基于模糊ARTMAP网络的速率陀螺故障检测与诊断

目的 介绍了一种速率陀螺故障检测与诊断的方法 .方法 通过统计检验滑动窗口的残差 ,再采用模糊 ARTMAP网络直接对模型参数进行分类 .结果 该方法不但能正确诊断出已知的速率陀螺故障 ,还能检测出未知的故障 .结论 该方法避免了一般前向网络在分类中的不足 ,对可能发生的故障能进行有效地检测与诊断 。

故障树和模糊贝叶斯网络在管廊运维风险评估中的应用研究

地下综合管廊是城市的生命线,一旦出现问题就会对人们生命财产安全造成巨大损害。为了系统地分析管廊运维风险,建立了基于模糊贝叶斯网络的风险评估框架。首先,通过分析管廊运维风险源与风险形成的原因以确定风险事件和风险类别;其次,建立管廊运维风险故障树来梳理风险因素之间的逻辑关系,将故障树映射为贝叶斯网络;最后,结合专家模糊评价,构建地下综合管廊运维风险评估模型。案例分析结果显示:中间事件“火灾、爆炸”与“危害气体浓度过高”的发生概率较高。敏感性分析结果显示:“运维人员操作和维护不当”是导致管廊运维风险发生的根本事件,因此需要制定严格管理措施及规范,加强对运维人员的素质培训,以降低管廊运维过程中各种风险的发生概率。

基于模糊神经网络的电网消防预警算法

针对传统基于阈值判别方法的电网火灾预警系统预测精度低、抗干扰能力弱的问题,提出了一种基于模糊神经网络的电网消防预警算法。该算法利用神经网络学习大规模电网数据,使用模糊逻辑推理算法来提升预测结果的推理能力,并通过结合神经网络对大规模数据的学习能力和模糊逻辑算法的推理能力来分析电网线路参数,从而提升电网消防预警系统的精度和抗干扰能力。实验与仿真结果表明,所提出方法能显著提升电网火灾的预警精度,且使用模糊逻辑推理可以得到更符合实际情况的电网火灾预警结果。

基于模糊控制的农产品冷冻库网络控制系统研究

介绍了农产品冷冻库网络控制系统的结构及其特点,设计了基于模糊自适应整定的PID控制器,实现了对农产品冷冻库网络控制系统的控制。基于TrueTime仿真工具箱的仿真实验表明:设计的农产品冷冻库网络控制系统具有响应速度快、稳定性强和抗干扰能力强等特点。

基于模糊评判的无线传感器网络簇间数据转发算法

由于无线传感器网络在簇间数据转发过程中消耗能量较大、转发效率低,导致数据在转发过程中容易失效。为此,提出基于模糊评判的无线传感器网络簇间数据转发算法。建立无线传感器网络模型和通信模型,明确节点的运行方式和转发数据所消耗的能量,构建模糊综合评判模型,选取梯形隶属度函数计算传感器节点的相似度和活跃度,找出最佳转发节点,完成数据转发任务。仿真结果表明,所提算法的第一个节点死亡轮数和网络失效轮数最高为167和178,在仿真轮数达到1000轮时,该算法剩余的网络能量和节点平均能量分别为4 J和0.01 J,证明所提算法在数据转发过程中可消耗最少的能量,高效率地完成数据转发任务。

基于模糊神经网络的微电网荷储协调智能控制方法

针对传统比例-积分-微分(proportional integral derivative,PID)控制和模型论控制方法难以应对新型电力系统背景下微电网面临的运行场景复杂多变的问题,提出了基于模糊神经网络的微电网荷储协调智能控制方法。首先确定了微电网模糊控制输入及输出变量,以平抑净负荷波动及减少储能充放电频次为目的,将微电网控制经验总结成模糊规则表,采用神经网络深度学习算法修正模糊控制模型的隶属度函数中心、宽度和输出权重来提高模型的自适应能力,从而制定了可调控负荷和储能的功率控制系数;进而针对模糊神经网络控制输出的负荷调控需求量在各可调控负荷间分配的问题,提出了基于灵活性供给指标排序的负荷调控优先级选择方法,最终完成了微电网系统储能单元和可调控负荷控制策略的制定。某典型微电网系统算例仿真结果表明,所提方法制定的各可调控负荷与储能控制策略能在避免储能频繁和过度充放电的同时,在并网状态下有效减弱并网功率对上级电网造成的随机扰动,在孤岛状态下能够有效平抑系统功率波动,提升系统运行稳定性。

基于模糊结构元的新零售末端配送网络优化研究

新零售模式下,高时效性的物流末端配送对提高顾客满意度具有重要作用,而对末端配送中心位置和数量的确定,是优化末端配送网络的关键。首先,综合考虑影响配送中心位置与数量的模糊因素,构建以配送时间最少、配送中心覆盖范围最大以及系统成本最低为目标的模糊多目标规划模型;其次,采用结构元加权序准则法求解模型,生成三角模糊数简化求解过程;最后,以算例检验方法的有效性。结果表明,所提出的模型能够将模糊因素融入模糊决策过程中,且结构元加权序准则法有助于决策者灵活调整方案和决策,从而对新零售末端配送网络布局进行优化。

基于改进残差网络的运动目标模糊图像复原方法

传统的残差网络在复原运动目标模糊图像时,在模糊程度较严重的情况下,存在特征提取不充分、噪声干扰等问题,导致恢复出的图像无法完全达到原始图像的清晰度和细节。对此,提出基于改进残差网络的运动目标模糊图像复原方法。对采集到的运动目标模糊图像,采用多损失函数融合方法改进传统残差块结构,构建编码器-解码器网络训练结构,训练损失函数,提升网络的特征学习能力。通过完成训练的网络,输出运动目标模糊图像复原结果。实验结果表明,该方法复原运动目标模糊图像的峰值信噪比高于30 dB,结构相似性高于0.9。

数字平台型企业网络效应影响因素的组态研究——基于模糊集定性比较分析方法

在消费者主导的数字浪潮下,网络效应已成为数字平台型企业扩大市场规模的关键点,依靠网络效应建立用户价值优势成为最核心的竞争策略。本研究在数字经济这一全新背景下,从网络效应视角出发,根据调查问卷获取的数据,运用模糊集定性比较法分析其多影响因素间的组态关系,深入挖掘其前因条件间的有效组合和匹配(即协同)。研究发现:市场定位和价格因素二者之间的协同是网络效应激发过程中的核心条件。技术因素和社交因素二者间的协同是网络效应扩大过程中的核心条件。平台治理和技术因素间的协同关系是网络效应迭代过程中的核心条件。在此基础上,本研究提出了“激发—扩大—迭代”三条增强数字平台型企业网络效应的实现路径,为数字平台企业综合竞争力的提升和可持续发展提供了科学的参考。

基于模糊BP神经网络的智能轮椅BLDCM控制

现阶段多数轮椅电机仍使用传统PID控制,该控制方式存在控制精准度较低、超调量较大以及抗扰动能力差等问题。为解决以上问题,通过对无刷直流电机进行研究,在分析了其控制方法后,提出一种基于模糊BP神经网络的BLDCM控制方法。首先,研究了BLDCM结构并搭建数学模型。其次,在模型基础上构建了模糊BP神经网络PID控制器。最后,在Matlab/Simulink中搭建整个电机控制系统进行三种不同工况下的运动控制仿真,并与传统PID控制算法进行对比。实验结果表明:模糊BP神经网络PID控制策略能获得更好的PID控制参数,具有良好的抗扰动能力,有效的改善了整个轮椅控制系统的动态性能。

基于模糊神经网络的数字媒体数据自动化采集系统设计

为了改善数字媒体数据传输效果,确保系统安全、稳定运行,设计基于模糊神经网络的数字媒体数据自动化采集系统。构建数字媒体数据自动化采集系统框架,数据采集层利用数据采集卡获取不同渠道的数字媒体数据,由数据处理层的数据融合模块调用改进模糊神经网络算法完成数字媒体数据的融合处理后,通过数据传输层的分层自组织无线网络将其传输至存储应用层,实现数字媒体数据的存储、查询、显示与输出。实验结果表明:该系统采集的音频信号波形规律、曲线平滑、功率均值波动误差在(0,0.14),满足允许误差范围;数据传输效果优于采用DSR协议的单点传输方式,当数字媒体数据源为3时,平均峰值信噪比指标最高;具有数字媒体数据查询功能。

高校网络教学效果满意度模糊综合评价

网络教学已成为高校教学形式的新常态,对网络教学效果进行评价是提升网络教学质量的重要保障。网络教学效果评价属于典型的模糊多属性决策问题,基于相对差异函数的模糊识别模型,构建了包含4个二级指标、12个三级指标的网络教学效果满意度评价指标体系,并以烟台大学某门课程为例进行了实例研究,分别对目标层指标和要素层指标进行评价。结果表明:大部分学生对网络教学效果的评价是满意或者非常满意的,平台使用和感知交互要素总体满意度较高,学习情况和深层收获要素的满意度相对较低。

自适应模糊神经网络多信息融合串联型电弧故障检测方法

针对低压交流串联电弧故障因其特殊性难以识别的问题,在实验室建立了实验平台,采集不同负载下的正常和电弧故障的电流波形数据,提出一种自适应模糊神经网络(adaptive neuro fuzzy inference system,ANFIS)多信息融合串联型电弧故障检测方法,通过多层次特征参数提取,对自适应模糊神经网络进行训练、测试。结果表明,该方法可以有效地克服反向传播(back propagation,BP)神经网络故障诊断中收敛速度慢、误差精度大的缺点,得到更为精准、理想的诊断结果。

基于长短期记忆网络-模糊控制的光伏最大功率点跟踪算法

光伏阵列具有非线性特点且其最大功率点会随环境变化而产生偏移现象。尽管最大功率点跟踪算法被广泛地应用于跟踪和预测光伏系统的最大功率点,但仍然面临着模糊控制的动态品质低、控制精度不佳等挑战。为解决前述问题,提出了一种集成长短期记忆网络与模糊控制的光伏最大功率点跟踪算法。首先,采用长短期记忆网络以时间序列法预测最大功率点电压。其次,将该预测电压与光伏阵列电压间偏差及其导数作为模糊控制的输入,然后直接调节Boost变换器的占空比。再者,为防止开关管常通,预先设置了变换器的最大、最小占空比。最后,在四种可变大气条件下,利用MATLAB/Simulink对所提算法进行仿真验证。实验结果表明:与长短期记忆网络、电导增量法和遗传算法相比,所提出的算法具有良好的跟踪性能、稳定精度及效率,并且具有波形更平滑、振幅较小的优点。

基于有效性分析的自组织模糊神经网络建模方法

提出了一种基于有效性分析的自组织模糊神经网络(self-organizingfuzzyneural network based on effectiveness analysis, SOEFNN)建模方法。首先,提出了一种针对模糊规则的有效性评价指标,利用样本与规则层输出之间的映射关系进行网络模型的有效性分析,通过累积触发的方式实现相应模糊规则的增加或删减,使网络模型在能够处理复杂非线性问题的同时降低其冗余性,使模型更为紧凑。采用梯度下降算法对网络模型进行训练。然后,对所提出的SOEFNN模型进行非线性系统仿真实验和污水处理过程中的出水生化需氧量预测建模,并与其他自组织模糊神经网络模型进行对比。仿真结果表明,所提出的SOEFNN模型能够很好地实现结构和参数的自适应调整,并且具有较好的逼近能力。

基于模糊神经网络的氢液化氦气压力PID控制

为了解决氢液化装置氦气压力调节系统超调量大、响应速度慢、调节时间长、控制参数无法在线整定等问题,针对系统具有非线性和时变性的特点,设计了基于模糊神经网络的PID控制器以及基于双曲正切函数的改进型激活函数。仿真结果表明:相比传统PID控制或模糊PID控制,采用模糊神经网络PID控制的系统动态性能显著改善,使得氢液化装置的氦气压力调节更加稳定可靠。

基于模糊聚类的网络敏感数据流动态挖掘

为解决网络敏感数据流相似性较高且差异性较大,导致挖掘量下降的问题,该文设计基于模糊聚类的网络敏感数据流动态挖掘方法。构建模糊矩阵,计算不同网络敏感数据流样本间马氏距离,衡量两个样本间相似性,消除变量之间的差异性。引入速度收敛阈值,根据不同数据间模糊关系,对网络敏感数据流进行动态分类。利用遗传迭代算法迭代处理敏感数据流最大散度,获取最优离散性迭代值,通过对特征点进行聚类和均匀分配,结合动态挖掘误差拟合实现数据动态挖掘流。由实验结果可知,该方法挖掘到的数据量较多,无论是相似性数据还是差异性数据均能够被全部挖掘出来,挖掘结果具备可靠性。

基于模糊贝叶斯网络的钢管桩围堰安全评价研究

为探明施工过程中影响钢管桩围堰事故发生率的主要因素,降低桥梁基础工程的事故发生率,建立FBN与MIDAS模型,对围堰工程进行事前安全风险研究。首先参照条例规范与4M1E原则将主要因素统筹为人、机、料、法、环五大方面,构建起具有普适性的的风险评估指标体系,其中含有5个一级指标和18个二级指标。其次根据因素间的逻辑关系构建贝叶斯网络模型,基于模糊数理论确定根节点的先验概率,后利用Leaky Noisy-OR Gate模型计算出非根节点的条件概率,通过NETICA软件得到因素耦合效应以及主要影响因素,最后依据实际案例建立MIDAS有限元模型进行定量化分析。结果表明,主要影响因素有水流压力、土体稳定性、支护体系稳定性、焊接质量以及安全防护设备配备程度。

基于模糊神经网络的农机自动转向系统的设计

现代农业生产中要求农业机械在田间工作过程中可实现实时、高效的控制性能。为此,基于模糊控制规则的模糊神经网络控制器,利用遗传算法(Genetic Algorithm,GA)进行人工神经网络模型的优化,对拖拉机转向系统进行优化设计,得到农业机械田间工作时目标输出和实际输出的仿真曲线。基于东方红拖拉机搭建试验平台,进行了输出响应测试和角度测试,并通过MatLab仿真对控制系统的性能进行了分析。研究结果表明:模糊控制规则的模糊神经网络控制器和基于遗传神经网络的改进算法能有效缩短农业转向系统的响应时间,减少超调量,提高转向精度,是一种更加有效的田间作业的控制方法。

基于生成对抗网络的弹载图像盲去模糊算法

低速旋转弹导引头具有抖动和旋转等运动特性,使得其采集图像存在严重的模糊特点,直接影响了后续图像算法对目标识别的准确性,进而影响制导精度。针对以上问题,提出一种基于生成对抗神经网络的盲去模糊算法。利用复合运动模糊仿真系统,实现了对弹载图像抖动和旋转等运动模糊的模拟,并制作弹载图像模糊数据集。使用卷积神经网络作为生成器和判别器的基本架构,并设计多个损失函数共同优化网络,以减小图像在修复复原过程中的噪声并保持图像平滑。实现了弹载图像的去模糊,并获得更加稳定、清晰的图像序列。实验结果表明,该算法的去模糊效果在峰值信噪比、结构相似性指标上比现阶段其他算法更好,更符合人类视觉的主观感受,具有工程应用价值。