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.

江蓠与对虾混养的神经-模糊优化模型初探

根据2003年4月～2004年9月在广东省海丰县联安镇江蓠-对虾鱼媪混养试验所得调查数据，采用神经-模糊系统作为非线性逼近工具，建立了虾藻混合养殖过程中各生物和水环境因子之间非线性关系的神经-模糊系统模型。以鱼塭水环境中可溶性无机氮DIN≤0．2mg·L^-1作为富营养化限制标准，模型模拟出了对虾不同养殖阶段混养江蓠所需的最低理论生长速率。其结果较好地反映了混养系统中江蓠的实际生长速率对水环境中DIN所产生的影响。

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 。

基于零代价函数神经网络的神经—模糊系统与应用

以洗衣机的控制对象,提出了一种神经模糊系统,对其进行建模和控制。根据人类专家的经验提取出来的语言规则,置于模糊逻辑系统之中,并引入线性隶属函数将这些模糊规则转化成数值。这些数值(输入、输出样本对)用来作为神经网络的训练样本。为了改善洗衣机的性能,采用的是基于零代价函数的神经网络训练算法,因此,神经网络的输出数据可以转换成模糊规则,而不存在误差。展望了神经模糊系统方法的方向和在洗衣机中的应用。

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。

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.

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。

基于粗集—神经模糊系统的高速公路项目运营效益评价模型研究

基于粗集—神经模糊系统的评价模型,利用粗集理论从数据样本中获取约简的规则集作为模糊神经系统的规则,使得规则数目减少,克服了当输入维数高时,模糊神经网络模糊规则过多,结构过于庞大的缺点。同时利用免疫遗传算法对系统参数进行有控调整有效避免了参数过渡训练的问题,使得系统的结构更为精简,学习速度更快。最后用RS-NFS的评价方法对高速公路项目运营效益进行评价,取得了良好的效果。

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。

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。

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。

基于粗集-神经模糊系统评价模型高速公路项目运营效益

结合高速公路项目运营效益评价的特点,提出了粗集-神经系统的评价模型。利用粗集理论从数据样本中获取约简的规则集作为模糊神经系统的规则,使得规则数目减少,克服了当输入维数高时,模糊神经网络模糊规则过多,结构过于庞大的缺点。采用免疫遗传算法对系统参数进行有控调整有效避免了参数过渡训练的问题,使得系统的结构更为精简,学习速度更快。最后将该方法用于实例,结果初步论证了论文提出的模型和方法的有效性和可行性。

APPLICATION STUDY ON ADAPTIVE NEURAL FUZZY INFERENCE MODEL IN COMPLEX SOCIAL-TECHNICAL SYSTEM

The adaptive neural fuzzy inference system （ANFIS） is used to make a ease study considering features of complex social-technical system with the target of increasing organizational efficiency of public scientific research institutions. An integrated ANFIS model is built and the effectiveness of the model is verified by means of investigation data and their processing results. The model merges the learning mechanism of neural network and the language inference ability of fuzzy system, and thereby remedies the defects of neural network and fuzzy logic system. Result of this case study shows that the model is suitable for complicated socio-technical systems and has bright application perspective to solve such problems of prediction, evaluation and policy-making in managerial fields.

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。