自适应模糊神经网络

摘要： 针对永磁直线同步电机(PMLSM)在跟踪不同参考轨迹运动时,易受参数变化、外部扰动以及摩擦力等不确定因素影响而降低伺服性能的问题,提出一种基于自适应模糊神经网络时变滑模控制器(AFNNTSMC)的精密位置跟踪方法。首先,在PMLSM数学模型的基础上,将时变滑模面引入到传统滑模控制器(SMC)中设计时变滑模控制器(TSMC)。通过调整时变滑模面的斜率,可以在保证鲁棒性的前提下,有效缩短系统状态到达滑动模态的时间,提高系统的响应速度。其次,由于TSMC中斜率值较难获得,因此将其与模糊神经网络相结合设计AFNNTSMC方法。通过采用Lyapounov函数设计自适应律,对时变滑模面的斜率值实时估计并在线调整,保证系统达到最佳伺服性能。最后,在参数变化和外部扰动两种实验条件下,验证所提方法的有效性。实验结果表明,AFNNTSMC可以有效提高系统的响应速度和位置跟踪精度,对不确定性因素具有较强的鲁棒性。

摘要： 污水处理是一个运行机理复杂,影响因素众多的非线性过程,一旦发生污泥膨胀,会影响泥水分离效果,导致出水水质恶化。为了实现污泥膨胀的在线准确检测,提出一种基于自适应模糊神经网络的智能检测方法(AFNN-ID),实时获取污水处理过程中污泥膨胀的动态特性;设计一种基于检测模型误差的多指标评价策略,实现了污水处理过程污泥膨胀状态的检测。利用实际污水处理厂的运行数据对所提出的污泥膨胀智能检测方法进行测试,验证了其有效性。

摘要： 变压器寿命和运行状态准确的评估对其检修策略的制定有着重要的指导意义。为了实现对变压器寿命和状态进行客观的、科学的评估,文中提出了基于自适应模糊神经网络(ANFIS)的多特征诊断参数的变压器寿命预测和状态评估方法。提取影响变压器寿命的特征参数,通过自适应模糊神经网络对这些特征参数进行学习,利用反向传播算法解决权重的自适应动态调整,构建变压器的寿命预测模型;在其基础上结合油中溶解气体建立一种变压器综合健康状态评估模型。通过实验数据研究论证,该模型能够准确有效地诊断变压器寿命和状态,同时相比传统方法有更高的预测精度和评估精度,是一种新的有效的变压器状态评估方法。

摘要： 针对人体下肢关节角度预测精度不足问题,提出一种结合神经网络和模糊推理理论的下肢关节角度预测方法——自适应模糊神经网络(Adaptive Fuzzy Neural Network)。模型的输入数据为采集和处理后的人体下肢股直肌(Vastus Rectus)、股外侧肌(Vastus Lateralis)和长伸肌(Extensor Pollicis Longus)的表面肌电信号,输出结果为预测得到的髋、膝、踝三个关节角度。同时在算法迭代更新过程中,结合混合策略和误差反向传播算法完成对结构参数的自适应调整与优化,进而提高模糊神经网络模型的预测精度。仿真结果表明,所提AFNN方法相比BP和RBF神经网络预测模型,能够实现较好的人体下肢三关节角度的预测,验证AFNN方法可以有效提高下肢三关节角度预测精度。

摘要： 针对永磁同步电机(permanent magnet synchronous motor,PMSM)无传感器控制中转子速度和位置的估计精度不高、系统抖振等问题,提出一种基于自适应模糊神经网络(adaptive neurofuzzy inference system,ANFIS)优化的磁链滑模观测器(flux sliding mode observer,FSMO)。采用经过ANFIS优化的FSMO,实现对观测器增益的在线调节,减少系统抖振;采用改进的锁相环(phase locked loop,PLL),提高对转子速度及位置的估计精度。实验结果表明:ANFIS优化的FSMO能够有效地提高PMSM无传感器控制中转子速度和位置的估计精度,减少系统抖振。

摘要： 现阶段一般采用离线停电试验方法对氧化锌避雷器(metal oxide arrester,MOA)进行故障判断和运行评估,影响了供电可靠性。为此,基于自适应模糊神经网络(fuzzy neural network,FNN)和离散时间马尔科夫链(discrete-time Markov chain,DTMC),提出MOA在线故障诊断与状态评估方法。首先提取与MOA运行状态相关的指标参数,通过自适应FNN学习运行状态特征指标,并且自适应动态调整隶属度函数。然后基于DTMC,考虑不同时刻运行状态特征数据,计算MOA故障类型与运行状态评估概率值。最后进行实时数据仿真以及多组历史数据仿真试验,结果准确率均在90%以上,验证了所提算法的合理性和可靠性。

摘要： 为提高机器人焊接焊缝外形预测的准确性,提出一种基于直觉模糊C均值聚类和自适应惯性权重粒子群算法(IFCM-APSO)相融合的模糊神经网络焊缝外形预测方法。该方法以T型焊缝的焊脚宽度和焊高高度作为评价标准,选择影响焊接质量的焊接速率、激光功率、送丝速率和保护气体流量这4种变量作为输入参数,对自适应模糊神经网络中隶属函数的中心值和宽度进行优化,以保证机器人焊接的输入和输出参数具有较好的拟合性。最后,经过仿真和实验表明,所提出焊缝外形预测方法能较好地对机器人焊接的输入和输出参数进行非线性拟合,提高了其全局搜索能力和收敛速度,解决了传统模糊神经网络训练过程中容易陷入局部极小点的问题。

摘要： 变形预测模型是大坝结构安全性态分析的关键技术支撑.针对现有大坝变形预测模型在精确度、泛化性等方面的不足,将自适应模糊神经网络引入到大坝变形预测模型中,利用动态权重粒子群算法对自适应模糊神经网络中模糊层的适应度值进行参数寻优,形成可以寻找最优适应度值的自适应模糊神经网络,进而建立基于DPSO-ANFIS的大坝变形预测模型.根据大坝原型监测数据,代入训练好的模型得到输出值,并将其与实际监测数据进行对比分析.工程实例应用表明,基于DPSO-ANFIS的大坝变形预测模型输出值与实测值偏差最大为0.0516 mm,均方根误差为0.0351 mm,平均绝对误差为0.0320 mm,各项指标精度均优于基于PSO-ANFIS、ANFIS和BP神经网络的大坝变形预测模型.针对不同位置测点、预测时间段,基于DPSO-ANFIS的大坝变形预测模型输出值接近实测值,预测趋势符合真实值走向,整体预测性能稳定.该模型具有较高的精确度、良好的泛化性与可靠的稳定性,工程实用综合性能较优.

摘要： 针对传统入侵检测方法无法有效解决网络环境中的不确定问题,文中提出了一种基于自适应模糊神经网络(Adaptive Fuzzy Neural Network,AFNN)的入侵检测方法。首先,设计一种协同特征选择算法(Cooperate Feature Selection Algorithm,CFSA),实现了入侵检测特征的有效筛选,减少了计算成本;其次,提出一种AFNN,缓解了网络环境中的不确定性,提高了入侵检测精度;最后,设计一种自适应反向传播(Adaptive Back Propagate,ABP)算法,提高AFNN学习性能,同时进行收敛性分析,确保算法的可行性。为了验证所提A F N N的有效性,将该方法应用于KDDCup99入侵检测数据库,实验结果表明与现存的检测算法比较,该基于AFNN的入侵检测方法具有更好性能。

摘要： 为提高电力需求预测的精度,提出了一种将变分模态分解(variational mode decomposition,VMD)和自适应模糊神经网络(adaptive network-based fuzzy inference system,ANFIS)相结合的方法并应用到月度电力需求预测中.首先将原始数据通过VMD分解成有限带宽的子模态序列,选用差分整合移动平均自回归模型(autoregressive integrated moving average model,ARIMA)、ANFIS、经验模态分解(empirical mode decomposition,EMD)与ANFIS相结合和VMD-ANFIS几种模型进行预测结果对比.结果表明:相比直接利用ANFIS模型得到的预测结果,增加VMD分解过程能有效减小预测误差.说明所应用的VMD-ANFIS方法更具优越性,可以获得更好的预测结果.

摘要： 根据冶炼工艺和现场数据,对转炉终点磷含量的预报方法进行了讨论.采用自组织神经网络模式识别方法对303炉现场数据进行了分类,分析了转炉冶炼各变量对终点磷含量的影响,确定了终点磷含量的控制变量,建立了基于自适应模糊神经网络系统转炉终点磷含量的预报控制模型.研究表明,本模型能够对终点磷含量进行很好的预报和控制.模型计算值和实际值的相关性达到0.5867;[﹪P]在±0.003﹪范围内的命中率达到79.21﹪.模型以低于目标值0.004﹪的磷含量来对冶炼过程进行控制,冶炼合格率达到91﹪.

摘要： 畜禽舍环境对家畜的健康、生长及遗传潜力的发挥等有重要影响,随着设施、规模化、集约化养殖的迅猛发展,对畜禽舍环境进行控制、创造一个适宜的生长环境,是目前畜禽业的发展方向.本文针对北方寒冷地区的特点,选取分娩母猪舍内最主要的环境影响因素:温度、相对湿度和氨气浓度作为控制对象,研究了分娩母猪舍环境控制的硬件和软件实现,建立了基于T-S型自适应模糊神经控制算法的种猪舍小气候环境温度模型,根据种猪舍小气候环境之多变量、非线性的特点以及模糊控制和神经控制自身解决非线性系统的互补优越性,实现了猪舍环境的精确的自动监测和控制.本系统在内蒙古农牧业科技园区的分娩母猪舍进行了实施和试验,结果表明,在分娩母猪舍内,在保证舍内所需温度基本恒定的条件下,能使舍内相对湿度和氨气浓度保持在适宜范围内,证实了系统的可行性和实用性.

摘要： 近年来，国外学者采用各种数学模型和统计分析方法，期望能够对QRS波群进行有效的自动分类。大量的研究表明QRS波群自动分类准确性在相当程度上取决于所选取的特征变量、选用的分类方法以及训练数据集。本文采用基于减法聚类的自适应模糊神经网络(ANFIS)，首先用形态学方法对QRS波群进行描述，提取有效的特征变量，通过减法聚类进行聚类分析，以减少训练样本的数目；然后将模糊网络和神经网络进行有机结合，用神经网络实现模糊系统。该方法同时具有模糊推理的可理解性与神经网络的学习能力，并且考虑了训练数据集对分类结果的影响。最后通过MIT-BIH心律失常数据对该模型进行验证。

摘要： 本文研究了终点碳和终点氧含量之间的关系及底吹对终点氧含量的影响,确定了转炉终点氧含量的控制变量,并建立了基于终点碳温磷锰含量预报模型基础上的终点氧含量的预报模型.研究表明,模型能够对终点氧含量进行很好的预报:[﹪O]在±0.03范围内的命中率达到80.41﹪.对于采用副枪系统的转炉,[﹪O]在±0.03范围内的命中率达到88.66﹪.基于副枪的动态氧含量预报模型并没有在很大程度上提高终点命中率.可以采用纯静态模型实现对终点氧含量的预报.

摘要： 本文研究了终点碳和终点氧含量之间的关系及底吹对终点氧含量的影响,确定了转炉终点氧含量的控制变量,并建立了基于终点碳温磷锰含量预报模型基础上的终点氧含量的预报模型.研究表明,模型能够对终点氧含量进行很好的预报:[﹪O]在±0.03范围内的命中率达到80.41﹪.对于采用副枪系统的转炉,[﹪O]在±0.03范围内的命中率达到88.66﹪.基于副枪的动态氧含量预报模型并没有在很大程度上提高终点命中率.可以采用纯静态模型实现对终点氧含量的预报.

摘要： 本文研究了终点碳和终点氧含量之间的关系及底吹对终点氧含量的影响,确定了转炉终点氧含量的控制变量,并建立了基于终点碳温磷锰含量预报模型基础上的终点氧含量的预报模型.研究表明,模型能够对终点氧含量进行很好的预报:[﹪O]在±0.03范围内的命中率达到80.41﹪.对于采用副枪系统的转炉,[﹪O]在±0.03范围内的命中率达到88.66﹪.基于副枪的动态氧含量预报模型并没有在很大程度上提高终点命中率.可以采用纯静态模型实现对终点氧含量的预报.

摘要： 本文研究了终点碳和终点氧含量之间的关系及底吹对终点氧含量的影响,确定了转炉终点氧含量的控制变量,并建立了基于终点碳温磷锰含量预报模型基础上的终点氧含量的预报模型.研究表明,模型能够对终点氧含量进行很好的预报:[﹪O]在±0.03范围内的命中率达到80.41﹪.对于采用副枪系统的转炉,[﹪O]在±0.03范围内的命中率达到88.66﹪.基于副枪的动态氧含量预报模型并没有在很大程度上提高终点命中率.可以采用纯静态模型实现对终点氧含量的预报.

摘要： 本文研究了终点碳和终点氧含量之间的关系及底吹对终点氧含量的影响,确定了转炉终点氧含量的控制变量,并建立了基于终点碳温磷锰含量预报模型基础上的终点氧含量的预报模型.研究表明,模型能够对终点氧含量进行很好的预报:[﹪O]在±0.03范围内的命中率达到80.41﹪.对于采用副枪系统的转炉,[﹪O]在±0.03范围内的命中率达到88.66﹪.基于副枪的动态氧含量预报模型并没有在很大程度上提高终点命中率.可以采用纯静态模型实现对终点氧含量的预报.

摘要： 本发明公开了微陀螺仪控制技术领域的一种自适应双反馈模糊神经网络分数阶滑模控制方法，用于解决实际系统中未知参数无法估计，集总不确定性和外界干扰的上界值无法测量的问题。所述方法包括如下步骤：建立关于微陀螺的数学模型，设计分数阶滑模面模型；基于数学模型和分数阶滑模面模型设计分数阶滑模控制律，作为控制输入对微陀螺仪进行滑模控制；基于双反馈模糊神经网络和Lyapunov稳定性设计自适应控制算法，对系统未知参数进行实时更新，实现控制系统参数的在线自动整定。

摘要： 本发明提供了一种集成模糊神经网络的自适应路径跟踪方法，该方法通过判断工程机械或车辆实际位置点的与期望路径的横向位移偏差大小，决定出理想的偏转角度，将目标路径坐标点的曲率以及与实际行驶路径坐标点的横向偏差作为状态切换器的输入，状态切换器判断出工程机械或车辆是否偏离理想路径，再计算出理想偏转角度，横向控制器内部通过训练神经网络得出Jacobian信息，通过该信息整定自抗扰控制器参数，输出模糊神经自抗扰控制律，最后将控制律输入工程机械及车辆动力学模型中，该动力学模型输出实际行驶路径点反馈回输入端，形成完整的闭环控制系统。本发明可以增强控制器的抗干扰能力以及自适应性，提高对目标路径的跟踪精度。

摘要： 一种基于自适应递归模糊神经网络的出水氨氮浓度预测方法既属于控制领域，又属于水处理领域。针对当前污水处理过程出水氨氮浓度测量过程繁琐、仪器设备造价高、测量结果可靠性和精确性低等问题，本发明基于城市污水处理生化反应特性，利用一种自适应递归模糊神经网路实现对关键水质参数氨氮浓度的预测，解决了出水氨氮浓度难以测量的问题；结果表明该递归模糊神经网络能够快速。准确地预测污水处理出水氨氮的浓度，有利于提升污水处理过程出水氨氮的浓度质量监控水平和加强城市污水处理厂精细化管理。

摘要： 提供一种有效进行利用特定条件的学习数据执行了DNN的声学模型的自适应且可提高精度的统计声学模型的自适应方法。在采用了DNN的声学模型的说话人自适应方法中，包括：第1存储装置分别存储不同的说话人的讲话数据(90～98)的步骤；准备按说话人区分的隐藏层模块(112～120)的步骤；在切换选择讲话数据(90～98)的同时，一面用与选出的讲话数据相对应的隐藏层模块(112～120)动态地置换特定层(110)，一面进行针对DNN(80)的所有层(42、44、110、48、50、52、54)的准备性学习的步骤；用初始隐藏层置换已完成准备性学习的DNN的特定层(110)的步骤；和将初始隐藏层以外的层的参数固定，采用特定说话人的声音数据进行DNN的学习的步骤。

摘要： 本发明提出一种基于自适应判别策略的区间二型模糊神经网络出水总磷智能检测方法，实现了污水处理过程中不同工况下出水总磷浓度的实时智能检测。由于污水处理过程具有多种不同工况，难以利用单一固定的数学模型进行表达，因此，本发明利用一种自组织区间二型模糊神经网络表达污水处理过程。该方法通过实时分析污水处理过程数据，利用污水处理过程数据更新检测模型参数，基于动态数据分布差异的自适应判别策略完成检测模型结构动态调整，实现不同工况下出水总磷浓度的快速准确检测。

摘要： 本发明公开了一种气动位置伺服系统自适应模糊神经网络控制方法，步骤包括：步骤1、建立气动位置伺服系统的模型，并且进行线性化；步骤2、设置气动位置伺服系统的自适应控制器；步骤3、采用模糊神经网络对模型中不确定函数进行估计，该模糊神经网络由前件网络和后件网络两部分组成，前件网络用来匹配模糊规则的前件，后件网络用来产生模糊规则的后件，结合神经网络设计控制器得到控制控制量u，将u通过D/A转换模块输出至比例阀，实时调节气动位置伺服系统活塞的位移量，即成。本发明的方法，不确定的比例阀零点也通过自适应律得到处理，与现有控制器相比本发明方法跟踪精度更高。

摘要： 本发明实施例提供了一种基于改进自适应模糊神经网络的焊缝外形预测方法，初始化焊缝外形预测模糊神经网络，确定焊接模糊规则；确定模糊神经网络的输入的焊接参数变量和模糊神经网络输出量；计算各焊接参数变量的焊接参数隶属度；利用基于直觉模糊C均值聚类（IFCM）和自适应惯性权重粒子群算法（APSO）融合算法寻优计算焊接参数隶属度函数中的未知参数，获得各焊接参数变量的焊接参数隶属度；根据各输入变量的焊接参数隶属度进行模糊计算；预测焊缝宽度和焊缝高度的输出值。本发明所提出的预测方法，减少了人力成本，有效地提高了焊接结果预测的准确性，解决了传统模糊神经网络训练过程中容易陷入局部极小点的问题。

摘要： 本发明涉及一种基于自适应模糊神经网络系统的机器人共享控制方法，包括基于模糊控制的局部自主控制和基于自适应模糊神经网络系统的共享控制两个部分，其中共享控制部分实现将机器人的直接控制命令和自主控制相结合，保证机器人正确执行操作者意图，又能对外部环境及时做出反应，也能在没有直接控制命令的时候实现自主控制，使得机器人可以自适应外界环境的变化实时调整运动轨迹。该发明在机器人系统中引入了共享控制，提供了躲避障碍物、沿墙行走等辅助功能，从而弥补遥控机器人局部自主能力的不足，提高系统的工作效率，增强系统的稳定性和鲁棒性。

摘要： 本发明提供了一种自适应模糊神经网络的规划方法。所述方法具体如下：上位机采集信息数据，构建冗余度机械臂系统；将冗余度机械臂系统进行逆运动学解析，构建最小性能指标最优值问题；将最小性能指标最优值问题转化为标准二次规划问题；构建自适应模糊神经网络求解器，对标准二次规划问题进行求解，获取最优解；将最优解设置为冗余度机械臂的关节速度矢量，上位机将关节速度矢量传递给下位机的控制器驱动冗余度机械臂完成相应的工作任务。本发明基于自适应模糊神经网络，收敛速率可以根据期望的路径轨迹与冗余度机械臂末端执行器的实际路径轨迹的偏差以及偏差的时间导数自适应调节，使冗余度机械臂末端的实际路径轨迹快速的跟随期望的路径轨迹。

摘要： 本发明公开了一种基于双聚类自适应模糊神经网络的重量控制方法，是根据现场操作人员习惯，利用已有数据，在没有目标值记录以及专家提出经验的情况下，利用双聚类获得称重仓重量目标值以及称重仓重量偏差、偏差变化率、进料量偏差之间的模糊规则，并利用模糊神经网络对模糊规则进一步学习，最后得到双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的控制。本发明能自适应获取称重仓重量目标值，并学习操作人员经验以获得双聚类自适应模糊神经网络控制器，从而能实现对称重仓重量的实时控制。