基于改进的FasBack神经模糊系统的4-CBA软测量模型研究

提出一种基于改进的FasBack神经模糊系统的新型对羧基苯甲醛(4-CBA)软测量模型,用Leven-berg-M arquardt算法训练模型中的部分参数,经实际过程数据验证表明,提出的模型学习速度快、预测精度高、鲁棒性强,为实现精对苯二甲酸(PTA)生产过程中4-CBA含量的实时、精确控制提供了一条有效的途径。

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。

基于模糊神经网络的农机自动转向系统的设计

现代农业生产中要求农业机械在田间工作过程中可实现实时、高效的控制性能。为此,基于模糊控制规则的模糊神经网络控制器,利用遗传算法(Genetic Algorithm,GA)进行人工神经网络模型的优化,对拖拉机转向系统进行优化设计,得到农业机械田间工作时目标输出和实际输出的仿真曲线。基于东方红拖拉机搭建试验平台,进行了输出响应测试和角度测试,并通过MatLab仿真对控制系统的性能进行了分析。研究结果表明:模糊控制规则的模糊神经网络控制器和基于遗传神经网络的改进算法能有效缩短农业转向系统的响应时间,减少超调量,提高转向精度,是一种更加有效的田间作业的控制方法。

基于模糊神经网络的造纸机械电力传动控制系统设计

造纸机械中电力传动机构的传动点数量多,控制难度较大,故提出基于模糊神经网络的造纸机械电力传动控制系统设计研究。硬件设计,包括电力传动控制结构设计单元、电力传动速度测量传感器设计单元与电力传动控制器设计单元,软件设计,包括模糊神经网络控制模型构建模块、电力传动速度控制实现模块与电力传动张力控制实现模块。通过硬件单元与软件模块的联合应用共同实现造纸机械电力传动的控制。实验数据显示:应用设计系统获得的电力传动点速度控制结果与期望速度相同,电力传动点张力控制结果与期望张力相同,充分证实了设计系统应用性能较佳。

基于模糊神经网络PID变压器恒温箱控制系统研究

针对变压器油色谱恒温箱对温度精细化的要求以及分析现有成熟的温度控制方法,提出了模糊神经网络PID控制进行优化,实现了对温度的可靠控制。系统将温度的误差e和误差率e(c)通过模糊化输入,依据隶属函数和模糊规则推理得到PID调控因子,再利用BP神经网络以梯度下降法对隶属中心值和基宽和权值进行学习训练。通过使用Matlab软件对传统PID、模糊PID和模糊神经网络PID三种模式进行仿真,得到模糊神经网络PID控制模式具有响应速度快、控制精准高、抗干扰性好、收敛速度和系统的鲁棒性优秀等优势。能够有效地改善恒温箱系统温度控制的性能。

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。

基于多层模糊神经网络的消防预警系统设计

针对城市消防预警能力有待提升的问题,分析了城市消防远程监控系统的数据构成特征。阐述了以消防巡查射频打卡数据和温度数据为挖掘重点的数据预警逻辑架构。采用多项式和对数深度迭代回归模糊算法,将输出值导入到预警结果整理模块后,通过模糊矩阵法生成模糊预警的方法,设计不同时间值域的本地双列数据。同时,约束当前时间点,并使用外部全城其他节点数据形成的参照矩阵,构建仿真设计方案。通过真实数据的仿真测试验证,该系统在不同消防预警级别下的敏感度、特异度均满足要求。与可查参考文献中其他机器学习算法对比发现,该系统的火情预警系统最优值相比更优。该系统拥有可置信的统计学优势。

基于神经模糊系统的电动泵自动化机架运行研究

本文的目的是建立电动泵自动化支架的运行优化模型,并研究其在标称运行模式下的特性。为了研究涡流电动泵自动化理论的主要概念以及线性和非线性对象的控制原理,建立了涡流电动泵的支架结构。根据实验数据,建立了涡流电动泵运行特性的数学模型,基于水泵特性神经模糊系统模型的最优控制极限,提出了一种新的模糊系统模型。结果表明,对于最优模态的发现,依赖于模型识别的智能方法。

基于模糊神经网络的火电厂热控系统故障诊断方法

火电厂热控系统运行是由众多组件配合实现的,故障诊断难度较大,为此提出基于模糊神经网络的火电厂热控系统故障诊断方法。从火电厂热控系统自身构成和运行属性的角度出发,结合模糊控制与5层等价型BP神经网,构建了火电厂热控系统模糊神经网络模型。在模型内进行火电厂热控系统运行状态变量的前向传播和误差的反向传播,实现对火电厂热控系统的故障诊断。测试结果表明,该设计方法对设置的7种不同类型火电厂热控系统故障状态均实现了准确诊断。

模糊神经网络控制算法在农业智能监测系统中的应用

阐述农业智能监测系统中的模糊神经网络设计,包括输入变量的选择、神经网络结构的设计、模糊化和解模糊化方法。探讨模糊神经网络自动控制算法在农业智能监测系统中的应用。

基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

基于模糊神经网络的氢液化氦气压力PID控制

为了解决氢液化装置氦气压力调节系统超调量大、响应速度慢、调节时间长、控制参数无法在线整定等问题,针对系统具有非线性和时变性的特点,设计了基于模糊神经网络的PID控制器以及基于双曲正切函数的改进型激活函数。仿真结果表明:相比传统PID控制或模糊PID控制,采用模糊神经网络PID控制的系统动态性能显著改善,使得氢液化装置的氦气压力调节更加稳定可靠。

面向时变复数的模糊归零神经网络算法

【目的】为了求解时变复数西尔维斯特方程(Sylvester equation),提出两种全新的复值模糊归零神经网络(fuzzy logic system for zeroing neural network, FLSVZNN)模型。【方法】首先,在两种复数归零神经网络(complex-valued zeroing neural network, CVZNN)模型的基础上,引入模糊逻辑系统(fuzzy logic system, FLS)来控制信号的处理,从而提出两种FLSVZNN模型;然后,利用李亚普诺夫定理(Lyapunov's theorem)来分析模型的稳定性和收敛速度;最后,通过仿真试验来进一步验证FLSVZNN的优越性能。【结果】在求解时变复数西尔维斯特方程时,相比传统的神经网络模型,使用改进的符号双幂(sign-bi-power, SBP)函数来激活的FLSVZNN模型具有更好的收敛性和稳定性,可使误差函数在0.3 s左右收敛至0。【结论】本研究提出的两种FLSVZNN模型能快速求解时变复数西尔维斯特方程,这可为神经网络模型的建立及工程应用提供参考。

基于PSO-BP模糊PID的变距取苗机构控制系统设计

为满足番茄、辣椒等蔬菜作物的移栽需求,基于向下取苗原理设计了一种适用72穴和128穴两种主要番茄钵苗穴盘规格的变距取苗机构,通过建立数学模型获得了取苗机械手参数的目标函数,并利用粒子群和模拟退火混合算法对其结构参数进行优化。同时,为实现变距取苗机构的精确控制,提出了一种基于PSO-BP的模糊PID算法以提高控制精度,介绍了系统的结构与工作原理,并通过选型计算与分析建模建立了控制系统的数学模型。针对传统PID控制器稳定性差、响应速度慢等不足之处,利用PSO-BP模糊PID对控制器的参数进行在线调整,以满足控制过程中对参数的不同需求。仿真结果与试验数据的分析表明:在参数相同条件下,基于PSO-BP模糊PID控制系统系统稳定性更好、响应速度更快,具有良好的鲁棒性,提升取苗成功率的同时降低了基质损伤率,能够满足变距取苗机构高精度快速稳定控制的需求。

基于高斯模糊和BP神经网络的汽车液压转向系统故障诊断

提出了一种结合高斯模糊化和BP神经网络的汽车液压转向系统故障诊断方法。通过采集压力、温度、噪声、流量和泄漏量等信号,并对其进行高斯模糊化处理,将其映射为一组多元模糊集合,用于描述液压转向系统的状态。同时,使用BP神经网络对故障进行分类和回归预测,并通过训练集和测试集验证了模型的准确性和泛化能力。与未高斯模糊化的对照实验相比,高斯模糊化处理的方法表现出了明显的优越性,能够提高预测准确性、降低训练时间和计算量,并减小过拟合的可能性。因此,该方法可以为汽车液压转向系统的故障诊断提供一种有效的解决方案。

水稻工厂化育秧滴灌控制系统设计--基于模糊神经网络

针对近年来水稻产量不断提高的现状,为了减少人力、优化育秧环境、降低生产成本,基于模糊控制与神经网络相结合的方法,设计了一种基于模糊神经网络的水稻工厂化育秧滴灌控制系统,具有实时数据监测、历史数据查询分析、滴灌信息预测等功能。

基于自适应神经网络模糊PID物料卷绕张力控制系统的研究与设计

物料卷绕控制系统中张力的控制是决定生产工序、产品质量和生产效率的关键因素。因张力控制具有多变量、非线性、时变性且难以建立精确模型等问题,使得卷绕系统张力的稳定控制尤为困难。为了有效提高卷绕系统的稳定性和控制精度,在研究传统PID控制器和模糊PID基础上,设计了基于自适应神经网络模糊PID的物料卷绕恒张力控制系统。在模糊控制的基础上,加入BP神经网络,实现对张力的精准控制。最后,采用Simulink搭建控制器进行仿真验证和在运动控制设备中进行实验验证,并利用触摸屏实时监控运行状态。实验结果表明,采用自适应神经网络模糊PID的卷绕系统张力控制精度高,响应快,自适应调节能力强,且在高张高速的工况下,依旧保持响应速度快、稳定性高的运行效果。

考虑时滞效应的模糊主动隔振系统的设计与性能

为了更好地实现精密仪器的振动控制,提出基于考虑时滞效应的模糊主动控制隔振系统。该系统采用神经网络,根据当前时刻模糊控制器的输出以及平台的输出数据,实时预测下一时刻平台的运动状态,提前施加作动力对平台进行主动控制。仿真实验表明,神经网络的预测较为准确,可靠度较高且设计方案合理,能有效预测实时信号并且抑制信号的振荡。系统融合了神经网络对时滞效应的补偿作用和模糊控制器对不确定性的处理能力,可实现精密仪器振动的智能化控制。

基于模糊神经网络的机械轴承故障诊断方法研究

针对机械轴承智能化故障诊断的需求,提出了一种融合模糊逻辑和神经网络的故障诊断方法。利用EMD-AR谱提取机械故障振动信号特征,将提取的特征向量作为训练样本库和检验样本库,运用模糊神经网络实现故障诊断。最后设计机械轴承故障诊断专家系统,并通过轴承故障诊断实例,验证了智能诊断技术在机械故障诊断领域可以较好地满足诊断需求。

基于模糊超图神经网络的节点分类方法

【目的】超图神经网络(HGNN)具有学习类间唯一性和类内共性的能力,可以显著提高学习性能。但是,传统HGNN方法缺乏决定低维数据节点间如何进行连接交互的强关系归纳。针对此问题,提出一种基于模糊理论的模糊HGNN(FHGNN)节点分类算法,根据数据节点的特征信息构建超图结构,加强了图的节点信息对节点连接的影响。【方法】FHGNN首先采用了一个边聚焦的图神经网络(GNN),通过边标签的迭代更新进行边预测。并根据边预测的输出设计模糊隶属度函数,以实现更精确的节点间连接关系表示。最后通过得到的关系表示构造超图,并再次对节点进行分类训练得到结果。在FHGNN中使用了边标签损失函数和节点标签损失函数并分别对其参数进行训练学习。【结果】实验结果表明,所提的FHGNN方法更能够适应小规模低维数据,并在节点分类任务上取得好的效果。【结论】对于不同数据集的分类任务,FHGNN可以更有效学习节点的相关特征信息,提高学习的效果。