断技术

为了提高陀螺仪故障检测灵敏度 ,分析了陀螺漂移特性 ,指出随机漂移是影响陀螺仪精度的主要漂移误差 ,也是影响性能可靠性的主要因素 .针对此 ,提出了一种小波模糊神经网络故障诊断模型 .此模型运用串联方式将小波分析、模糊逻辑和神经网络融合在一起 ,充分发挥它们各自的优点 ,并对陀螺仪实测数据仿真 .仿真结果表明 ,采用小波分析提取陀螺的常值漂移 ,简单有效 ;运用神经网络对陀螺的误差和故障建模 ,使故障诊断具有自适应、自学习的能力 ,并且增强了故障诊断的容错能力 ;将模糊逻辑用于判决中 。

基于小波模糊神经网络刀具监控系统研究

针对切削过程中振动信号和ＡＥ信号的特点，利用小波分析技术提取信号深层特征，建立了新型的基于模糊推理的神经网络模型，该模型能融合振动和ＡＥ信号的特征和描述信号特征与刀具状态的非线性关系，以此识别刀具状态。试验表明小波模糊神经网络对提高在线刀具监控系统的可靠性极为有效。

气动人工肌肉的模糊小波神经网络控制

针对一种应用于医疗机器人领域的三自由度人工肌肉的非线性特性,结合模糊理论与小波神经网络,提出一种模糊小波神经网络控制器对人工肌肉驱动器进行控制。利用模糊小波神经网络的学习能力,采用梯度法搜寻控制器的最优参数。将采用模糊小波神经网络控制器与采用小波神经网络控制器及模糊神经网络控制器的控制系统仿真结果进行比较。仿真结果说明模糊小波神经网络控制器有效地改善了驱动器的静动态特性,具有更快的训练速度和更好的控制效果,是一种理想的气动人工肌肉控制方法。

一种自适应模糊小波神经网络及其在交流伺服控制中的应用

针对某武器大功率交流伺服系统所存在的大变负载、慢时变、强耦合的非线性特性和不确定扰动等问题,提出了模糊小波神经网络(FWNN)间接自适应控制器,该控制器的特点为Takagi-Sugeno-Kang(TSK)模糊模型的后件部分由自回归小波神经网络(SRWNN)构成。给出了SRWNN参数的迭代算法,利用SRWNN辨识器为控制器提供实时梯度信息,有效地克服了参数变化和负载扰动等不确定因素的影响,且具有良好的动态特性。采用Lyapunov稳定性理论方法证明了闭环系统的稳定性。仿真研究和样机试验结果证明了所提方案的有效性和正确性。

小波模糊神经网络在电力系统短期负荷预测中的应用

该文研究了基于小波模糊神经网络的电力系统短期负荷预测新方法。根据小波变换自适应可调时频窗的特点,利用小波分析对负荷样本做序列分解,对高尺度负荷分量采用常规预测方法,其他负荷分量则采用模糊神经网络处理技术,最后通过序列重构,得到完整的负荷预测结果。算例计算表明,新方法具有较高的预测精度和适应能力。

基于混合学习算法的模糊小波神经网络控制

采用小波函数作为模糊隶属函数,将模糊控制与神经网络相结合,利用神经网络实现模糊推理.针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整.仿真结果表明,该网络能对不同的对象实施有效控制,且具有快速、适应性强等特点.

小波模糊神经网络应用于配电网输电线的故障测距

在小电流接地系统单相接地故障特征分析的基础上,提出了一种基于故障后稳态及暂态电气量的小波模糊神经网络的故障测距方法。单相接地故障时的暂态分量故障特征非常明显,且故障暂态高频分量受故障前负荷的影响较少,故可以采用故障暂态分量描述故障模式特征并进行故障定位。鉴于已有的小波神经网络模型不适合于故障测距,作者从广义的小波神经网络概念出发,结合模糊控制理论,提出了适合于电力系统故障暂态和稳态信号分析的小波模糊神经网络方法,并将该方法应用于小电流接地系统直配输电线路的故障测距。理论分析及大量的EMTP仿真结果表明:本文所提出的小波模糊神经网络理论、模型及算法具有较好的故障测距性能,并可应用于电力系统的故障分析。

基于模糊小波神经网络的岩溶隧道风险评估及综合超前地质预报技术

针对岩溶隧道突水风险评估的不确定性和复杂性以及传统的数学方法在评估安全风险等级中的局限性,将人工神经网络理论、小波分析及模糊评价法有机结合,建立了基于模糊小波神经网络的岩溶突水安全风险评估模型。根据各种物探方法的优缺点和对岩溶水预报的敏感性,结合综合超前地质预报方法和原则,提出地质分析、风险等级划分、分级综合预报及施工地质灾害临近警报技术相结合的综合地质预报方案。通过在齐岳山岩溶隧道实施,成功预报了隧道掌子面前方的岩溶水,证实了该方案的科学性和可行性。

基于小波神经网络辨识器的模糊神经自适应控制在VAV空调系统中的应用

针对温度控制的大惯性、大滞后、非线性特点,提出采用基于小波神经网络辨识器的模糊神经自适应控制的中央空调房间温度控制器的设计方案。由于小波神经网络的非线性映射能力比一般神经网络要强,所以基于小波神经网络的辨识器可以获得很高的辨识精度。而且,模糊神经自适应控制器随着系统动态特性的改变可以在线改变其控制规则,从而进行客观准确的控制。与普通模糊控制方法相比较,仿真试验说明了系统设计的有效性。

模糊神经网络控制的混合小波神经网络盲均衡算法

针对传统恒模算法(CMA)收敛速度与均方误差之间的矛盾,提出了模糊神经网络控制的混合小波神经网络(FHWNN)盲均衡算法.该算法在小波神经网络输入层之前级联一个横向滤波器,将横向滤波器的节点输出分为实部和虚部两路经过小波神经网络后再合成为一路复数信号;利用模糊神经网络(FNN)设计的模糊规则控制小波函数的尺度因子和平移因子的迭代步长,以提高步长控制的精度;通过常数模代价函数分别获得横向滤波器和小波神经网络的权系数迭代公式.理论分析与仿真结果表明,该算法具有较快的收敛速度和较小的稳态误差,较好地克服了收敛速度与均方误差之间的矛盾.

多小波模糊神经网络盲均衡算法

为了克服传统恒模算法(CMA)采用固定步长造成的收敛速度与收敛精度之间的矛盾,提出了一种基于平衡正交多小波变换的模糊神经网络盲均衡算法(MWT-FNN-BEA).该算法一方面利用模糊神经网络控制器自动调节算法的迭代步长,较好地解决了收敛速度与收敛精度之间的矛盾;另一方面利用平衡正交多小波变换对均衡器输入信号进行去相关性处理,进一步提高了算法的性能。理论分析和水声信道仿真结果表明,所提出的算法具有较快的收敛速度和较小的稳态误差,抗干扰性能好。

模糊小波基神经网络的机器人轨迹跟踪控制

提出一种模糊神经网络控制器并用于机器人轨迹跟踪控制 .这种模糊神经网络利用了小波基函数作为隶属函数 ,可在线根据误差调整隶属函数的形状 ,使模糊神经网络具有更强的学习和适应能力 .仿真与实验结果表明这种网络能很好的用于机器人的轨迹跟踪控制 ,具有很好的性能 .

小波-神经网络-模糊识别在旋转机械故障诊断中的应用研究

对旋转机械故障诊断常用的一些方法进行了评述与比较；利用小波包可进行多维多分辨率分析的特点，对旋转机械振动信号进行特征提取。对提取的特征，用ＡＲＴ２神经网络诊断故障类型，根据故障类型的诊断结果，进一步对故障严重程度进行模糊识别；通过对实验数据的分析处理，获得了较好的效果。

基于不完全树结构小波变换及模糊聚类神经网络的纹理分割

提出了一种新的不完全树结构小波变换用于纹理特征提取 ,给出了一种与人类视觉过程相一致的多分辨率多通道纹理分析方法 ,它由 :1)特征提取 :使用不完全树结构小波变换抽取纹理特征 ;2 )基于模糊神经网络的特征粗分类 :1基于样本分布密度的模糊 Kohonen聚类网络权值初始化 ,2使用缩减的特征向量对网络进行训练 ,得到粗分割结果 ;3)细化粗分割结果等几部分构成 .

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。

基于模糊小波神经网络的交通标志识别方法研究

对交通标志进行实时、正确的识别,是车辆自动导航中一个重要方面。该文介绍了一种基于模糊小波神经网络的交通标志识别方法。该方法首先利用不变矩来提取图像特征,然后将特征向量输入模糊小波神经网络进行识别。该网络以小波函数作为模糊隶属函数,将模糊技术与神经网络相结合,利用神经网络实现模糊推理,并可对隶属函数的形状进行实时调整,从而使网络具有更强的学习和自适应能力。实验证明,该方法具有较高的识别精度和速度,在车辆自动导航中具有较高的应用价值。