基于HMM-FNN模型的复杂动态手势识别

复杂动态手势识别是利用视频手势进行人机交互的关键问题.提出一种HMM-FNN模型结构.它整合了隐马尔可夫模型对时序数据的建模能力与模糊神经网络的模糊规则构建与推理能力,并将其应用到复杂动态手势的识别中.复杂动态手势具备两大特点:运动特征的可分解性与定义描述的模糊性.针对这两种特性,复杂手势被分解为手形变化、2D平面运动与Z轴方向运动3个子部分,分别利用HMM进行建模,HMM模型对观察子序列的似然概率被作为FNN的模糊隶属度,通过模糊规则推理,最终得到手势的分类类别.HMM-FNN方法将高维手势特征分解为低维子特征序列,降低了模型的复杂度.此外,它还可以充分利用人的经验辅助模型结构的创建与优化.实验表明,该方法是一种有效的复杂动态手势识别方法,并且优于传统的HMM模型方法.

前馈神经网络在预测连续泄漏系数中的应用

受泄漏孔几何参数、液位、液体物理特性及流动状态等因素影响,储罐连续泄漏系数难以直接采用流体力学建模求解。通过常压立式储罐连续泄漏试验获取数据样本,利用前馈神经网络(Feedforward Neural Network, FNN)算法构建连续泄漏系数(Cs)与输入变量间的非线性关系,建立基于前馈神经网络算法的Cs预测模型。模型性能评估结果表明,模型的平均绝对误差(EMA)、解释方差分(SEV)及决定系数(R2)分别为0.015 4、0.949 2及0.948 2,表明模型预测性能良好。与相应连续泄漏试验值比较,预测Cs的总平均绝对偏差范围为5.28%~7.34%,质量流率平均偏差为4.60%~6.51%,连续泄漏量的平均偏差为0.84%~2.03%,模型预测结果优于采用泄漏经验常数的计算结果,证明该模型可有效预测连续泄漏期间Cs值及变化趋势。

基于MRAS和FNN的异步电动机无速度传感器直接转矩控制

针对传统直接转矩控制系统中磁链和转矩存在较大的脉动,采用基于模糊神经网络(FNN)控制器的预期电压矢量调制方案。速度传感器安装不方便、成本高,磁链观测对电阻的依赖性强,尤其是在电机低速运行时,应用模型参考自适应控制策略(MRAS)设计速度、电阻自适应定子磁链观测器,以定子电流和定子磁链为状态变量,利用Popov超稳定性理论得到转子转速和转子电阻的自适应律。建立了异步电动机无速度传感器直接转矩控制系统的Matlab/Simulink仿真模型,仿真结果表明系统脉动较小,提高了定子磁链和转速的观测精度。

基于T-S模型的FNN降水粒子相态识别方法

提出一种基于T-S(Takagi-Sugeno)模型的模糊神经网络(Fuzzy Neural Network,FNN)降水粒子相态识别方法。该方法建立一种多层前馈的模糊神经网络,在对双线偏振气象雷达接收的偏振参量进行模糊化、规则计算、模糊推理和退模糊处理基础上,利用模糊神经网络误差反馈的思想自适应的调节不同降水类型各偏振参量隶属函数的参数,保证降水粒子相态识别的精度要求。经过实测数据的处理结果证明了该方法的有效性。

基于AHP和FNN的军用电源装备系统综合评判模型

针对目前我军军事训练成绩评判方法的不足,例如受人为因素影响大、局限于定性评判等,分析了军用电源装备系统,研究了层次分析法(Analytical Hierarchy Process,AHP)、模糊综合评判法、模糊神经网络算法(Fuzzy Neural Network,FNN),提出了AHP模糊神经网络综合评判模型。通过该评判模型,对装备系统进行仿真评判,研究表明评判结果符合装备系统的实际情况,验证了该评判模型的实用性,为军用电源装备系统优化设计提供了理论依据和技术支持。

基于最小二乘状态估计和模糊神经的中长期负荷预测

可靠准确的中长期电力负荷预测可以使电力公司和发电公司更好地分配配电网络,并有助于在可再生能源并网时提高对电力系统的保护稳定性。为此,提出一种基于加权最小二乘状态估计和模糊神经网络的中长期电力负荷预测方案。基于最小二乘状态估计得到的潮流信息和来自神经网络得到的预测负荷作为模糊神经网络的输入,借由模糊神经网络生成高质量的中长期电力负荷预测结果,最后在IEEE 30总线系统上进行验证和评估。试验结果表明,所提方案可以实现平均绝对百分比误差低于2.55%,比单独的最小二乘状态估计法和模糊神经网络法拥有更低的平均绝对百分比误差。

利用FNN的对虾养殖品质风险仿真分析

针对目前南美白对虾养殖环节存在的溯源点不清晰、养殖过程监管薄弱、品质评价不健全等品质风险问题,以HACCP为基准,结合国内外在养殖环节关键影响要素研究现状,对养殖环节建模,利用模糊神经网络(FNN)初选品质风险控制的关键控制点,结合Vensim软件建立南美白对虾养殖品质风险动力学模型,从而确定关键控制点的核心影响因素。仿真结果表明,南美白对虾养殖品质风险动力学模型能动态仿真五类影响要素对于幼虾品质和成活率的变化关系,从而反映品质风险动态变化情况。由此为南美白对虾溯源管理信息系统中溯源点的选取以及养殖过程的实时监控以及过程品质动态评价提供理论参考。

基于LSTM和FNN的昆明市气候舒适度相关气象指标预测方法

针对昆明市缺乏较好区域气候舒适度预测模型、气象指标预测方法性能不佳的问题,结合长短期记忆(LSTM)网络的时间序列预测方面和前馈神经网络(FNN)的数据整合以及增强相关性的优势,提出一种基于LSTMFNN模型的昆明市气候舒适度相关气象指标预测方法;并根据适宜旅游区域随季节变化而变化的特点,提出季节划分下的气候舒适度相关气象指标预测方法。利用昆明市气象站1981—2010年共30年的平均数据,构造273 d气象数据的训练集和92 d气象数据的测试集对LSTM-FNN预测模型进行实验,日平均气温、相对空气湿度和日均风速三项指标的预测数据与真实数据对比所得平均绝对误差(MAE)分别是0.14℃、0.45%、0.13 m/s;LSTM-FNN预测模型与实验参数下的原始LSTM、双向长短期记忆(BiLSTM)网络和双向循环神经网络(BRNN)相比,日均气温MAE分别降低了0.05℃、0.27℃、0.09℃,其余两项气象指标预测性能基本一致。

基于FNN的变压器绕组振动模型建立及研究

基于傅里叶神经网络(Fourier neural network,FNN)结构的单输入、输出Hammerstein模型,提出了一种适用于变压器绕组振动系统的非线性建模方法。FNN和自回归滑动平均模型(auto-regressive and moving average model,ARMA)(分别作为模型中的非线性静态模块和线性动态模块)采用前向更新策略及最速下降法对模型进行训练,确定模型参数。该建模方法在实际110 kV变压器的绕组振动系统的建模及绕组振动波形预测中显示了较高的有效性及准确性。此外,还研究和分析了绕组故障对模型特性的影响机制,提出基于模型延迟阶数的绕组故障特征及其提取方法,并将该方法及其特征量应用于实际110 kV变压器的绕组故障实验中,所得结果表明该特征量可有效反映变压器绕组的机械结构变化。

FNN在飞行仿真器建模中的应用研究

提出了一种新的建模方法．该方法通过ＦＮＮ的自学习．自动得到模型结构和模型参数，具有较快的学习速度和较高的精度．该方法成功地应用于某歼击机型飞机的仿真模型开发，取得了很好的效果．

基于多门控混合专家网络的燃烧热化学流形表征

为了更好地在小火焰燃烧模型框架内实施燃烧热化学流形表征,采用多任务学习领域中的多门控混合专家网络(MMoE).通过对三维层流喷雾射流火焰构型进行详细化学(DC)模拟,构建原始数据集.原始数据集经过Box-Cox转换和标准化处理,以应对燃烧数据的多尺度分布问题.对数据集进行Pearson相关系数分析,结果表明部分化学组分之间无明显的相关性.分别构建同等参数量规模的MMoE和前馈神经网络(FNN)模型,对比分析结果表明,2种模型取得的损失值和决定系数相近,但相比FNN模型,MMoE模型在训练过程中更加稳定,且取得的定量预测结果更加准确.

基于模糊神经网络的模型预测硅单晶直径控制

为了生产大尺寸、高质量、低能耗的直拉单晶硅棒,文中通过在直拉硅单晶生产车间采集的大量数据,通过模糊神经网络(Fuzzy Neural Networks,FNN)和模型预测控制(Model predic-tive control,MPC)进行建模,得到了等径阶段的直径预测模型和直径控制模型.直径预测模型测试结果表明:平均相对误差仅为0.0287%,预测精度极高.通过仿真并与常规PID控制进行对比分析得出,MPC比常规PID控制的调节速度快53.66%,并且MPC的控制过程非常稳定,其超调量基本为0;由加热器功率调控变化过程可知,MPC减少了调节过程的能耗,并提高了热场稳定性及单晶硅棒质量.通过预测模型建立的直径控制模型能提高控制精度并促进硅单晶高质量生产.

基于模型迁移方法的回转窑煅烧带温度软测量

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS).首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温度建模,然后用PMBPS算法对窑头温度模型进行规划修正,获得煅烧带温度的软测量模型.仿真验证了所提出的软测量建模方法的有效性.

县级区域可持续发展综合评价指标体系的建立

可持续发展在世界范围内受到广泛的关注,但是对于可持续发展的研究大多集中于整个社会或国家的宏观水平上,对于县域经济的可持续发展研究少之又少,本文旨在通过对县域可持续发展的研究,对县域可持续发展指标体系进行初步探讨.文章从评价指标体系的功能入手,提出了县域可持续发展指标体系的建立,并给出了评价的方法.

基于受限玻尔兹曼机的语音带宽扩展

语音带宽扩展是为了提高语音质量,利用语音低频和高频之间的相关性重构语音高频的一种技术。高斯混合模型法是语音带宽技术中被广泛应用的一种方法,但是,由于该方法假设语音高频、低频服从高斯分布,且只表征了语音低频、高频之间的线性关系,从而导致合成的高频语音出现失真。因此,该文提出一种基于受限玻尔兹曼机的方法,该方法利用两个高斯伯努利受限玻尔兹曼机提取语音低频和高频中蕴含的高阶统计特性;并利用前馈神经网络将语音低频高阶统计特性参数映射为高频高阶统计特性参数。这样,通过提取语音低频和高频中蕴含的高阶统计特性,该方法可以深层挖掘语音高频和语音低频之间的实际关系,从而更加准确地模拟频谱包络分布,合成质量更高的语音。客观测试、主观测试结果表明,该方法性能优于传统的高斯混合模型方法。

电磁驱动主动质量阻尼器控制系统的智能模型

利用模糊神经网络理论的非线性处理能力,以试验数据作为网络训练及验证数据,找出电磁驱动主动质量阻尼器控制系统在更为广泛的条件下其线圈输入电压、质量块相对运动速度和系统输出电磁力之间的关系,建立EMD系统的智能模型,仿真结果表明可以有效改善现有力电关系模型的计算效果。

基于模糊神经网络的瓦斯爆炸危险性评价模型

煤矿瓦斯爆炸事故的复杂性和随机性决定了煤矿瓦斯爆炸重大危险源的变化不会按照某一特定的规律或函数变化。模糊神经网络具有较强的非线性函数逼近能力和较强的自学习、自适应和联想能力。通过简化易燃、易爆、有毒重大危险源评价模型,确定了网络的输入参数,应用模糊神经网络对各参数之间的关系进行计算,验算结果表明:该网络模型在评价煤矿瓦斯爆炸危险性方面效果良好。

基于混合智能算法的非线性双边多属性谈判模型

在非线性效用函数基础上,运用混合人工智能技术,建立非线性双边多属性谈判模型,给出在一定精度范围内逼近Pareto最优解的近似求解方法。最后通过价格、质量两属性的非线性双边谈判模拟算例,验证了方法的正确性与有效性。为多属性谈判研究提供了新的思路。

磨齿机电主轴热特性及热误差建模

针对磨齿机在磨削加工时,电主轴存在热致误差等问题,提出基于模糊神经网络(FNN)建立电主轴热误差模型的方法.分析电主轴内部的热生成和热传递机理,得到内部的传热规律.通过计算热载荷和边界条件,利用有限元分析(FEA)软件对电主轴系统的温度场和热变形进行数值模拟,得到电主轴系统中温升和热变形最大的部位.通过电主轴热误差实验获得温度和热变形数据,分别训练模糊神经网络和BP神经网络,建立温度场和热变形之间的热误差模型,对主轴热误差进行预测.结果显示:在电主轴径向热误差预测模型中,模糊神经网络模型和BP模型的建模精度分别为96.74%和89.77%.这表明模糊神经网络模型建立的热误差模型,在拟合和预测精度上优于BP神经网络模型.

低碳经济背景下煤炭资源整合效果评价研究

为了对低碳经济背景下煤炭资源整合后的效果进行评价,本文基于煤炭资源整合的模糊、随机复杂性现实,结合模糊C均值聚类分析方法(FCM)和模糊神经网络(FNN)评价方法,提出了"FCMFNN"双模糊综合评价模型来对煤炭资源整合后的效果进行了实证分析和评价研究。根据聚类分析结果将市场上煤炭资源整合后的效果分为优、良、中、差4个等级,运用"FCM-FNN"双模糊综合评价模型对西山煤电集团煤炭资源整合效果进行评价,与模糊结构元理论的验证评价结果一致,从扩大组织规模和创新管理模式两方面提出了提高煤炭资源整合效果的建议。