自适应神经模糊推理系统优化的快速上肢评估方法

传统方法对工作相关肌肉骨骼疾病风险评估的输入变量变化敏感性较低,导致风险评估输出结果的精确性和可靠性不足。为更加准确地进行人因工程风险评估,提出了基于自适应神经模糊推理系统的快速上肢评估方法(RULA)。首先,基于卷积神经网络对视频中人体工作姿势的关键点进行检测及识别,并计算关节角度;其次,基于自适应神经模糊推理系统对快速上肢评估方法进行改进,搭建工作相关肌肉骨骼疾病风险评估架构以解决评估不同姿势时获得相同评分的问题;再次,随机选取不同工作姿势的关节角度数据对网络进行训练和检测,调整基于自适应神经模糊推理系统和快速上肢评估方法的工作相关肌肉骨骼疾病风险预测模型的最佳参数;最后,选取关节角度数据集里的前15个工作姿势进行相关性验证,将结果与原始快速上肢评估方法的结果进行比较,应用树枝修剪工具的操作过程进行案例分析以实现风险得分的实时动态评估。结果表明,优化后的快速上肢评估方法比原始方法更敏感,验证了利用自适应神经模糊推理系统能够有效改进快速上肢评估方法并实时预测风险得分。

基于能量熵和自适应神经模糊推理系统的齿轮故障诊断

为了解决齿轮振动信号中出现噪声污染严重,故障特征信息提取困难的问题,提出了基于能量熵和自适应神经模糊推理系统(ANFIS)的齿轮故障诊断方法。将预处理后的振动信号作自适应噪声完备经验模式(CEEMDAN)分解,可获得不同尺度的本征模态函数(IMF);由于各IMF包含主要故障特征信息,且不同故障状态下各IMF分布有明显不同,因此通过计算能量熵来量化故障时频域特征,构造出表征模态分量信息的特征向量;以此输入ANFIS进行样本的学习和训练,在自适应调整网络参数和隶属函数后,获得最优ANFIS。实验结果表明:该方法诊断结果准确率近乎100%,可有效地识别故障类型。

基于T-S模型的自适应神经模糊推理系统及其在热工过程建模中的应用

在工业热工过程控制中,被控对象动态特性往往表现出非线性、时变性、大迟延和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达热工过程及实施整体优化控制。针对热工过程建模难的现状,为达到建立精确非线性模型的目的,提出1种基于T-S模型的自适应神经模糊系统(ANFIS)模糊建模方法。该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的。仿真结果验证了所提出的算法的有效性,将其应用到热工过程建模中可获得高精度的非线性模型。

基于自适应神经-模糊推理系统模糊信息融合的采煤机截齿磨损在线监测

为实现对截齿截割过程中磨损程度的实时精确在线监测,分别测试和提取不同磨损程度的截齿在截割过程中的振动信号、声发射信号和温度信号,建立不同磨损程度截齿截割信号的多特征样本数据库,根据最小模糊度优化模型计算求解各特征信号的最优模糊隶属度函数,采用自适应神经-模糊推理系统多维模糊神经网络方法实现多传感特征信息的决策融合,输出置信度和权重较高的截齿磨损量融合结果。通过随机测试实验对融合系统进行验证,结果表明,基于ANFIS模糊信息融合的截齿磨损监测系统辨识度较高,测试结果最大误差在6.5%以内,系统具有良好的融合效果以及较高的测试精度。

采用自适应神经模糊推理系统的配电网故障分类方法

配电网故障分类对配电网故障诊断、事故后分析具有重要作用。提出了一种基于自适应神经模糊推理系统(adaptive network-based fuzzy inference system,ANFIS)的中性点非有效接地系统的故障分类方法。利用小波变换提取故障特征频带内的暂态信号,基于统计量构造了用于故障分类的特征向量,研究了所构造的特征量在不同类型故障下的规律。利用自适应神经模糊推理系统,设计了一种用于小电流接地系统故障分类的方法。在PSCAD/EMTDC中建立了仿真模型,利用仿真样本对系统进行训练,测试样本的验证结果表明该方法具有较高的分类准确性。在中性点接地方式变化以及系统拓扑结构变化的情况下,研究了该方法的适应性,结果表明该方法的适应性良好。

基于自适应神经模糊推理系统的风功率缺失数据补齐

风电场风电输出功率数据的完整性在风能利用中具有重要意义。利用相邻风机法、持续法、平均插值法、标准功率曲线对应法均可以对风电缺失功率数据进行补齐,但都有各自的优缺点及适用范围;在单一补齐数据方法的基础上,文中采用自适应神经模糊推理系统(ANFIS)模型对丢失数据进行补齐和优化。对实测数据的仿真计算结果表明,用所提出的方法进行数据补齐后风电输出功率的计算结果平均相对误差降低,准确率提高。

自适应神经模糊推理系统在电力故障重现中的应用

将电力故障录波数据重现为实际波形对于继电保护测试和保护动作行为分析等具有重要意义。文章将自适应神经模糊推理系统和数字闭环修正技术应用于电力系统故障重现装置中,实现了整体数字域内的闭环控制,利用输出端回采数据与原始数据进行比较并修正信号源的方法极大地减小了故障重现的非线性误差。Matlab仿真和基于该算法的故障重现装置的实际应用证明了自适应神经模糊推理在故障重现中应用的可行性和有效性。

自适应神经模糊推理系统改进算法在机械加工参数优化中的应用

在分析目前常用反向传播算法改进方法优缺点的基础上,提出用共轭梯度法对自适应模糊神经推理系统进行改进的训练算法,在训练中用Fletcher-Reeves方法计算上次搜索方向对新搜索方向的影响因数,在混沌时间序列预测和复杂非线性函数逼近的应用实例证明,改进后的算法收敛次数减少,训练速度加快。结合MATLAB的模糊工具箱,详述了如何在已有标准算法基础上进行算法改进。目前计算机辅助工艺设计受诸多复杂非线性问题的困扰发展缓慢,利用自适应模糊神经推理系统的自学习、自适应和逻辑推理能力,将改进后的算法用于逼近误差复映系数与工艺系统刚度、进给量等因素之间的非线性关系,实现机械加工参数的优化,提高工艺系统的自适应能力和工作效率,试验验证了此方法的可行性。

基于主成分分析法和自适应神经模糊推理系统的电力负荷预测

提出了一种基于主成分分析法与自适应神经模糊推理相结合的电力系统负荷预测方法,通过对影响电力负荷的相关因素进行主成分分析,减少自适应神经模糊推理系统的输入量,可以提高系统预测的效率。算例表明所提出方法是有效的和可行的。

应用自适应神经模糊推理系统(ANFIS)进行建模与仿真

模糊规则的提取和隶属度函数的学习是模糊推理系统设计中重要而困难的问题。自适应神经模糊推理系统 (ANFIS)方法基于Sugeno模糊模型 ,其结构类似于神经网络 ,采用反向传播算法和最小二乘法调整模糊推理系统的参数 ,并能自动产生模糊规则。本文应用该方法给出了对一个典型系统建模的仿真实例 ,取得了良好的效果。

工程车辆挡位决策的自适应神经模糊推理系统

提出了一种自适应神经模糊推理系统 ,并利用在 ZL 5 0 E装载机传动系统换挡实验中获得的数据进行验证性仿真。仿真结果表明 ,该挡位决策系统可根据操作工况环境实现正确的变速箱挡位决策。它将模糊推理与神经网络有机地结合起来 ,克服了模糊推理不具备学习功能和神经网络不能表达模糊语言的缺点 ,使模糊推理与神经网络的应用范围更加广泛 。

改进的自适应神经模糊推理系统的角度传感器误差补偿方法

角度传感器测量精度控制在工程应用中非常重要,直接影响其实际应用的效果.当被测物理量和角度传感器输出之间为复杂非线性关系时,传统方法已难以获得满意的结果.本文引入了一种基于改进的自适应神经模糊推理系统的误差补偿方法,阐述了模型建立过程与步骤,并对一个16位绝对式光电编码器进行了精度检测与误差补偿.实验结果证明,与多项式拟合法和BP神经网络相比,改进的自适应神经模糊推理系统可显著提高光电编码器的测量精度;相比于补偿前,补偿后光电编码器测量精度可至少提高7.5倍.

基于自适应神经模糊推理系统的半导体生产线故障预测及维护调度

为解决半导体生产线设备故障预测问题,采用自适应神经模糊推理系统构建故障预测模型。利用减法聚类确定模型初始结构,采用由最小二乘算法和梯度下降法所组成的混合学习算法优化模型参数。经实验数据检验,所建模型拟合能力强且精度高,能有效预测生产线下一阶段可能发生故障的设备名称等调度问题关键参数信息。在原有设备维护调度的基础上,嵌入故障预测模型,构建新的设备维护调度方案,并以某半导体生产线制造过程为例进行仿真验证,取得了良好的调度效果。

基于T-S模型的锌钡白干燥煅烧过程自适应神经模糊推理系统建模

针对锌钡白干燥煅烧过程建模难的问题 ,提出了一种基于T S模型的自适应神经模糊推理系统(ANFIS)建模方法 .通过对模糊辨识系统的结构辨识和参数辨识 ,使网络自主、迅速地收敛到要求的输入输出关系 .文章讨论了该网络的结构和学习算法 ,并通过仿真研究得出其良好的实际应用价值 .

基于自适应神经模糊推理系统的非线性系统控制

由于非线性系统具有模糊性、不确定性、非线性等特点 ,所以常常使用模糊控制来对其实现控制 ,但常规的模糊控制系统存在着一定的问题。该文把神经网络与模糊控制相结合 ,介绍了自适应神经元模糊推理系统ANFIS (AdaptiveNeuro -FuzzyInferenceSystem)的基本结构 ,并将ANFIS用于典型的非线性系统控制中 ,仿真结果表明训练后的ANFIS能很好地控制实际的对象。

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。

基于H_∞环路成形和自适应神经模糊推理系统的模糊控制器设计

H∞环路成形方法设计的控制器阶次较高,不便于工程实现和参数调整;用传统方法确定模糊控制器隶属度函数的参数和模糊规则比较费时且难以保证鲁棒性能和时频域性能指标.针对上述情况,提出了一种综合运用H∞环路成形和自适应神经模糊推理系统来设计模糊控制器的方法.首先采用H∞环路成形设计方法,得到鲁棒裕量、动态和稳态性能都符合要求的控制器,然后用自适应神经模糊推理系统来逼近此控制器,最后根据自适应神经模糊推理系统参数确定相应的模糊控制器规则和参数.该方法确定模糊控制器隶属度函数的参数精确而省时,且能保证控制器具有较强的鲁棒性和良好的控制效果.通过对小车倒立摆系统进行的仿真,验证了该控制器设计方法的有效性.

青岛海雾的自适应神经模糊推理系统建模

基于自适应神经模糊推理系统(ANFIS) ,通过对历史观测资料的训练和规则提取 ,建立了青岛海雾(能见度)与该站及其上游测站的风向、风速、湿度等要素的逻辑映射关系和模糊推理模型 ,进而能够较为客观、定量地描述和诊断青岛海雾的发生发展 ,对改进和提高青岛海雾预报有一定的参考应用意义。

基于自适应神经模糊推理系统(ANFIS)的变压器超高频局部放电模式识别

对于变压器油中局部放电超高频测量系统所得到的局部放电的特征量,首先,选择优先权较高的6个特征量作为自适应神经模糊推理系统(ANFIS)的输入量,其次,构建6输入单输出的ANFIS,它采用了Takagi-Sugeno模糊系统的if-then规则,利用梯度下降和最优平方估计相结合的混合学习算法进行训练。最后,对于模型的有效性进行了检验,检验结果表明利用ANFIS系统进行局部放电的模式识别是可行的。

自适应神经模糊推理系统用于症候诊断的研究

提出了基于T-S模型(Takagi-Sugeno型)的自适应神经网络模糊推理系统(AdaptiveNetwork-basedFuzzyInferenceSystem,ANFIS),介绍了高木—关野(Takagi-Sugeno型)模型结构和自适应神经网络模糊推理系统的结构和算法。该文采用减法聚类初始化模糊推理系统模型,把神经网络学习机制引入到逻辑推理中,使传统的逻辑推理不仅具有逻辑思维及语言表达能力而且具有自学习和联想能力,通过2型糖尿病症候数据库验证了ANFIS用于症候诊断的合理性和有效性。提示自适应神经网络模糊推理系统适合中医症候诊断的研究。