基于自适应神经元模糊推理系统的岩质边坡稳定性评价方法

模糊理论在岩质边坡稳定性评价中存在的知识获取和自适应能力较低等方面不足,而神经网络在模糊推理方面欠缺,因此,提出基于自适应神经元模糊推理系统的边坡稳定性评价方法。通过模型结构的建立、模型训练和测试,得到可用于边坡稳定性评价的基于自适应神经元模糊推理系统模型。测试结果表明,该模型计算结果与边坡实际稳定系数十分接近,对边坡稳定性的预测结果也与实际相符。与基于神经网络方法的计算结果比较,该方法在建模简便程度及计算精度等方面明显具有优势。

基于遗传算法的球磨机模糊——神经元控制系统

提出了一种基于遗传算法的模糊-神经元控制系统实现水泥厂球磨机自控的设计方案。将遗传算法与模糊逻辑、神 经元控制相结合,可以较好地解决球磨机现场控制系统被控参数的耦合问题,为解决球磨机的控制难题提供了一个新的思路。 详细描述了系统的算法学习训练过程,仿真结果表明,该系统能够提高控制过程的稳定性和可靠性。

径向基网络的模糊逻辑运算性质

对径向基网络的功能进行了研究，并对该网络的神经计算功能与模糊逻辑运算进行了对比分析，得出了以下结论：径向基网络具有模糊逻辑运算的性质，从某种意义讲，径向基网络是一种神经元模糊系统．论文给出了径向基网络求解“蝴蝶”模糊聚类问题的示例，验了理论分析的结果．

基于ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发 ,对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性 ,采用自适应神经元模糊推理 (Adaptive neuron fuzzy inference system,ANFIS)技术 ,建立了模糊控制规则库 ,实现了对蒸汽发生器水位的智能控制。本文详细阐述了 ANFIS技术的结构、控制方式和系统的主要功能 ,完成了软、硬件的综合设计 ,并进行了仿真研究。控制系统的硬件采用了 DSP芯片 ,以保证系统的实时性 ;软件采用了模糊 -神经网络算法 ,以克服系统模型的不确定性。仿真结果表明 ,该控制系统工作稳定可靠 。

一种柔性直流输电系统PID-ANFIS优化控制方法

针对柔性直流输电系统(Voltage Source Converter based High-Voltage Direct-Current,VSC-HVDC)双闭环控制中PI控制存在参数整定困难及控制器数量过多等问题,提出一种具有PID功能的自适应神经元模糊推理系统(Adaptive Neuro-Fuzzy Inference System with PID function,PID-ANFIS)控制器用于该系统控制。其中,PID-ANFIS控制器兼有神经网络控制、二阶模糊控制及PID功能;同时提出的基于三重合作粒子群算法(Treble Cooperative Particle Swarm Optimization,TCPSO)用于优化该控制器中神经网络参数。TCPSO采用由降维合作、分组合作与记忆合作组成的三重合作策略,极大程度上提升了神经网络参数优化的精度。深入研究了TCPSO优化PID-ANFIS控制器参数的步骤。基于TCPSO优化的PID-ANFIS控制器能够实现VSC-HVDC系统的直接功率控制效果。仿真结果表明该控制器具有控制速度快、超调量小、抗干扰能力强等优点,是VSC-HVDC控制系统的一个可行方案。

基于ANFIS-PID的大运距矿石输送控制系统设计

针对港口大运距分送式矿石输送控制系统调速不稳定造成堵料停机事故和系统运行能耗高的问题,设计了基于比例积分微分功能的自适应神经元模糊推理系统(ANFIS-PID)的大运距矿石输送控制系统。系统采用了ANFIS-PID,用于精确调节矿石输送系统的带速。讨论了系统实现的技术关键点。结合系统功能的实际需求,主要从系统的控制对象、网络总体结构设计、ANFIS-PID的程序优化设计、ANFIS-PID仿真对比试验分析、计算机监控系统设计等5个方面进行阐述。实际运行表明:该系统与传统矿石输送控制系统相比,具有带速调节精度高、运行能耗低、系统安全可靠等优点,实现了良好的节能调速效果。

基于ANFIS的智能农业分布式电网负荷预测的研究

在介绍智能农业分布式电源及相应负荷的基础上,以自适应神经元模糊推理系统(ANFIS)构建了分布式电源的运行优化模型,从而提高了智能农业中分布式电源的利用率和电能质量。