开关磁阻电机自适应模糊神经网络系统(ANFIS)无位置传感器控制

提出一种基于有限元模型的开关磁阻电机自适应模糊神经网络系统(ANFIS)无位置传感器控制的新方法。自适应模糊神经网络系统以相绕组的电流和磁链为输入,以转子位置角度为输出,从而建立起电流、磁链和转子位置角度的非线性映射关系。网络训练的样本数据来自于有限元模型分析,它具有足够的精度,且不需要测量仪器和线路布置,不受环境干扰因素影响,能够大幅减少试验成本,缩短试验周期。仿真和实验结果表明,由自适应模糊神经网络获得的角度信号和由位置传感器获得的角度信号相比误差较小,电机能够准确换相,且输出转矩波动小,转速曲线平滑,电机在无位置传感器下运行良好。

自适应模糊神经网络系统在管道泄漏检测中的应用

输油管道泄漏信号的检测存在信噪比较低的问题 ,利用自适应模糊神经网络系统的去噪方法可以提高压力信号、流量信号的信噪比。由于自适应模糊神经网络系统具有非线性映射和自学习能力 ,能够用于噪声信号的非线性建模。它不仅能够获取信号的最佳估计 ,并且能够克服信号处理中存在的模型和噪声的不确定性、不完备性。应用结果表明 ,自适应模糊神经网络的自适应噪声抵消器不仅实现简单、节省运行时间 ,而且能快速、有效地消除流量、压力信号中的各种噪声 。

模糊神经网络系统在优选压裂井层中的应用

油井压裂选井选层是一项复杂有难度的技术。目前一般采用定性分析结合经验判断进行 ,随意性大。考虑到选井选层各项指标具有较大的模糊性 ,应用模糊神经网络系统 (FNNS)来获取各项指标与压裂效果的关系模型和预测模型 ,从而优选施工井层。实践证明 ,该方法技术适应性强、成功率高、效益显著。

模糊神经网络系统在微波效应数据处理中的应用

描述了建立神经网络驱动的模糊系统的基本过程 ,结合部分微波效应数据建立了一个小型的效应预测评估模型。对应于学习样本 ,给出了网络输出值与样本输出真实值的比对情况 ,并对部分非学习样本输出值进行了预测 ,由对比情况可知 ,网络系统基本能够再现原始数据的真实面貌 ,并能对未知事件有一定的预测能力 ,作为一种效应数据处理方法 ,模糊神经网络系统具有一定的潜在应用价值。

基于模糊神经网络系统的结构主动控制

目的应用自适应模糊神经网络对多维地震动下结构的振动进行主动控制.方法用这种自适应模糊神经网络作为主动控制器,以结构的位移和加速度作为输入,计算出主动控制力.结果将计算的主动控制力输入到结构的动力方程中,结构的位移响应有了较大幅度地减少.同被动控制相比有较大提高.结论自适应模糊神经网络是一种适用于对结构进行主动控制的智能算法。该控制系统无需引入结构的运动模型和精确参数;对复杂的结构易于建模;同被动控制相比其适应力强,消振迅速而且效果良好.

模糊神经网络系统的鲁棒控制器设计

设计模糊神经网络系统的鲁棒控制器,通过构造Lyapunov函数,推导出系统的鲁棒稳定性的条件和鲁棒控制律,并通过仿真验证所设计的控制器的有效性。

基于自适应模糊神经网络系统的射击毁伤评估模型研究

针对炮兵对集群有生力量目标射击的毁伤效果评估问题,提出一种基于自适应模糊神经网络系统(ANFIS)的评估新模型。应用坐标毁伤律仿真计算不同炸点分布时的毁伤效果,形成样本数据,采用ANFIS学习出毁伤因素与毁伤效果之间的映射关系,进而对毁伤效果进行评估。运用该模型对炮兵连射击毁伤效果进行评估的实验结果表明,评估值和实际值之差约在3%左右,充分说明该模型精度高,泛化能力好,具有很强实用性,能有效根据弹群信息进行毁伤评估。

粗糙集信息熵与自适应神经网络模糊系统相结合的电力短期负荷预测模型及方法

电力系统短期负荷预测不仅要考虑负荷本身的历史时间序列,而且与气象因素密切相关,自适应神经网络模糊系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)模型是一种有效的预测方法,而系统输入变量的合理性选择是影响预测效果的关键所在。作者通过粗糙集理论中的信息熵概念对解决这一问题进行了尝试,选取与待预测量相关性大的参数作为输入。所构造ANFIS系统是基于数据进行建模并进行参数辨识的,这样有效地避免了模糊推理系统(Fuzzy Inference System,FIS)中人为主观因素对预测的负面影响,客观地反映了相关变量与负荷值之间的复杂关系。用该方法与常用BP神经网络及常用FIS分别对重庆市某区进行了一周的日负荷预测,通过对实例的对比分析表明了该方法具有较好的收敛性和预测精度。

基于自适应神经网络模糊推理系统的交叉口交通冲突数预测

自适应神经网络模糊系统在建立对象输入和输出关系时,与传统的数学方法不同,它是基于数据的建模。本文利用这一系统特性,建立平面交叉口交通冲突数与进入交叉口内的左转交通量、右转交通量、直行交通量和行人过街交通量之间模型,提出自适应神经网络模糊系统预测交叉口冲突数的方法,建立一种快速获取交通冲突数的预测方法,为交通冲突数的调查开辟了新的途径。

基于自适应神经网络模糊推理系统的蓄电池SOH预测

针对装甲车辆铅酸蓄电池健康状况影响因素复杂、难以准确预测的特点,提出了基于自适应神经网络模糊推理系统的蓄电池SOH预测模型。在确定模型的输入变量后,对其进行了MATLAB仿真和实测数据验证分析。结果表明,该模型具有很高的预测精度,在装甲车辆铅酸蓄电池SOH预测上具有很高的实用价值。

基于自适应神经网络模糊系统的混沌音频水印盲检测

自适应神经网络模糊推理系统(AdaptiveNeuro FuzzyInferenceSystem, ANFIS)是将Sugeno一阶模糊系统以网络的形式来实现而得到的一种多输入单输出的神经网络。它能够很好的模拟出输入输出之间的关系,且收敛速度快,误差小,所需训练样本少,非常有利于水印信号的盲分离。利用ANFIS良好的自适应控制能力提出了一种具有较强鲁棒性的DCT域音频水印盲检测算法,实验证明,该水印检测算法准确性高,时间代价小,具有较强的抗攻击性,很有实用价值。

发动机试验台测控系统模糊神经网络控制方法的研究

结合模糊控制、神经网络、遗传算法的优点,提出发动机试验台测控系统模糊神经网络控制方法。利用遗传算法的全局优化策略,避免陷入局部最小点的缺陷。在建立发动机-测功机传动系统动力学模型、发动机有效转矩模型、测功机励磁电流模型的基础上,进行了动态仿真模拟,较好地解决了试验台控制的稳定性及测量的实时准确性问题。

监督模糊神经网络控制系统

设计了一个监督模糊神经网络 FNN 控制系统 ,它可以跟踪周期输入信号 .控制系统由永磁 PM 同步伺服电机以及监督 FNN位置控制系统组成 .监督 FNN控制系统由监督控制器和 FNN滑式控制器组成 .监督控制器可以在指定区域内稳定系统的状态 ,FNN滑式控制器由滑式控制和 FNN组成 .滑式控制有较好鲁棒性 ,FNN具有在线学习能力 .作者对监督 FNN控制系统进行了详细的理论分析和稳定性研究 .

自适应神经网络模糊推理系统在结构振动主动控制中的研究

运用线性二次型经典最优控制算法获得学习样本,由神经网络反向传播算法训练产生模糊规则和隶属度函数,设计自适应神经网络模糊控制器,通过某结构地震波作用下振动控制的数字仿真,表明自适应神经网络模糊推理系统可以有效地应用到结构控制中。

模糊逼近神经网络摄动系统的若干进展

本文对本世纪80年代中期兴起并紧密结合现代科学技术进步的一门新兴学科--模糊神经网络进行了综述,分析了所取得的主要成果及其特点,并指出了今后模糊神经网络研究中有待解决的许多问题.针对这些问题,介绍了笔者的工作--模糊逼近神经网络摄动系统,对开展模糊神经网络的研究将具有启迪作用和现实意义.

一种新的基于自适应神经网络模糊推理系统的图像滤波器

提出了一种新的基于自适应神经网络模糊推理系统的去除噪声算法。该算法是一个结合了中值滤波、维纳滤波和自适应神经网络模糊推理系统的综合滤波器。噪声点通过算法被准确地估计出来,自适应神经网络模糊推理系统的参数通过训练得到,训练可以通过简单的计算机合成图像来进行。将含噪声的图像、中值滤波后的图像和维纳滤波后的图像作为系统的三个输入,通过一个固定阈值来判断像素点是否为噪声点作为系统的输出,如果判断是噪声点,则通过中值滤波来进行去噪处理,如果判断是非噪声点,则灰度值保持不变。算法的特点就是在能够保持好线条、边缘、细节和纹理的同时,很好地去除噪声点。仿真实验表明,算法可以对噪声污染的图像进行有效的重建,同时不会扭曲图像中的有用信息。

基于自适应神经网络模糊系统(ANFIS)的空中目标意图分类

目标意图预测是现代防空技术的研究热点,准确、迅速预测空中目标作战意图,才能正确做出战斗决策,进行合理的火力分配。ANFIS作为一种新型的神经网络结构,把模糊逻辑方法和神经网络方法有机融合在一起,对于目标意图的分类有着良好的效果。基于MATLAB平台,使用ANFIS的学习方法,采用误差反向传播算法调节前提参数和结论参数,检测sugeno系统满足设计要求。通过ANFIS对已知意图的空中目标的数据分析,结合sugeno系统实现了对未知的的空中目标的意图分类。实验证明,该系统结合ANFIS的优点,可以较好的完成对空中目标意图的分类。

基于LoRa和自适应神经网络模糊推理系统的光伏阵列故障诊断系统

为了提高光伏系统的可靠性和效率,本文设计了一种新的光伏阵列在线智能故障诊断系统。首先,使用霍尔电压电流传感器采集光伏阵列最大功率点作为原始数据,经过LoRa传输至诊断中心,再在采集到的原始数据中提取新的七维故障特征向量,包括工作电压、电流、辐照度和温度。其次,提出了一种基于自适应网络的优化模糊推理系统作为故障诊断模型。最后,通过基于Simulink的仿真和实验室光伏系统的实际故障实验,测试了所提出的基于自适应神经网络模糊推理系统的故障诊断模型的可行性和优越性。实验结果证明,所提出的基于自适应神经网络模糊推理系统的方法具有较好的性能,并且优于基于常规反向传播神经网络的方法。在仿真和实验数据集上,基于自适应神经网络模糊推理系统的故障诊断模型的总体准确性分别为99.9%和97.0%以上。

粗糙集与模糊神经网络集成在故障诊断中的研究

考虑模糊聚类的数据离散功能,粗糙集理论对决策系统的约简能力,以及模糊神经网络在模式识别方面具有的优势,提出了粗糙集一自适应模糊神经网络推理系统(ANFIS)集成进行故障诊断的方案首先,应用SOM方法离散故障诊断数据中的连续属性值;然后,基于粗糙集理论计算诊断决策系统的约简,按照实际需要确定诊断条件;最后,根据系统约简设计ANFIS进行故障诊断。4135柴油机的实际诊断结果验证了文中提出集成故障诊断方案的可行性。在数据充分的条件下,该方案可以推广应用于其它机械设备。

模糊神经网络推理系统定量计算储层参数

储层参数是地层评价的基础。自适应模糊神经网络推理系统是综合了模糊逻辑与人工神经网络两者优势的一种人工智能方法 ,该方法既可用于模式分类 ,又可进行连续计算。这是一种基于数据的建模方法 ,模糊隶属度函数及模糊规则是通过大量已知数据的学习得到的 ,而不是按经验或直觉信息给定的。这对于那些特性还不为人们所了解或者特性非常复杂的系统尤其重要 ,因此特别适于复杂储层评价中的定性解释与定量计算。研究结果表明 。