基于T-S网络的建筑施工安全预警模型研究

建筑施工安全问题日益凸显,迫切需要进行建筑施工安全预警模型方面的研究。本文结合以往的建筑施工安全事故案例,从人、物、环境、管理四个方面,对建筑施工安全影响因素进行分析,构建建筑施工安全预警指标体系。本文将建筑施工安全预警状态分为5个等级,并采用专家打分法对各预警区间定量划分,并借鉴模糊神经网络预警模型在其他学科领域的应用,建立了基于T-S网络的建筑施工安全预警模型。然后经过大量样本的训练和检测,使网络具有良好的泛化性。本文选取沈阳市某3个在建项目进行预警,发现与传统预警模型得出的结果一致,进一步验证了T-S网络预警模型的准确性和可行性。最终,得出T-S网络预警模型在建筑施工安全预警中具有适用性的结论。

基于一种T-S网络修正算法的车削表面粗糙度预测技术

利用神经网络预测车削表面的粗糙度有利于改进车削过程的自动化程度,但神经网络输入数据的误差和网络自身的缺陷不可避免地给预测带来了误差。采用了一种基于T-S网络的技术,对原神经网络的输出进行了修正,能有效地减少预测误差。相关的试验不但证明了其有效性,而且还对网络结构和有关参数提出了建设性的建议,其结果对实践有重要的指导意义。

基于T-S模糊神经网络的光伏发电机组自动控制

光照情况变化会使光伏发电机组功率呈现不稳定性,加大光伏发电机组控制难度,为此,设计了基于T-S模糊神经网络的光伏发电机组自动控制方法。构建光伏阵列数学模型,分析在均匀和不均匀2种光照情况下光伏发电机组特性曲线。以分析结果为依据,采用T-S模糊神经网络构建光伏发电机组自动控制模型。为保证良好的控制效果,引入定比因子优化隶属度函数,输出最佳跟踪结果,结合最佳跟踪结果和自动控制模型实现光伏发电机组自动控制。测试结果显示,该方法能够完成光伏阵列特性分析,控制效果好。

基于PCA-T-S模糊神经网络底板破坏深度预测

针对底板破坏深度影响因素较多、数据之间相关性较强的特点,选用了主成分分析法对原始数据进行降维处理,提取出主要指标信息;基于T-S模糊神经网络具有拟合性能强、预测准确度高的优点,建立PCA-T-S模糊神经网络模型。通过阅读大量文献资料,选取了煤层埋藏深度、煤层倾角、煤层开采厚度、工作面斜长、底板抗破坏能力以及断层的存在性作为底板破坏深度的主要影响因素,选取24组数据进行模型训练,建立预测模型,并对8组数据进行预测,通过与传统T-S模糊神经网络模型及“三下”开采规范收录公式进行对比,分析PCA-T-S模糊神经网络预测模型优于其它两种方法,预测的最大相对误差仅为15.25%.为底板破坏深度预测提供了一种新的预测方法。

基于T-S模糊神经网络的地下水水质评价

采用T-S模糊神经网络模型对吉林省西部地区部分地下水水化学监测点水质进行评价。T-S模糊神经网络模型是根据模糊系统和人工神经网络优缺点具有明显的互补性结合而成,考虑了水质评价标准的区间形式和水系统的不确定性。将T-S模糊神经网络的评价结果与水质综合评价方法中经典的内梅罗指数法和BP人工神经网络法的评价结果进行对比,结果表明:T-S模糊神经网络法评价地下水水质更全面更客观。利用该方法对吉林西部的地下水水质进行评价,结果显示:吉林西部地区地下水资源已经遭受不同程度的污染,需要进行有效的保护。

基于T-S模糊神经网络的采空塌陷危险性判别

采空区地面塌陷的危险性判别受地质因素、采矿因素等多重因素的影响,各因素往往影响程度不同且部分因素之间又相互联系。为了能够较准确地对采空塌陷危险性进行评估,引入了T-S模糊神经网络模型。以北京西山地区采空塌陷为例,根据塌陷特点,分别选取了地质构造复杂程度、覆盖层类型、第四系覆盖层厚度、覆岩强度、煤层倾角、采深采厚比、采空区埋深、采空区空间叠置层数8项影响因素作为评价指标,并建立了分级标准。将单因素评价指标均匀线性插值作为训练样本,建立了T-S模糊神经网络判别模型。利用训练好的神经网络模型对选取的8处采空区进行评估,结果分别为:Ⅰ、Ⅱ、Ⅲ、Ⅱ、Ⅲ、Ⅱ、Ⅲ、Ⅱ,结果与实际情况吻合。研究表明,利用T-S模糊神经网络研究采空塌陷危险性是可行的。

基于T-S模糊神经网络的模型在台风灾情预测中的应用——以海南为例

使用1992-2011年间海南省台风灾害数据,综合T-S模糊神经网络的模糊逻辑和神经网络学习优化的性能,设计了一种灾害损失预测模型并定量地表达了台风灾害损失致灾因子与灾情指标因子之间的规律。调节模型的参数cji、σji和pji(k),控制学习性能指标误差值Ep和总误差E来优化模型的性能。将模型应用于201108号台风"洛坦"灾害损失预测中,实验结果表明该模型具有较好的预测功能。

基于T-S模糊神经网络模型的榆林市土壤风蚀危险度评价

选择位于风沙过渡区的榆林市为研究区域,以GIS技术和T-S模糊神经网络为依托,从土壤风蚀影响因子及风蚀动力学机制出发构建区域土壤风蚀危险度模型。基于此模型,对榆林市土壤风蚀危险度空间分异特征进行了分析,结果表明:T-S模糊神经网络模型可有效地揭示出区域土壤风蚀危险度与环境之间的映射关系,为土壤风蚀预测提供依据;风力、植被、气温、降水、地形等环境要素控制着土壤风蚀危险度空间分异格局;榆林市土壤风蚀危险度空间分异格局表现为:危险度从西北向东南逐渐降低。

基于和声搜索优化多T-S模糊神经网络的聚合釜过程软测量建模

根据多个模型相加可以提高整体预测精度和鲁棒性的思想,提出一种基于模糊C均值聚类算法的多T-S模糊神经网络模型对聚氯乙烯(polyvinylchlorid,PVC)聚合生产过程中的氯乙烯(vinyl chloride monomer,VCM)转化率和转化速率进行预测。首先采用主元分析来对软测量模型的辅助变量进行选择以降低模型维数,并提出和声搜索和最小二乘法相结合的混合优化算法来优化T-S模糊神经网络子模型的结构参数。仿真结果表明该模型能够显著提高PVC聚合过程中经济技术指标预测的精度和鲁棒性,可以满足聚合釜生产过程的实时控制要求。

基于GA优化T-S模糊神经网络的小电流接地故障选线新方法

在小电流接地系统中,发生最多的是单相接地故障,针对如何快速准确地查找故障线路一直都是重点研究课题,且没有得到有效的解决。本文提出一种基于遗传算法(GA)优化T-S模糊神经网络的配电网故障选线新方法:通过调整传统GA的适应度函数,先对网络初始参数、权值进行一次优化后,使用梯度下降法进行二次优化的选线算法。讨论了T-S模糊神经网络,传统GA优化的T-S模糊神经网络及不同网络结构对网络性能的影响。研究结果表明新型GA优化T-S模糊神经网络的选线效果明显优于T-S模糊神经网络和传统GA优化T-S模糊神经网络,能够快速、准确、可靠的选取故障线路。

GA-T-S云推理网络板形模式识别的DSP实现

针对现有神经网络大多是在软件的基础上进行仿真,训练时间长,不利于工程实际应用的问题,提出了GA-T-S云推理网络板形模式识别的DSP实现方法。首先以设计的板形模式识别GA-T-S云推理网络模型为基础,利用TI TMS320F2812完成T-S云推理网络的DSP设计;然后利用MATLAB遗传算法工具箱离线优化T-S云推理网络参数,将优化后的网络参数存入DSP中,进而分别在MATLAB与DSP上运行该网络;最后将运行结果分别进行显示与对比分析。实验结果证实了基于GA-T-S云推理网络的板形模式识别模型有较高的板形识别精度,能够正确识别出板形缺陷的类型,同时验证了GA-T-S云推理网络在硬件TI TMS320F2812上实现的可行性与快速性,从而为神经网络推广应用到实际工程中提供了依据。

基于T-S模糊神经网络的东滩湿地水域海水水质评价

长江口东滩湿地是重要的自然保护区,该水域水质评价对保护该地区的生态环境非常重要。海水水质的评价涉及到化学需氧量、有害元素含量等多因素,本文基于T-S模糊神经网络,根据海水水质标准对2010年5月东滩湿地保护区水域的海水水质进行评价,为长江口的水生物和环境保护建立了可行的评判机制。

基于T-S模糊神经网络的湿法脱硫效率预测

由于影响脱硫效率的因素较多,且相互之间均具有关联性,造成脱硫效率难以实时监测,且测量结果不精准。本文运用T-S模糊神经网络建立了脱硫效率的预测模型,基于某电厂DCS采集的湿法脱硫系统原始数据,在MATLAB平台上进行训练与检验,得到较精准的脱硫效率预测模型。模型验证结果显示：采用T-S模糊神经网络模型预测脱硫效率,85%的样本点相对误差分布在-1.0%～0.5%之间,最大误差不超过1.5%,说明该模型的预测精度较高,能较好地满足工程实际的需求。

改进型T-S模糊神经网络风电功率预测模型的研究

为了提高风电功率的预测精度,在分析其主要影响因素的基础上,针对T-S模糊神经网络收敛速度慢、计算量大等缺点,提出了一种改进型T-S模糊神经网络风电功率预测模型。首先采用椭圆基函数作为隶属函数,扩展其接收域;其次利用模糊C-均值聚类确定其中心值;然后引入惯性项加快网络的收敛速度;最后分别对四季短期风电功率进行预测。仿真结果表明,改进型T-S模糊神经网络有效地提高了短期风电功率的预测精度,具有一定的实用价值。

基于T-S模糊神经网络的颍河水质时空变化特征分析

基于T-S模糊神经网络分析颍河(河南段)2007-2010年5个监测断面的水质指标监测数据,克服了过去仅用各级评价标准作为训练样本,导致训练样本数过少和不能构建检测样本的缺点,对实测数据仿真有很好的效果。应用主成分分析法,选出溶解氧、高锰酸盐指数、生化需氧量、氨氮、化学需氧量、总磷、六价铬、阴离子表面活性剂8项对水质具有重要影响的指标,建立适用于颍河的T-S模糊神经网络水质评价模型,对颍河水质时空变化特征进行分析。结果显示:颍河水质在近几年呈改善趋势;白沙水库断面水质最优,且稳定;周口康店断面水质较差,西华址坊在2007年第2季度水质恶化严重;沈丘纸店断面水质逐渐改善。表明了T-S模糊神经网络对水质时空变化特征分析的效果显著,也反映了颍河水质状况,为颍河水质监测、管理与控制提供依据。

基于T-S模糊神经网络的ATM网络拥塞控制

本文充分考虑了模糊神经网络的学习功能,提出了利用T-S模糊神经网络算法对ATM网络进行拥塞控制的方案。仿真结果表明,该方法改善了网络对拥塞的实时处理能力,又增加了网络资源的利用率。

基于T-S模糊神经网络的飞机防滑刹车系统研究

航空业的发展对飞机防滑刹车系统提出了更高的要求,而传统PID+PBM控制器存在着低速打滑、刹车效率较低等问题;针对刹车过程中的不确定性和非线性问题,提出采用T-S模糊神经网络来进行防滑刹车控制器设计;在MATLAB/SIMULINK平台建立飞机刹车总体仿真模型,将设计的控制器与传统控制器进行对比仿真试验;仿真结果表明,基于T-S模糊神经网络的控制器解决了传统PID+PBM系统存在的问题,具有良好的控制效果,系统具有鲁棒性,能够适应变化的跑道情况,为飞机防滑刹车控制提供了一种新的方法。

基于T-S模糊神经网络的民勤地下水水质综合评价

为了摸清石羊河流域民勤盆地近25年来的地下水水质变化状况,为当地水土资源合理开发和生态环境保护提供决策参考依据。将T-S模糊神经网络应用于民勤盆地1983、1990、2000年及2008年的地下水水质评价中,并与支持向量机(SVM)模型的评价结果进行检验比较。结果表明:民勤盆地地下水水质总体较差,并且盆地南部地区水质整体优于北部,除红崖山水库附近地区,80%以上区域水质为Ⅴ类水;141、147、156、168号井等在山区边缘的部分站点水质随时间有改善趋势。两种模型评价结果基本一致,但T-S模糊神经网络收敛速度更快,可以有效应用于地下水水质综合评价。

基于T-S模糊神经网络模型对西部村镇集雨窖水水质的评价研究

针对西北村镇集雨窖水的水质特点,采用基于T-S模型的模糊神经网络对其进行评价分析。评价分析选用窖水水质指标中的CODMn、NH3-N和DO三个水质指标为输入向量,建立了适用于集雨窖水水质评价的T-S模糊神经网络模型,该模型最大训练误差︱e︱≤0.057 5,具有较强的泛化能力。在实例分析中,得出不同集雨面所收集的集雨窖水水质也不相同;降雨初期集雨窖水水质均为超Ⅴ类,随着时间的增长窖内水质有着明显的改善,但20d内,水质依旧较差且不稳定,需对集雨窖水进行相关处理后才可作为日常生活用水使用。

基于T-S模糊神经网络的AGV轨迹跟踪研究

针对AGV在轨迹跟踪过程中出现的问题,通过对小车运动学模型进行分析,采用T-S模糊神经网络模型,设计了一种模糊神经网络控制器,利用Matlab软件进行仿真,并与普通PID控制器进行对比。仿真结果表明:基于T-S的模糊神经网络控制器提高了AGV小车运行的稳定性和鲁棒性,优于普通控制算法。