模糊神经网络

摘要： 由于重载列车空气制动具有强非线性、反馈减压量误差较大的特点,且充风、排风时间与减压过程之间存在耦合关系,使得重载列车循环空气制动的操纵精确度难以保证,进而影响其操纵安全。为提高重载列车循环空气制动的控制精确度,文章提出一种基于模糊神经网络(fuzzy logic-based neural network,FLNN)的空气制动力预测方法。其首先采用径向基神经网络(radial basis function neural network,RBF-NN)训练空气制动离线数据,得到模糊逻辑形式的空气制动力离线预测规则;然后,计算当前数据与空气制动力离线预测规则的匹配度,得到相应的预测规则;最后,根据当前数据和相应的预测规则,输出空气制动力预测值。该预测方法通过数据处理的方式摆脱了对传统空气制动模型的依赖,避免了充、排风时间与减压过程之间的耦合分析,能够较准确地得到空气制动力预测值。试验结果显示,本文提出的基于FLNN的空气制动力预测方法将重载列车空气制动力在100 kN内的预测精度提高至99%,这验证了该方法在不同的工况下能有效实现空气制动力预测。

摘要： 目的为提高包装机械臂的抓取精度,文中基于模糊神经网络设计一种包装机械臂定位方法。方法将激光测距仪与工业相机融合,可实现目标点的初步定位并得到位姿偏差。以机械臂末端位置误差补偿为例,设计一种模糊神经网络控制器,可实现PID控制关键参数的在线调整以提高误差补偿精度。进一步地,采用果蝇优化算法实现神经网络控制器初始值的优化,可提高控制系统性能。最后,进行实验研究。结果实验结果表明,机械臂定位算法可使最大绝对误差从7.7049 mm下降到1.4242 mm;平均绝对定位误差降低约82.5%;机械臂执行效率与对照组相当。结论该定位方法可以大幅度提高包装机械臂定位精度,可满足包装、化工、食品等相关行业要求。

摘要： 为找出适用于桥梁桥基防渗的最优方案,本文以土料夯实、浆砌石和混凝土三种措施为例,通过监测不同措施下的土壤入渗速率,采用灰色聚类SPA理论和模糊神经网络模型对不同防渗方案进行了综合评价,从方案的实施合理性、方案的经济性和对环境的影响性三个方面构建了桥基防渗方案综合评价体系,结果表明:不同方案下的土壤入渗速率有所差别,其中混凝土措施与浆砌石措施下的土壤入渗速率基本一致,在灰色聚类和模糊神经网络分析下,土料夯实措施效果为一般等级,浆砌石措施和混凝土措施的效果为较好等级,同时模糊神经网络模型的运行速率较优。

摘要： 为进一步提高永磁同步电机滑模控制调速系统性能,在传统指数趋近律滑模控制基础上,采用了一种fal函数来代替传统符号函数,设计了一种改进型指数趋近律并用李雅普诺夫函数验证了其稳定性。借助模糊神经网络对改进指数趋近律参数进行动态优化,设计出永磁同步电机滑模转速控制器。仿真分析结果表明:与传统指数趋近律相比,改进指数趋近律减小了67.1%的超调,在负载扰动时的转速下降幅度减小了22.2%,转速恢复时长缩短了0.01 s;经模糊神经网络优化的改进指数趋近律又进一步减小了50%的超调,负载扰动时的转速下降幅度再次减小了8.9%,转速恢复时长再次缩短了0.0032 s。

摘要： 为提升基层网络数据挖掘精度与效率,有效应用基层网络数据提供帮助,提出基于深度学习的基层网络数据个性化挖掘算法,设计基于模糊神经网络的基层网络数据个性化挖掘算法过程,通过数据准备阶段清洗、选取及转化初始基层网络数据,得到高精度完整统一的待挖掘基层网络数据,划分其为训练组与测试组,构建包含输入层、模糊输入层、隐含层、模糊输出层及期望输出层的五层模糊神经网络,运用训练组基层网络数据训练该模糊神经网络,裁剪掉训练后模糊神经网络内的冗余权值规则,提取出最大权值规则,运用该规则对测试组基层网络数据实施挖掘。实验结果表明,上述算法实际应用中收敛速度较高,在训练与测试速度方面具有较大优势,可实现高精确、高查全及高重合度的精准挖掘,为基层网络数据的有效利用奠定基础。

摘要： 为了实现汽油干点的直接在线测量,提出了一种基于T-S模糊神经网络(TS-FNN)的汽油干点预测方法。以某炼油厂常减压装置常压塔塔顶汽油干点为背景,确定影响因素,分析采集的数据,依据样本数据建立BP神经网络(BPNN)模型及TS-FNN模型,验证模型的预测有效性。结果表明:基于TS-FNN模型预测的汽油干点与观测值基本一致,平均相对误差为0.68%,该网络模型通过调整参数来修正隶属度函数,具有很强的自适应能力。基于T-S模糊模型的改进神经网络软测量模型跟踪效果较好,预测结果具有较高的准确性。

摘要： 肢体运动功能障碍患者借助康复机器人进行辅助康复训练时,为了提高康复效果,需要选择合适的控制策略。目前,阻抗控制是一种广泛使用的力控制方法,但传统阻抗控制方法不能够根据患肢病情的变化情况及时调整阻抗参数。在传统阻抗控制策略基础上,提出一种基于模糊PID结合神经网络阻抗控制的方法,建立了系统总体结构、模糊PID控制器结构以及神经网络阻抗控制器结构,采用模糊PID算法实现机器人的位置控制,神经网络阻抗控制实时调整阻抗控制参数。取某两连杆机械臂做仿真实验,结果表明,与传统的阻抗控制方法比较,该方法控制的系统具有更好的跟踪性和协调性。

摘要： 针对调节阀控制系统在实际生产中存在的大滞后、非线性等问题,提出一种改进粒子群算法优化的模糊神经网络比例积分微分(PID)控制模型用于阀位控制,该模型利用模糊神经网络的自学习能力,实现对PID控制参数的实时在线整定,并且通过将改进粒子群算法与BP算法相结合的方式,实现对模糊神经网络参数的粗调和细调,克服了模糊神经网络收敛缓慢、易陷入局部最优的缺点;最后,利用MATLAB和AMESim软件进行联合仿真,仿真结果表明,该模型相比于其他两种算法在调节时间、超调量等性能方面都有很大的提升,并且表现出更强的鲁棒性和抗扰动能力,能够使阀位控制更加稳定可靠。

摘要： 低压断路器是电力系统中保证人们安全用电最重要的设备之一,因此提高低压断路器的故障监测与诊断能力,对电力系统的安全性与稳定性具有十分重要的意义,文章以分合闸线圈电流信号为研究对象,对低压断路器工作过程中可能存在的故障进行阐述,采用小波分析与模糊神经网络相融合的方法进行故障诊断分析,最后基于上述的研究基础,搭建低压断路器故障监测与诊断的研究系统。

摘要： 针对电厂目前普遍采用PI-PI串级控制器调节锅炉主蒸汽温度系统,不能有效克服惯性、时滞和参数时变等问题的影响,本文提出了一种理想GPC(Generalized predictive control)-PI串级控制器.首先,该理想串级控制器不仅能抑制一次和二次扰动,而且外环GPC通过对主蒸汽温度的多步预测,并结合滚动优化技术能有效克服主蒸汽温度系统的惯性和时滞问题.另外,针对主蒸汽温度系统参数时变的特性,该理想控制器采用了T-S(Takagi-Sugeno)型模糊神经网络(Fuzzy neural network,FNN)作为主蒸汽温度模型,该模型能够通过反馈校正技术实时更新模型参数.同时,为了改善主蒸汽温度系统动态响应品质和稳定性,对外环GPC中的权重因子进行了模糊自校正设计,通过理论分析和对比仿真验证了该理想GPC-PI串级控制器优于权重因子固定的GPC-PI和PI-PI串级控制器.最后,考虑到直接将电厂集散控制系统(Distributed control system,DCS)中的PI-PI串级控制器升级为理想GPC-PI串级控制器存在安全以及风险责任等问题,故将电厂的传统PI-PI串级控制器升级成外挂的GPC-PI-PI串级控制器,既改善了锅炉主蒸汽温度的控制效果又规避了风险责任,实际应用验证了该方法的有效性.

摘要： 本文主要针对典型两段式磨矿系统中机理复杂、影响因素多等诸多难点问题,采用补偿模糊神经网络对磨矿控制器的优化进行设计,通过利用模糊控制对模糊信息的处理能力和神经网络强大的学习能力很好地对磨矿控制中非线性、强耦合等问题进行解决.并通过MATLAB软件对其进行仿真验证,结果表明矿石粒度被很好地控制在设定值附近,证明了补偿模糊神经网络对磨矿控制的有效性和实用性.

摘要： 本文介绍了过程控制系统实践教学案例.该案例针对传统液位控制系统PID算法存在的参数整定困难、系统的鲁棒性能差等问题,提出了基于模糊神经网络对PID参数进行在线自整定的算法.该算法提高了液位控制系统对环境的适应能力,在对液位误差进行模糊处理后,通过系统自调节BP神经的加权系数,实现PID参数的动态改变,仿真结果表明,基于模糊神经网络PID算法的液位控制在调节时间、超调量等性能指标上显著优于传统PID算法,具有一定的工业应用价值.

摘要： 结合电力短期负荷的特点,将模糊神经网络应用于电力短期负荷预测.本文阐述了人工神经网络相关理论,模糊神经网络系统理论,模糊神经网络应用于负荷预测流程,BP学习算法相关知识.通过对实际数据分析仿真,建立模糊神经网络负荷预测模型,预测结果较为理想,达到了预期效果.

摘要： 为了实现模糊神经网络结构和参数的同时调整,文中提出了一种基于无迹卡尔曼滤波(UKF)的增长型模糊神经网络(UKF-GFNN).首先,利用UKF对模糊神经网络的参数进行调整;其次,设计了一种基于隐含层神经元输出强度的模糊规则增长机制,实现了模糊神经网络的结构增长;实现了模糊神经网络的结构增长;最后,将提出的增长型模糊神经网络应用于最后,将提出的增长型模糊神经网络应用于非线性系统建模.实验结果显示UKF-GFNN能够实现结构和参数的自校正,并且具有较高的建模精度.

摘要： 针对污水处理运行过程重要指标出水总磷(Total Phosphorous,TP)和出水氨氮(Ammonia Nitrogen,NH4-N)难以实时测量问题,文中提出了一种基于模糊神经网络的多变量软测量方法.首先,利用主元分析法对污水处理过程运行数据进行分析,获得TP和NH4-N的相关主元变量;其次,设计了一种基于模糊神经网络的多输入多输出软测量方法,利用自适应二阶算法对模型参数进行调整,提高了软测量方法的精度;最后,将设计的软测量方法进行封装,并将其应用于污水处理过程中试平台.实验结果表明:基于模糊神经网络的软测量方法能够同时实现TP和NH4-N的实时测量,并且具有较好的测量精度.

摘要： 在医学CT成像过程中,由于引入了不可避免的噪声,致使图像质量下降,影响临床诊断.因此,研究医学CT图像降噪方法在诊疗服务中具有重要意义.本文结合图像分割的思想,利用模糊神经网络将图像像素分成边缘区、平滑区与纹理区等不同图像区域,通过小波稀疏表示对不同类型的图像块进行阈值去噪处理,以便更好地保留医学CT图像的细节特征.实验结果表明,本文算法对医学CT图像降噪有一定的效果,峰值信噪比(PSNR)和结构相似性指数(SSIM)都得到了改善,更好并且很好地保留CT图像的细节信息.

摘要： 振动主动控制一直以来都是国内外学者研究的热点,传统的控制方法有着明显的缺点,为了改善这些缺点,国内外学者提出将智能算法引入振动主动控制.因此,混合自适应控制的发展是近年来振动主动控制的一种新趋势.本文介绍了几种典型的混合自适应振动主动控制策略,比如模糊神经网络混合自适应控制，自适应模糊滑模控制，前反馈混合自适应控制，综述了近年来的研究进展.混合自适应振动主动控制基于算法上的优势，受到了很多学者和研究机构的关注。今后，将机器学习引入振动主动控制中，建立自适应性和鲁棒性更强的控制系统，提高控制精度，拓宽振动主动控制的范围是未来的一个发展趋势。

摘要： 根据对澳门电力股份有限公司(CEM)的路环电厂内三相感应电动机的实际操作中,发现其故障会出现在它的转子及定子绕组中,以及最终会对电动机做成致命性的伤害.电动机现场监测及故障诊断能提供电动机故障警告及保护,及时保障电动机的寿命,从而预防故障和灾难出现在电厂的运作中.为此,需建立一个可持续的故障监察及诊断方案,在电动机的运行条件下降并危害到电厂整体生产前,能检测及修正电动机内出现的故障.本文回顾电动机故障分析及诊断方法,以及提出一种新的电动机保护方案以避免误诊断及增加其可靠性,该方案主要围绕着转子铜条的破损及定子线圈匝间的短路故障.使用三相鼠笼式感应电动机的数学模型作为基础的机械诊断技术,以深入及完整地分析定子线圈匝间短路及转子铜条破损的故障征兆.其他重大的征状亦会在本文中被考虑及提及.另一方面,一种新的、以模糊神经网络(FNN)技术为基础,对电动机内的内部故障作出检测及诊断的方法亦在本文中被提倡.本文会提及一种新颖的技术,以处理在考虑电动机故障征状中的不确定项时,怎样定义不同的隶属函数及相关的模糊组.其FNN的可用性及有效性在测试的结果中被清楚地目睹.

摘要： 超超临界直流锅炉主汽温控制系统是一个很长的传递控制链,由若干个子系统组成,其中包括中间点温度控制和多级过热汽温的喷水减温控制.各子系统的协同配合直接影响主汽温控制的稳定性和安全性,是提升全局系统控制性能的关键.本文提出一种基于模糊神经网络模型的分布式监督预测控制(Distributed Supervisory Predictive Control,DSPC)策略,在各子系统原有的调节层结构的基础上,增加监督层,将中间点温度和各级过热器出口温度设定值的调整问题转化为在线优化问题.子系统监督层目标函数考虑相关联子系统的性能指标,通过相邻子系统监督层的信息交换和迭代优化,实现各级子系统的协同配合.分别针对负荷小范围变化和大范围变化两种工况进行仿真实验,验证了本文方法的有效性.

摘要： 为降低轨道电路故障诊断的盲目性与复杂性,本文以ZPW-2000A无绝缘移频轨道电路红光带故障为研究对象,提出一种基于故障树分析(FTA)与多层次Mamdani模糊神经子网络相结合的轨道电路智能故障诊断方法.根据轨道电路系统组成与故障关系建立故障树进行FTA定性与定量分析,分析故障成因并提取故障诊断规则,确定诊断模型的输入输出,构建多个模糊神经子网以串并联方式联接组成诊断模型,采用动量BP梯度寻优算法对模型参数进行自适应调整.通过仿真分析,表明了该方法可行有效,为轨道电路智能故障诊断提供新的思路.

摘要： 本发明提供一种不需要偏置的神经网络电路装置、神经网络、神经网络处理方法和神经网络的执行程序。二值化神经网络电路(100)具有：输入输入值x1～xn(xi)(二值)的输入节点和输入权重w1～wn(wi)(二值)的输入部(101)；XNOR门电路(102)，其接收输入值x1～xn和权重w1～wn，且进行XNOR逻辑运算；求和电路(103)，其求出各XNOR逻辑值的总和；批归一化电路(41)，其通过扩大归一化范围且使中心位移的处理来修正由二值化导致的分布不平衡；和激活函数电路(35)，其使用激活函数fsgn(B)对信号B进行转换，其中所述信号B是对求出总和之后的信号Y进行批归一化得到的信号。

摘要： 本发明提供一种无需批归一化电路的神经网络电路装置、神经网络、神经网络处理方法及神经网络的执行程序。二值化神经网络电路(100)具备：输入输入值x1～xn(xi)(二值)的输入节点及输入加权w1～wn(wi)的输入部(101)、接收输入值x1～xn及加权w1～wn并采用XNOR逻辑的XNOR门电路(102)、输入多位偏置W'的多位偏置W'输入部(110)、取各XNOR逻辑值和多位偏置W'的总和的求和电路(103)及对于取总和后的信号Y仅输出符号位的激活电路(120)。

摘要： 本发明提高数据并行型分散学习的吞吐量。神经网络系统具有存储器和访问存储器的多个处理器，多个处理器中的每一个处理器在多次学习中的每一次学习中，基于训练数据的输入和神经网络内的参数执行神经网络的运算来计算神经网络的输出，计算计算出的输出与训练数据的教师数据的差分相对于参数的梯度或者基于梯度的更新量，(1)在梯度或者更新量的累积不小于阈值的第一情况下，执行多个处理器将分别计算出的多个梯度或者更新量的累积发送到多个处理器内的其它的处理器来汇集多个梯度或者更新量的累积，接收汇集后的梯度或者更新量的累积，用汇集后的梯度或者更新量的累积更新参数的第一更新处理，(2)在梯度或者更新量的累积小于阈值的第二情况下，执行多个处理器不进行基于发送的多个梯度或者更新量的累积的汇集，用多个处理器分别计算出的梯度或者更新量更新各自的参数的第二更新处理。

摘要： 本公开涉及训练神经网络的方法、训练神经网络的系统以及神经网络。一种用于训练第一神经网络，以在图像输入到第一神经网络时，检测在该图像上可见并且属于给定对象类别的对象的视点的方法，包括：提供不同视点下的多对图像的数据集，提供被配置成能够得出对象的外观信息的第二神经网络，提供被配置成能够使用外观信息和视点，得出所述类别的对象的合成图像的第三神经网络，联合训练第一神经网络、第二神经网络和第三神经网络。

摘要： 根据本发明的分布式处理用人工神经网络运算加速装置可以具有：外部主存储器，存储针对输入神经元的输入数据和突触权重；内部缓冲存储器，存储构成所述人工神经网络运算的各个循环所需的突触权重和输入数据；DMA模块，用于与所述外部主存储器及内部缓冲存储器直接发送和接收数据；神经网络运算装置，针对构成人工神经网络运算的各个循环重复地处理以下一系列顺序过程：读取存储在所述内部缓冲存储器的突触权重和输入数据、执行人工神经网络运算、将运算结果存储在所述外部主存储器；CPU，用于控制在所述外部主存储器和内部缓冲存储器存储针对输入神经元的输入数据和突触权重的操作和所述神经网络运算装置的运行；及通用通信中介块，可以与无关集成电路的类型地以物理方式连接的其他加速装置发送和接收针对所述输入神经元的输入数据和突触权重以及在所述神经网络运算装置执行的运算结果。

摘要： 一种卷积神经网络(CNN)处理装置(1)，设置有：输入缓冲器(10)，用于存储要对CNN应用的输入信号A；权重缓冲器(11)，用于存储权重U；卷积运算单元(12)，执行包括输入信号A与权重U之间的乘积‑求和运算的卷积运算；存储单元16，存储表(160)，在该表中，转换‑量化处理的输入与输出彼此相关联，其中，转换‑量化处理接受卷积运算的运算结果作为所述输入，基于预定条件来转换输入值，通过降低转换后的数据的比特精度来进行量化，并且输出结果；以及处理单元(14)，参考表(160)以获取转换‑量化处理的与卷积运算的运算结果相对应的输出。

摘要： 本发明提供一种能够通过减少存储器数量而将其配置在芯片上的神经网络电路装置、神经网络处理方法和神经网络的执行程序。三状态神经网络电路(200)具有非零卷积运算电路(21)、求和电路(22)和激活函数电路(23)，其中，所述非零卷积运算电路(21)在中间层中接收用于进行卷积的输入值Xi和权重Wi来进行卷积运算；所述求和电路(22)求取通过卷积运算得到的各运算值和偏置W0的总和；所述激活函数电路(23)用激活函数f(u)对求取总和得到的信号Y进行转换。非零卷积运算电路(21)跳过权重Wi为零的权重，来根据非零权重和与该非零权重对应的输入值Xi进行卷积运算。

摘要： 本发明提供了一种生成训练神经网络的训练数据的方法、训练神经网络的方法和利用神经网络进行自主操作的方法，以及相关设备和系统。一方面，提供了一种训练用于环境中对象的自主操作的神经网络的方法，包括：基于样本数据集生成策略值；基于所述策略值生成近似动作值函数；通过所述近似动作值函数为所述样本数据集中的所有状态以及所有可能动作生成近似策略值集；基于近似策略值计算所述神经网络的训练目标；计算训练误差作为所述训练目标和所述样本数据集中对应的状态动作对的策略值之间的差值；更新所述神经网络的至少一些参数以最小化所述训练误差。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.)将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.)采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.)将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。

摘要： 本发明公布了一种模糊神经网络控制的混合小波神经网络盲均衡方法，本发明方法包括如下步骤：a.将发射信号x(n)经过脉冲响应信道得到信道输出向量b(n)；b.采用信道噪声N(n)和步骤a所述的信道输出向量b(n)得到盲均衡器的输入序列；c.将步骤b所述的盲均衡器的输入序列y(n)依次经过改进的混合小波神经网络得到输出信号；利用模糊神经网络(FNN)来调整改进的混合小波神经网络中神经元小波函数中平移因子和尺度因子的迭代步长，并以均方误差E(n)＝MSE(n)与均方误差的偏差ΔE(n)＝MSE(n)-MSE(n-1)作为模糊神经网络控制器的输入。本发明系统的灵活性高，避免了易陷入局部极小值的困境。