基于VB和神经模糊算法的土工布测试系统开发平台

介绍一种基于VB和神经模糊算法的土工布性能测试系统开发平台的构架与实现方法,提出了设计思想和开发模型,对实现系统开发平台的测试软、硬件,数据库的建立,网络安全及驱动模糊逻辑控制器等技术进行了研究,并给出由其实现的土工布平面内水流量测试仪应用实例。实践证明,该开发平台有利于土工布性能测试仪器的智能化、网络化,缩短相关测试仪器的设计周期,具有较好的实用性。

基于模糊神经算法的区域地下水盐分动态预测

为探讨前馈型人工神经网络BP-ANN(back propagation artificial neural network)和模糊神经NF(neuro-fuzzy)2种神经网络算法在区域地下水盐分动态预测中的应用过程与效果,首先通过经典统计分析确定区域地下水盐分动态的主要驱动因子以及可用的模型输入因子组合,采用"试错法"确定神经网络模型的最优结构,进而开展地下水盐分中长期动态的有效模拟预测。结果表明,在长江河口寅阳和大兴地区以降水动态为单输入的NF(5-gbellmf-160)和以降水与内河水盐分动态为双输入的NF(4-gaussmf-100)为最优预测模型。研究表明神经网络模型对地下水盐分动态的预测精度优于常规线性模型,其中,NF、BP-ANN、线性模型在寅阳测点的预测相关系数分别为0.565、0.445、0.261,在大兴测点的预测相关系数分别为0.886、0.784、0.543。与BP-ANN、线性模型相比,基于模糊神经算法的NF模型具有更好的误差纠错和仿真能力,在寅阳和大兴测点的预测误差分别降低了30%以上和50%以上。相关研究结果在区域水盐动态科学预警研究领域有较好地应用前景。

混沌模糊神经网络算法在注塑机温度实时控制中的应用

利用混沌映射改进模糊神经网络各层参数,通过改进的模糊神经网络算法优化注塑机温控系统的PID(Proportion Integration Differentiation)比例积分微分反馈参数,混沌算法解决注塑机由于工艺型号等的不同而产生的控制差异性,模糊神经网络算法解决传统PID控制的不足之处。搭建了MATLAB矩阵实验室(Matrix Laboratory)仿真平台,通过对比实验验证了算法的优越性,减小了系统的超调量和控制时间,使注塑机的控制效果明显得到改善。

模糊神经网络PID算法在塑料挤出机智能控制中的应用

在简述了国内外双螺杆塑料挤出机控制技术发展现状的基础上,提出了现阶段国内塑料挤出机智能控制研究难点,分析了提高塑料挤出机控制系统的精度和工作效率的重要意义。文中以常用的电容传感器测量塑料薄膜厚度为例,介绍了薄膜厚度测量的工作原理,建立了模糊神经网络算法模型,并对模糊神经网络PID控制器的工作流程进行了设计,利用Matlab仿真软件对比了模糊神经网络算法和传统PID算法的输出曲线,并结合实验验证了仿真的可行性与模糊神经网络PID算法的优越性。

高柔结构风振AMD控制模糊神经网络预测算法研究

基于Takagi-Sugeno模型的模糊神经网络的基本理论,建立了模糊神经网络预测模型。该模型结合神经网络控制和预测控制的优点,解决了控制中的时滞问题。研究了基于聚类法产生模糊神经网络预测控制的模糊逻辑系统,该方法便捷地解决了模糊逻辑控制中模糊控制规则基于专家控制策略和经验而无自学习能力的困难。以深圳京基金融中心为算例,利用模糊神经网络预测算法控制结构在风荷载作用下的振动,仿真结果表明,模糊神经网络预测算法能够有效地减小高柔结构加速度响应。

神经-模糊预测控制算法及应用

提出了一种新的神经 -模糊系统 ,结构上分为六层 ,包括一个输入层、一个输出层和四层隐层 .该系统规则的结论部分采用线性 ARX模型 ,训练方法结合最小二乘法与 BP算法 .将此神经 -模糊系统与广义预测控制算法相结合 ,形成一种神经 -模糊预测控制算法 .用一个具有三条规则的神经 -模糊系统建立某大型纸浆厂碱回收炉的模型 ,并应用神经 -模糊预测控制算法进行控制 ,结果显示神经 -模糊预测控制算法性能优良 。

遗传算法-模糊径向基神经网络模型预测自润滑镀层耐磨性

针对传统神经网络模型存在的缺陷,引入遗传算法和模糊运算建立遗传算法-模糊径向基神经网络模型(GA-FRBFNNM),介绍了模型结构和仿真思路。以自润滑镀层耐磨性为研究主题开展正交实验,在正交实验结果中任取10组数据作为训练样本用于模型训练,其余6组数据作为测试样本用于模型性能测试。结果表明:GAFRBFNNM的预测值更接近于真实值,其预测精度明显高于相同结构的径向基神经网络模型,验证了该模型是有效的,能够更准确预测自润滑镀层耐磨性。主要归因于引入模糊运算使得径向基神经网络全部节点都具备特定意义,另外引入遗传算法优化了训练算法,避免了模型陷入局部极小点等问题,使得模型性能得到有效提升。

基于模糊神经网络PID算法的舵机控制与仿真

针对某型号导弹舵机系统在非线性时变的复杂条件下传统的PID控制器控制精度低、适应能力差的缺点,本文通过对模糊神经网络算法的研究,并结合传统PID控制器,设计了模糊神经网络PID控制器.通过对系统进行仿真可以看出:舵机最大舵偏角反馈值从19.12°增大到19.62°,相位滞后减小了6°;提高了系统的频率响应;阶跃响应超调明显减小,上升时间从40ms减小到30ms,并且大大减小了系统稳态误差.研究表明,相比于传统的PID控制器,模糊神经网络PID控制器在对电动舵机位置环控制上效果有很大提升.

基于传感器模糊神经网络算法的自适应调光技术系统

目前LED灯具对所处环境的自适应调光性差、稳定性不高,缺乏智能控制。在此背景下对模糊算法及神经网络算法进行理论分析,提出了一种基于传感器模糊神经网络算法的自适应调光技术系统,根据传感器采集到的周围环境照度的数据进行灯具自适应光照调节。通过实验验证,系统能够快速实现室内的自适应照明,且稳定性高,减少能耗。

基于自适应神经模糊推理算法的无人机电推进燃料电池供气系统性能优化

针对无人机采用的聚合物交换膜燃料电池和锂离子电池的混合动力电推进系统,研究开发了一种基于自适应神经模糊推理系统的电源管理控制技术,以控制混合动力电推进系统,同时优化燃料电池供气系统的性能。用无人机混合电推进系统数学模型,研究了燃料电池电流与燃料电池供气系统压缩机功率之间的关系,建立了燃料电池电流与最佳压缩机功率关系的参考模型。在参考模型的基础上,引入自适应控制器来优化燃料电池供气系统的性能。基于自适应神经模糊推理系统的控制器将压缩机的实际运行功率动态调整到参考模型中定义的最佳值。自适应控制器的在线学习和训练能力用来辨识燃料电池电流的非线性变化,并产生压缩机电机电压的控制信号,以优化燃料电池供气系统的性能。在Matlab仿真环境中,开发了质子交换膜燃料电池和锂离子混合动力电推进系统模型,并对所设计的控制器进行了仿真分析。结果表明,基于自适应神经模糊推理系统的控制器为燃料电池供气系统压缩机性能优化提供了一种新颖而全面的途径,使燃料电池供气系统获得最大净功率输出。将燃料电池系统的净功率输出与最佳压缩机功率和恒定压缩机功率进行比较,发现优化的压缩机功率配置比恒定的压缩机功率配置节能2.62%。同时,燃料电池自适应神经模糊推理系统控制器优化了燃料电池供气系统的能量利用。

基于人工智能算法的刀具磨损形貌预测研究现状

磨损表面形貌能够反映运动副的磨损状态,通过对运动副表面磨损形貌进行研究分析,可以得到其磨损规律,预测磨损形貌变化。随着人工智能的快速发展以及在工程中的广泛应用,人工智能技术中的人工神经网络、模糊神经网络算法、遗传神经网络算法、支持向量机和多目标粒子群优化算法等方法逐步应用于磨损表面形貌表征参数的预测,且具有较高的预测精度。本文主要介绍国内外利用人工智能技术对磨损表面形貌的研究现状,分析各种算法的优点和应用局限性。总结了人工智能技术在磨损表面形貌预测领域中亟待解决的关键难题以及未来的研究方向。

模糊-神经网络控制算法及其在离心力-振动复合环境试验系统中的应用

针对离心-振动复合环境试验系统所存在的耦合性、非线性和不确定性提出了一种模糊-神经网络控制算法,利用被控对象输入输出信息离线、在线相结合学习系统的动态特性,对时变、非线性系统进行跟踪控制,并研究了该算法在系统中的实现方法。实验表明了控制系统具有良好的跟踪能力。该算法也适用于快速变化这类系统的实时控制。

ATM基于神经模糊算法的呼叫接入控制

本文研究 ＡＴＭ通信网络基于在线测量的呼叫允许接入控制问题。文章提出利用神经－模糊算法在线协调模糊规则中的参数，并在此基础上，实现了一种新的ＣＡＣ机制。在确保服务质量的情况下，提高网络资源利用率，通过实例仿真表明了应用此种算法的可行性。

基于神经网络实现带式输送机的功率平衡控制

为解决带式输送机传统功率平衡控制系统控制精度不高、响应速度慢等问题,在对带式输送机多电机功率平衡因素综合分析的基础上,对传统功率平衡控制系统的现状进行分析,掌握其薄弱点;然后,基于模糊神经网络算法设计了功率平衡控制系统原理框图,采用Simulink软件对其启动特性和突变工况下的功率平衡控制效果进行分析,达到了预期的效果。

基于改进的模糊神经网络算法的微互动平台设计

基于改进的模糊神经网络算法进行微互动平台设计,调整模糊神经系统网络的结构和参数以建立信息搜索引擎模型,生成时间序列来提取校园的数据信息,提取结果作为设计微互动平台的基础,由此可以使慕课平台给用户提供个性化的服务,提高用户浏览的有效性和便利性。

模糊神经网络预测算法在高柔结构风振AMD控制中的应用研究

基于Takagi-Sugeno模型的模糊神经网络的基本理论，本文建立了模糊神经网络预测模型。该模型结合神经网络控制和预测控制的优点，解决了控制中的时滞问题。研究了基于聚类法产生模糊神经网络预测控制的模糊逻辑系统，该方法便捷地解决了模糊逻辑控制中模糊控制规则基于专家控制策略和经验而无自学习能力的困难。以深圳京基金融中心为算例，利用模糊神经网络预测算法控制结构在风荷载作用下的振动，仿真结果表明模糊神经网络预测算法能够有效地减小高柔结构加速度响应。

基于模糊神经网络算法的冷却水优化控制技术

针对目前市场上常用节能控制方法的不足,提出了基于模糊神经网络算法的冷却水优化控制技术。通过全面数据采集,找出不同工况点下对应的冷却水系统控制策略,寻找冷却水最佳温度,并通过机电设备控制装置保证整个中央空调系统能耗最低。

模糊神经网络算法与火灾探测器的结合

为了降低系统误报率和漏报率,拟将模糊神经网络算法应用到火灾报警系统中,对探测器检测到的多元参数进行数据融合和智能处理,从而提高系统的可靠性和稳定性。在消防控制室内的集中火灾报警控制器上实现火灾智能探测算法,对探测器采集到的信号进行智能化信息处理,以达到更精准地判断火灾产生情况的目的。

基于神经网络模糊PID控制算法的粮食储存控制系统

将传统的PID控制、模糊控制和神经网络控制有机结合起来,设计了一种基于神经网络模糊PID控制算法的粮食储存控制系统,有效提高了粮食储存系统中温湿度自动控制系统的精度、响应速度、稳定性和自适应能力。

模糊神经算法在估算聚乙烯塑料管道海曾-威廉系数的应用

低压且多用户出口的管道系统广泛应用于需要供水均匀分布的水力加药系统或农田灌溉系统。尽管海曾-威廉系数是有因次均等性和实用的局限性,由于实际应用中的简单性,海曾-威廉方程式仍然被大家普遍采用。目前对于阻力损失的水力计算模型,无论聚乙烯管道多大管径,仍然推荐一些典型的固定值作为海曾-威廉系数。实际工作中已经证实,海曾-威廉系数与管径具有很强的关联性,因此,单一固定的海曾-威廉系数值不能应用于所有直径管道。本文主要研究的是通过研究模糊规则系统方法的准确性来预测不同管径下海曾-威廉系数的取值。