基于自适应模糊推理辨识方法和果蝇优化算法的CFB锅炉燃烧优化

为提高循环流化床(CFB)锅炉效率、降低污染物排放,利用国内某超临界CFB锅炉历史运行数据,基于自适应模糊推理辨识方法建立了锅炉效率、NO_x和SO_2排放特性的自适应模糊推理模型,提出了3种优化策略,使用果蝇优化算法对CFB锅炉运行工况的可调参数在一定范围内进行寻优,并进一步仿真验证了所提CFB锅炉燃烧优化方法的有效性.结果表明:该模型用时较短、误差较小,对CFB锅炉的节能减排有重要借鉴意义.

基于自适应神经模糊推理系统的非线性系统辨识

针对非线性系统辨识方法中偶然性大,精度不高,收敛速度慢,训练过程时间长的问题,提出一种基于自适应神经模糊推理系统的非线性系统辨识方法,利用模糊推理系统使规则结构化及神经网络具有很强的泛化能力相结合,具有以任意精度逼近任何线性或非线性函数的特点。对非线性系统进行辨识,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。

应用自适应网络模糊推理系统的sugeno模糊模型辨识

给出了一种模糊系统建模的有效方法．首先用减法聚类对系统输入输出数据进行聚类，然后用自适应网络模糊推理系统建立系统的ｓｕｇｅｎｏ模糊模型，这样解决了因输入变量高维引起规则的组合爆炸问题以及隶属函数形状和模糊规则不能自动选择的问题．

基于自适应神经模糊推理系统的非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点,将模糊推理系统和神经网络相结合,介绍了一种自适应神经模糊推理系统,并将其应用于非线性系统辨识中,仿真结果表明:训练后的ANFIS能够很好地逼近实际的非线性系统,并且辨识精度高。

无辨识自适应算法与模糊推理的组合控制

一般自适应控制算法需在线辨识系统模型,算法复杂,计算时间长。本文采用无辨识自适应算法,不用辨识系统的模型,同时应用模糊推理对控制量进行补偿,以便克服模型失配的影响。仿真结果表明,该方案是非常有效的,适合于具有时滞的工业系统。将其应用于制冷装置中的电子膨胀阀控制,使得蒸发器过热度的控制效果得到了明显的改善。

基于自适应神经模糊推理系统的纸病二次辨识

针对造纸生产线上宽幅高速纸机纸病检测系统快速性和精确性的挑战,提出"工业相机+FPGA(Field-Programmable Gate Array)+计算机"模式下的基于自适应神经模糊推理系统的纸病二次辨识方法。使用CCD相机采集纸张图像,通过FPGA完成图像预处理和一次辨识(粗辨识+过辨识);计算机通过自适应神经模糊推理系统(ANFIS)对疑似纸病区域二次辨识(精确辨识),判断出纸病和种类。实验表明,该方法能够准确地辨识各种纸病。

基于模糊推理的上肢康复机器人自适应阻抗控制

根据患肢的病情特点为患肢康复运动提供最优的辅助力,保持系统的稳定,是机器人辅助康复控制技术中的关键所在.针对此问题在传统阻抗控制方法基础上,提出一种基于力参考值在线模糊调整的模糊自适应阻抗控制算法.该算法首先对患肢机械阻抗参数进行在线辨识,然后根据辨识得到的参数,运用模糊推理技术对康复机器人末端同患肢之间相互作用力的期望值以及目标阻抗控制参数进行实时调整.分析和仿真试验结果表明,该方法较传统阻抗控制方法更能有效地适应患肢病情的变化,具有较好的稳定性和鲁棒性.

基于自适应神经模糊推理的导水裂缝带高度研究

自适应神经模糊推理方法具有收敛速度快,拟合能力强,预测精度高,训练结果唯一等优点,已成功应用于边坡反演设计和开采沉陷预测。本文将其应用于康家湾矿Ⅲ—1号矿体 14采场的导水裂缝带高度的预测,结果表明,基于自适应神经模糊推理的导水裂缝带高度预测结果与实际情况相吻合,取得了满意的效果。

基于UKF的自适应模糊推理神经网络

如何生成最优的模糊规则数及模糊规则的自动生成和修剪是模糊神经网络训练算法研究的重点。针对这一问题,本文提出了基于UKF的自适应模糊推理神经网络(UKF-ANFIS)。首先,通过减法聚类确定UKF-ANFIS的模糊规则及其高斯隶属函数的中心和宽度参数;其次,分析了模糊神经网络的非线性动力系统表示,并用LLS和UKF分别学习线性和非线性的参数;然后,用误差下降率方法作为模糊规则修剪的策略,删除作用不大的规则;最后,通过典型的函数逼近和系统辨识实例,表明本文算法得到的模糊神经网络的结构更为紧凑,泛化性能也更佳。

基于模糊自适应推理系统的非线性信道参数辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,必须采用适当的非线性模型进行描述。为了实现对高速通信中非线性信道的辨识,提出采用自适应神经模糊推理系统进行信道辨识的方法。利用减法聚类法实现对ANFIS网络结构识别,在此基础上采用误差反传和最小二乘相结合的混合学习算法训练网络,从而实现对非线性信道的辨识。仿真结果表明,该方法与BP网络相比具有更高的收敛速度和识别精度,与基于网格划分的ANFIS相比,具有更高的运算效率。

有混合数据输入的自适应模糊神经推理系统

现有数据建模方法大多依赖于定量的数值信息,而对于数值与分类混合输入的数据建模问题往往根据分类变量组合建立多个子模型,当有多个分类变量输入时易出现子模型数据分布不均匀、训练耗时长等问题.针对上述问题,提出一种具有混合数据输入的自适应模糊神经推理系统模型,在自适应模糊推理系统的基础上,引入激励强度转移矩阵和结论影响矩阵,采用基于高氏距离的减法聚类辨识模型结构,通过混合学习算法训练模型参数,使数值与分类混合数据对模糊规则的前后件参数同时产生作用,共同影响模型输出.仿真实验分析了分类数据对模型规则后件的作用以及结构辨识算法对模糊规则数的影响,与其他几种混合数据建模方法对比表明本文所提出的模型具有较高的预测精度和计算效率.

无辨识自适应算法的大滞后对象的控制方法

在实际工业生产中 ,由于对象纯滞后的存在 ,降低了控制系统的稳定性 ,使控制品质下降 ,对控制系统极为不利。对大滞后对象 ,Smith预估控制是一种重要方法 ,但常规Smith预估控制对模型的误差 (包括时间延迟的估计误差 )十分敏感 ,不适用于具有时变时延参数的系统。因此 ,常规Smith预估控制策略难以广泛用于工业控制 ,但该方法仍然得到了控制界的广泛认可。无辨识自适应控制是Marsik和Strejc提出的一种无需辨识系统参数的自适应控制算法 ,该算法简单、鲁棒性强 ,只需在线检测过程的实际输出及期望输出便可形成具有较好动态性能指标的自适应控制系统 ,但是该方法不能解决大滞后问题。借鉴无辨识自适应控制的思想和神经网络强的函数逼近能力 ,首先用一个神经网络来构成被控对象的Smith预估模型 ,然后利用无辨识自适应控制算法设计了一种适用于大滞后对象的控制器 ,两者结合 ,提出了一种简单、实用。

自适应模糊偏最小二乘方法在药物构效关系建模中的应用

作为一种局部逼近方法,自适应神经模糊推理系统(ANFIS)适于为药物定量构效关系(QSAR)建模。描述药物分子结构的参数较多,常存在耦合关系,会增加建模难度,并影响模型的预报性能。为此,将ANFIS和偏最小二乘(PLS)相结合,先由PLS从样本数据中提取成分,再由ANFIS实现每对成分间的非线性映射,并基于输出误差进一步修正所提取的成分,使之对因变量具有最优的解释能力,由此构建为EBAFPLS方法。该法已成功地应用于HIV-1蛋白酶抑制剂的QSAR建模,效果良好,显示出很强的学习能力,所建模型的预报性能也优于其它方法。

基于模糊竞争学习的非线性系统自适应模糊建模方法(英文)

提出了一种新的基于模糊竞争学习的自调整的模糊建模方法 .基于模糊竞争学习 ,模糊系统能够进行自适应模糊推理 .在被调整模糊系统基础上 ,提出了一种非线性系统在线估计参数的在线辨识算法 .为了证明提出算法的有效性 ,最后给出了几个例子的仿真结果 .

一种基于Volterra模型的非线性系统具有全解耦结构的递阶式自适应辨识方法

研究了在输入输出观测数据均含有噪声时如何对基于Volterra级数描述的非线性系统进行解耦自适应辨识的问题 .按照Volterra级数模型的伪线性组合结构 ,采用总体最小二乘辨识技术的原理 ,导出了一种总体全解耦辨识的思想 .从而建立了一种具有全解耦结构的递阶式自适应辨识算法 ,给出了该算法的结构图 .相比于部分解耦辨识算法 ,该算法的优点在于它能够在全噪声数据环境下得到更高的收敛速度和精度 .

一类非线性系统的混合自适应模糊辨识与控制

采用非线性模糊系统(即第二类模糊逻辑系统)来实现一类非线性系统的模糊辨识和控制,结合模型辨识过程中的模型误差和模型控制过程中的跟踪误差,提出了一个混合自适应律,运用BP算法对该自适应律进行了在线调整,使辨识参数和控制参数同时达到最优;利用Lyapunov方法证明了该控制算法的稳定性,改善了跟踪速度等性能.

基于多模型自适应估计的导弹导引律辨识方法

为了辨别空战过程中敌方来袭导弹的导引律,准确打击目标,提出了一种基于多模型自适应估计的导弹导引律辨识方法。首先,采用二自由度质点模型建立了导弹的运动方程,并确立雷达的量测方程;其次,建立了基于并行UKF滤波、模型概率更新和状态估计混合输出的多模型自适应估计算法;最后,在给定导弹和战机初始对抗态势的条件下进行建模仿真,仿真主要针对三种常用的导引律,对其类型和参数进行辨识。仿真结果表明,多模型自适应估计方法能够有效的辨识导弹导引律的类型和参数,为准确打击来袭目标提供了保障。

基于改进模糊推理的光纤陀螺温度漂移建模

光纤陀螺温度漂移建模是实现其温度补偿,提高测量精度的有效手段。通过实测数据分析,验证光纤陀螺的输出受温度和载体角速度的共同作用呈现复杂非线性。为准确描述这种复杂非线性关系以实现温度漂移高精度补偿,基于神经网络设计一种新型光纤陀螺温度漂移模糊系统结构,提出一种基于改进模糊推理的光纤陀螺温度漂移模型辨识新方法。由确定的模型结构设计模糊系统的模糊规则,并基于实测数据构建训练样本以被用于自适应调整变量隶属度函数的参数,从而建立基于误差方均根最小准则的光纤陀螺温度漂移补偿模型。试验结果表明,应用此方法得到的光纤陀螺温度漂移模型具有很高的精度、良好的适用性和预测性能。

一种异步电动机静止状态下参数辨识的改进方法

基于异步电动机的非对称T型模型,提出一种电动机静止状态下参数辨识的改进算法。分析并指出逆变器死区只对输出电压有功分量产生影响,并通过对死区自适应补偿方法辨识出电动机参数,提高了辨识的准确度。考虑到趋肤效应的影响,给出通过两次注入相同转差频率、不同幅值的单相交流电流,并通过对误差电压进行对消的自适应算法辨识出转子电阻;基于等效空载的方法,注入极低频率的单相交流电流使电动机在静止状态与空载旋转状态等效,避免了转子电阻的影响,从而更精确的辨识出互感。将所测量参数与利用传统方法测量的参数进行对比,并将参数用于无速度传感器矢量控制,验证了该算法具有较高的精确性、实用性和鲁棒性。