基于多域特征提取和自适应神经-模糊推理系统的电能质量扰动识别

基于多域特征提取(multi-domain feature extraction)和自适应神经-模糊推理系统(Adaptive Neuro-Fuzzy Inference system,ANFIS)提出了电能质量扰动类型识别的一种新方法。基于波形包络阈值线对扰动进行检测;在时域、频域和小波域进行多域特征提取,选取扰动信号的基波均方根(RMS)幅值、总谐波畸变率、次谐波幅值和小波包能量熵共同组成输入特征矢量;通过自适应神经-模糊推理系统对电能质量扰动类型进行识别。仿真结果表明,该方法与BP神经网络和最小二乘支持向量机相比平均识别准确率高,对特征不规则的待检电能质量扰动信号具有良好的柔性和适应性。

基于神经-模糊推理系统的机械设计数据处理

针对机械设计领域中所存在的大计算量、多图表问题,应用一种神经-模糊推理系统进行映射辩识,以提高计算速度和编程处理能力,消除知识的"组合爆炸"现象。通过对具体数据、图表的实际应用表明,应用这种方法能够很好地表达原图表数据关系。同时,相对于单纯应用人工神经网络方法,它的数据识别精度更高,速度更快,能够满足设计计算要求。

自适应神经-模糊推理系统在桥梁状态评估中的应用

以钢筋混凝土中小跨径梁式桥为对象,根据结构特征和《公路养护技术规范》(JTJ 073-96)建立了主梁耐久性评估指标体系,确定了评估指标的分级标准,开发了基于自适应神经-模糊推理系统(ANFIS)的主梁耐久性评估系统.提出了根据统计学原理模拟桥梁检查数据和专家意见调查数据的方法,比较了教师数据数量对系统训练结果的影响.模拟教师数据验证结果表明,系统具有良好的学习能力和实际应用能力.应用某市三环路上的13座桥梁110根主梁的实测数据,验证了学习后的系统能够快速有效地模仿专家非线性模糊推理能力.

电液伺服阀故障模式识别的自适应神经—模糊推理系统

基于MATLAB模糊逻辑工具箱 ,利用维数缩减技术和模糊减法聚类法 ,对表征电液伺服阀工作状态的实测样本数据进行聚类分析 ,实现合理的特征空间划分和寻找适当的规则数目 ,从而实现了自适应神经—模糊推理系统 (即 :ANFIS)的结构辨识。在此基础上 ,利用BP算法与最小二乘法相结合的混合算法 ,实现ANFIS的参数辨识 ,建立了适用于电液伺服阀的故障模式识别的ANFIS ,从而有效地解决了电液伺服阀故障的多样性和不确定性的难题 。

基于减法聚类和自适应神经模糊推理系统的递阶模糊系统的设计

提出了一种设计递阶模糊系统的简易而有效的方法.在得到一个单级模糊系统的基础上,用灵敏度分析法对每一个输入变量的重要性进行排序,从而确定每一级子系统的输入变量.利用减法聚类和自适应神经 模糊推理系统逐级对子系统进行训练.所得到的递阶模糊系统可进一步得到简化.仿真实例证实了设计方法的有效性.

基于神经——模糊推理系统的发动机相关数据处理

提出应用一种神经 -模糊推理系统对发动机有关设计计算中的数据进行映射辩识 ,以提高数据的结构化程度、加快计算速度 ,以利于编程处理 ,消除知识的“组合爆炸”现象。建立了一个神经网络系统与之进行应用比较 ,通过对具体数据的实际操作表明 ,应用这种方法能够很好地表达原图表数据关系。同时相对于单纯应用人工神经网络方法 ,它的数据识别精度更高 ,速度更快 ,能够满足设计计算要求。

基于神经网络-模糊推理的目标识别融合研究

为提高复杂环境下多传感器的自适应信息融合能力,提出了一种基于神经网络-模糊推理的信息融合模型,利用神经网络和模糊推理分析传感器探测状态的不确定性,并将其应用于红外成像/毫米波复合制导目标识别的信息融合,识别效果比较理想,可信度有了很大提高。

模糊推理系统的MATLAB仿真研究

本文对常用的模糊推理系统进行了阐述,介绍了一种在模糊控制系统设计中构建Takagi-Sugeno型模糊推理系统的方法,使用了MATLAB的模糊工具箱与Simulink工具进行了仿真,效果是令人满意的。

基于自适应神经模糊推理的交通状态判别方法

文章针对交通状态具有模糊性和主观性的特点,建立能够真实反映人对交通拥塞程度感觉的自适应-神经模糊推理系统,使具有变化连续的交通流参数模糊化处理,实现了道路交通状态的准确、快速辨别。

模糊神经网络在小车摆系统辨识中的应用

利用自适应神经－模糊椎理系统ＡＮ ＦＩＳ良好的系统辨识能力，对具有较大非线性特性的小 车摆系统进行辨识，得到相应的系统模型．仿真实验更验证了ＡＮＦＩＳ的系统辨识能力．

一种基于模糊神经网络的正则化学习算法的地铁列车运行控制

将两种不同的模糊神经网络分别应用于地铁列车控制中的站间运行阶段和定位停车阶段,仿真取得了令人满意的结果。为了降低控制系统的复杂度,提高系统的泛化能力,采用了在误差函数中引入正则项的方法。同时采用了基于扩展的自适应神经-模糊推理系统(简称ANFIS)获取模糊规则数和训练隶属度函数中心和宽度的方法。实验结果表明,将以上方法应用于地铁列车运行控制是可行的,可以保证较好的舒适性、速度跟随性和停车准确性。

基于集成信息融合的智能故障诊断系统设计

提出了基于集成信息融合技术的实时智能故障诊断系统结构。在对传统BP神经网络分析的基础上引入了聚类分析方法与遗传优化算法,有效降低了BP神经网络的训练难度并提高其训练精度。将遗传神经网络与自适应神经-模糊推理系统相集成用于特征级信息融合,既提高了诊断可靠性又充分利用了诊断知识;引入D-S证据理论进行决策级融合,有效地利用了各诊断单元的诊断结果。仿真测试结果表明,该故障诊断系统能迅速、准确、可靠的诊断出各种故障。

多机器人系统任务分配效用评价算法

为了提高复杂环境中多机器人系统任务分配的决策质量,获取准确、客观的效用评价,提出了一种基于自适应神经-模糊推理系统(adaptive neuro-fuzzy inference system,ANFIS)的效用评价算法ANFIS-UE。设计了基于ANFIS的效用评价网络结构,并采用Q学习对效用评价网络的参数进行学习。利用ANFIS优越的函数逼近能力和泛化能力,提高了效用函数的学习效率,能够对连续的状态输入产生连续的效用评价值。实验结果表明,该算法获得的效用评价相对更准确,从而提高了任务分配方案的质量。

基于ANFIS的桥梁水下结构状态评估系统开发研究

以桥梁水下钢筋混凝土结构为对象,以结构使用环境和现行桥梁承载能力及耐久性评估标准为基础,建立结构状态评估指标体系,确定评估指标的分级标准,并开发基于自适应神经-模糊推理算法的桥梁水下结构状态评估系统。根据模拟教师数据对该系统各项性能的验证结果,证明其具有良好的学习能力,且实际应用也表明其具有较好的应用效果。

基于ANFIS的人因失误风险严重度识别

为提高人因失误风险评价的精度和效率,考虑人因失误对系统的影响,用人因失误概率(HEP)、失误影响概率(EEP)以及失误后果严重度(ECS)3个参数,对人因失误风险进行度量,以满足概率风险评价(PSA)的最终目的。将神经网络和模糊逻辑推理有机地结合,利用获得的120组人因失误风险数据,建立基于自适应神经-模糊推理系统(ANFIS)的人因失误风险评价模型,用于人因失误风险重要性识别。结果表明,用该模型可克服专家判断的主观性、模糊性和不确定性等缺陷,使人因失误风险评价结果更符合实际。

一种改进的导弹费用估算方法

采用了一阶Sugeno自适应神经 -模糊推理系统 ,以美国陆军 2 2种导弹费用 -性能参数作为原始样本 ,建立费用估算模型 ,找到了对导弹费用影响最大的性能参数。利用灰色GM(0 ,N)模型 ,在导弹总重 -速度空间的贫信息区域插值生成附加训练样本 ,生成了导弹费用预测模型。该模型与线性回归模型相比 ,大幅度地提高了预测精度 ,较好地反映了费用变化趋势 ,网络检测误差小 ,具有较强的推广能力。灰色模型与自适应神经 -模糊推理系统相结合 。

继电保护测试装置线性功率放大器的数字预畸

针对继电保护测试装置线性功率放大器(LPA)的非线性,提出一种基于自适应神经-模糊推理系统(ANFIS)的数字预畸器。ANFIS数字预畸器仅需修改软件,即可升级传统继电保护测试装置,不仅满足故障波形重现的精度要求,还能充分利用有限的频带宽度和输出容量。ANFIS数字预畸器对LPA及其负载的整体非线性进行自适应学习,故可降低对单一部件的精度要求,并修正任意部件引起的非线性失真。采用准在线学习方式,ANFIS数字预畸器可在普通微处理器上实现,从而保持传统继电保护测试装置的高性价比。

软计算方法在煤灰结渣特性评判中的应用

基于软计算理论,提出了一种煤灰结渣特性的神经-模糊评判模型。此模型来源于实际观测数据,可靠性高,能够更有效的判别锅炉炉膛结渣特性。

基于ANFIS的软测量模型在浮选中的应用

以浮选过程为研究对象,提出一种基于自适应神经-模糊推理系统的经济技术指标软测量模型。该模型采用主元分析进行输入数据集降维,运用最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统结构参数进行优化设计。该混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明,提出的模型能很好地实现浮选过程经济技术指标的全局预测,满足优化浮选药剂添加的计算要求。

仿真技术在物料悬浮速度计算中的应用

SIMULINK是MATLAB的重要组件之一,它提供了一个动态系统仿真建模、仿真与综合分析的集成环境.本文基于上述软件工具,设计了一个模糊逻辑控制器,并应用于球形物料悬浮速度计算仿真.与其他计算方法进行了比较,并结合实际分析了仿真的物理意义.