动态模糊神经网络

摘要： 为改善超临界机组的协调控制品质,研究了基于动态模糊神经网络(DFNN)的机组负荷与主汽压特性逆模型建模方法,借助火电机组全范围仿真机获取的仿真数据进行离线建模.以上述模型为基础,提出一种模型离线训练与在线校正相结合的协调系统DFNN逆控制方案,编制了实时控制算法.通过与仿真机进行实时双向数据交换,开展了详细的协调控制仿真试验.结果表明:采用DFNN逆控制,机组在大幅变工况下负荷与主汽压响应的快速性与机组原PID控制相比有较为显著的提高,有效改善了机组的协调控制品质.

摘要： 提出了一种动态模糊神经网络(D-FNN)算法.在实际应用中,可以用卡尔曼滤波(KF)方法来调节D-FNN结果参数,同时,EKF(扩展卡尔曼滤波)方法用于更新前提参数的中心和宽度,从而使得所有参数都被修正.该算法可用于平滑、 滤波或者预测非线性动态系统的状态,同其他基于梯度的在线算法相比,EKF可以加快D-FNN收敛速度.采用总体最小二乘(TLS)方法作为修剪技术来选择D-FNN重要的模糊规则.如果在学习进行时,检测到不活跃的模糊规则并加以剔除,则可获得更为紧凑的D-FNN结构,TLS方法是用来补偿线性参数估计问题中数据误差的一种技术.最后针对实际案例进行了仿真分析,验证了该算法的有效性和高效性.

摘要： 神经网络是模拟人脑结构,它具有大规模并行及分布式信息处理能力,但是不能处理和描述模糊信息.模糊系统具有推理过程容易理解,但它很难实现自适应学习的功能.如果结合神经网络与模糊系统,可以取长补短.基于此,本文提出了一种新型动态模糊神经网络(Dynamic fuzzy neural network,D-FNN)学习算法.因为它具有结构和参数同时调整且学习速度快等优点,所以既可以在模糊逻辑系统中包含低级的神经网络学习和计算功能,也可以为神经网络提供高级的类似人的思维和推理的模糊逻辑系统.此外,本文还开发了生物医学工程应用算法程序,针对药物注射系统的直接逆控制案例进行了仿真,结果表明:D-FNN具有实时学习和控制能力强、参数估计和结构辨识同时进行等优点.

摘要： 针对海洋微生物发酵过程中关键生物参量(基质浓度、菌体浓度、产物浓度等)在线测量困难,离线化验滞后大,难以实现实时控制的问题,提出了一种基于核主元分析(KPCA)与动态模糊神经网络(DFNN)相结合的软测量方法;以典型的海洋微生物-海洋蛋白酶发酵过程为例,通过KPCA提取输入数据空间中的非线性主元,将提取的主元作为DFNN的输入,基质浓度、菌体浓度、相对酶活作为DFNN的输出,建立了基于KPCA-DFNN的海洋蛋白酶发酵过程生物参量软测量模型;仿真结果表明,KPCA-DFNN模型比DFNN和PCA-DFNN建模的测量精度高,跟踪性能强,能很好地满足发酵过程中生物参量的测量要求.

摘要： In order to improve the accuracy of radio frequency power amplifier with memory effect, and the early fast convergence rate of the traditional particle swarm optimization algorithm, but in the later period easy to fall into premature and local optimum characteristics, a group of parallel chaotic particle swarm optimization algorithm is proposed and the dynamic fuzzy neural network parameters are optimized by using the algorithm to optimize the dynamic fuzzy neural network parameters. The grouping parallel chaotic particle swarm optimization algorithm is used to combine the grouping method and chaotic particle swarm optimization algorithm. The population can be divided into several groups. Each group computes independently to improve the convergence rate, while the chaos theory is applied to each particle to avoid premature and local optimum, shortening the time of iteration. By the simulation, the training error of the model is reduced to 0.1, and the convergence rate is improved by 32.5%, which verifies the validity and reliability of the method.%为改善记忆功放建模的精度,且针对粒子群算法早期收敛速度较快,但在后期易陷入早熟收敛,局部最优等特点,提出了一种分组并行混沌粒子群优化算法(Grouping Parallel-Chaotic Particle Swarm Optimization,GP-CPSO),将分组粒子群优化算法与混沌思想相结合,并用该算法优化动态模糊神经网络(Dynamic Fuzzy Neural Network,DFNN)参数,建立DFNN功放模型.引入分组的CPSO群算法,将种群划分为若干个组,每组单独计算,大大提高了收敛速度,同时将混沌思想运用到每个粒子当中去,避免早熟和局部最优,缩短了迭代时间.通过仿真结果可以看到,GP-CPSO优化后的动态模糊神经网络建模的训练误差减小到0.1以内,收敛速度提高32.5%,从而验证了这种建模方法有效且可靠.

摘要： 火电厂机炉协调控制系统是一个复杂的多变量系统,针对其强耦合的动态特性和难以建模的特点,提出一种网络结构动态变化的动态模糊神经网络算法对超临界机组机炉协调系统进行建模.该算法具有模糊推理能力和学习功能等优点,并且模糊规则是在训练的时候依据系统误差和可容纳边界来逐条产生的,同时也采用了分级学习的方法来提高了网络的学习速度.在分析了机炉协调系统的特性以后,对某电厂超临界机组协调系统现场数据进行预处理,应用该算法进行模型的训练和测试.经过MATLAB仿真验证表明,动态模糊神经网络有很好的泛化能力,且建立的协调系统无参数模型具有很高的精度,该模型可以用于协调系统控制算法的设计.

摘要： 为了提高石灰回转窑煅烧带温度的控制性能,提出一种基于改进的粒子群优化算法(IPSO)与动态模糊神经网络(D-FNN)的预测控制方法.该方法利用动态模糊神经网络建立石灰回转窑煅烧带温度的非线性预测模型,通过输出温度的预测值,引入输出反馈与偏差来校正预测误差,建立偏差与控制量的控制性能指标,通过改进的粒子群优化算法滚动优化得到系统最优控制量.对控制方法的稳定性进行分析.仿真实验结果表明动态模糊神经网络的温度预测误差在±10°C之内,具有较高的预测精度.提出的预测控制方法能使输出煅烧带温度快速稳定地跟踪设定值的变化,同时在系统输出有扰动的情况下也能较好地跟踪设定值.控制量的平均单步滚动优化需0.31 s,可满足实际应用.

摘要： 针对如何提高6R机器人逆运动学求解的精度和效率问题,提出一种基于动态模糊神经网络进行求解的方法.根据6R机器人逆运动学方程组具有高维非线性、求解复杂的特点,对动态模糊神经网络进行改进,使其能够应用于多输入多输出系统,建立运动学逆解预测模型.通过正运动学方程获取工作空间位姿样本,以工作空间的位姿作为预测模型的输入变量,以关节空间中的关节角作为输出变量,用样本数据对逆解预测模型进行训练.最后,运用该模型对KR16-2机器人进行复杂运动轨迹仿真,并与RBF和BP神经网络模型的求解效果进行比较,结果显示,基于动态模糊神经网络的6R机器人运动学逆解预测模型具有精度高、鲁棒性优和泛化能力强的特点,证明了该方法的可行性和有效性.

摘要： 针对电力系统负荷的非线性,时变和不确定性的特点,提出一种动态模糊神经网络的算法来进行负荷预测,该算法将模糊系统与神经网络的优点结合在一起,并且网络结构是动态变化的,避免出现过拟合和过训练,同时该算法引入分级学习的思想提高了网络的学习速度.在分析了负荷的影响因素后,用日平均温度,日期因素和日负荷峰值来训练动态模糊神经网络,然后对预测模型进行测试,测试结果表明,该模型具有很高的预测精度,满足实际的要求,为电力系统稳定和经济运行提供了保障.

摘要： 入口匝道控制是改善高速道路交通拥挤的有效方法。模糊控制和神经网络在高速公路匝道控制中都有其独有的优点,结合两者的优点,可以通过神经网络来训练模糊控制规则,本文提出动态模糊神经网络控制器结构,并对控制器应用于入口匝道控制进行了详细设计。仿真结果表明,基于动态模糊神经网络结构的入口匝道控制器收敛速度快,运算效率高,控制品质好,能够更好地稳定主线交通流密度。

摘要： 本文针对一种Oysal动态模糊神经网络模型，用Lyapunov特征指数的方法对其混沌特性进行分析。首先介绍了Oysal动态模糊神经网络的工作原理，然后用欧拉法将其动态模型离散化。接下来详细分析单个动态模糊神经元和动态模糊神经网络的耗散性和混沌特性。通过混沌系统的Lyapunov，特征指数判别法，推导出得出四个结论，从理论上证明了单个动态模糊神经元和动态模糊神经网络在满足一定条件是具有混沌特性的。

摘要： 作者在文[5]中基于前向模糊神经网络ANFIS提出了一种新型的动态模糊神经网络(DFNN)，通过在ANFIS的归一化层和输出层之间加入递归层，有机地将模糊推理系统、神经网络及PID控制结合起来。该文简化了DPNN的网络结构，在递归层中只使用了一个局部递归元，并将之和误差为零的规则输出相关联，构成一种简单动态模糊神经网络(SDFNN)，从而用模糊神经网络实现了积分分离的PID控制。实验结果表明：SDFNN保留了ANFIS的快速响应过程，但比ANFIS具有更高的控制精度。

摘要： 为了减少车辆在交叉口的延误,针对非均衡交通流的五岔路口,本文采用人工鱼群算法(AFSA)和动态模糊神经网络(D-FNN)相结合的方法实现五岔路口多相位变相序智能控制.该方法首先由红灯相位的车辆排队长度和红灯持续时间获得该红灯相位的通行紧急度,把通行紧急度最高的相位作为下一绿灯相位;其次,根据当前绿灯相位和下一绿灯相位车辆排队长度动态调整当前绿灯相位的最长绿灯时间.采用人工鱼群算法对控制绿灯延时的动态模糊神经网络参数进行优化,避免动态模糊神经网络陷入局部最小值.在不同车辆到达率情况下进行仿真分析,结果表明:该方法比传统的控制方法在自动调节信号周期方面效果更好,车辆平均延误大约减少11％.

摘要： 针对脉冲熔化极气体保护焊(GMAW-P)焊接电弧负载非线性、强时变致使焊接过程不稳定,焊缝成形差等问题,建立了GMAWP送丝速度、焊接电流与电弧长度动态变化的数学模型,设计了基于动态模糊神经网络(D-FNN)算法的控制器,并分别改变送丝速度和焊接平均电流下采用已设计的控制器分别对电弧长度动态变化模型进行了控制仿真研究.仿真结果表明,D-FNN控制器能够控制GMAWP弧长变化使焊接过程达到稳定,而且该控制器对弧长的变化响应速度快,具有较好的鲁棒性,能够满足焊接过程稳定性对弧长实时控制的要求,为GMAW-P焊接电弧稳定控制提供了一种新方法。

摘要： 本发明涉及计算机领域，尤其涉及一种基于动态模糊聚类和灰色神经网络的网络安全预测方法，包括将网络入侵攻击类型的每个数据类型视为一个种群，对种群进行初始化并采用实数编码对种群进行编码；使用自适应方法对交叉算子和变异算子进行处理；使用基于动态模糊聚类优化后的自适应遗传算法对初始权值分布进行粗略调整优化；计算种群的个体适应度函数；本发明具有良好的容错性和稳定性。

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： 本发明公开了微陀螺仪控制技术领域的一种微陀螺双反馈模糊神经网络动态分数阶滑模控制方法，旨在解决现有技术中微陀螺仪由于性能极易受加工精度影响，进而导致微陀螺仪的控制精度不佳的技术问题。所述方法包括如下步骤：基于预设计的滑模面，构造动态分数阶切换函数；基于预建立的微陀螺仪数学模型和动态分数阶切换函数，设计动态分数阶滑模控制律，所述动态分数阶滑模控制律包括等效控制律和切换控制律；以滑模面的跟踪误差最小为目标设计自适应控制算法；利用自适应控制算法对微陀螺仪数学模型的未知参数进行实时更新，获取估计的动态分数阶滑模控制律，作为控制输入对微陀螺仪进行滑模控制。

摘要： 本发明涉及计算机领域，尤其涉及一种基于动态模糊聚类和灰色神经网络的网络安全预测方法，包括将网络入侵攻击类型的每个数据类型视为一个种群，对种群进行初始化并采用实数编码对种群进行编码；使用自适应方法对交叉算子和变异算子进行处理；使用基于动态模糊聚类优化后的自适应遗传算法对初始权值分布进行粗略调整优化；计算种群的个体适应度函数；本发明具有良好的容错性和稳定性。

摘要： 本发明提供一种基于最优结构搜索的神经网络动态加速平台设计方法，神经网络动态加速平台包括：控制端和硬件加速端；控制端用于训练控制神经网络，控制神经网络根据子神经网络所反馈的推论准确率以及预先设置的准确率精度要求，对子神经网络的结构进行更新并生成子神经网络结构参数，并对更新后的子神经网络进行再训练生成权重参数，同时生成配置文件发送至硬件加速端，配置文件包含子神经网络的结构参数与权重参数；当硬件加速端返回子神经网络推论准确率稳定以后，即搜索到硬件加速端上的子神经网络的最优结构；所述子神经网络为需要在硬件加速端进行推论加速的神经网络；本发明可动态地对需要进行硬件推论加速的子神经网络进行最优结构搜索。

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： 本发明提供了一种基于动态神经网络的视频去模糊方法。首先，对输入的视频数据集进行预处理，划分得到训练数据单元；然后，将训练数据单元输入动态神经网络进行训练，动态神经网络包含三个平行子结构，每一个子结构均为一个孪生结构模块，将包含有模糊退化问题的视频帧输入到动态神经网络，输出与之对应的清晰帧；最后，利用训练好的网络对测试集中的包含有模糊退化问题的视频帧进行处理，得到去模糊后的视频。本发明的动态神经网络模型能够随输入进行调整，有效地进行不稳定视频的去模糊处理。

摘要： 本发明提供了一种基于动态模糊神经网络的海洋锋探测方法，其特征在于包括以下步骤：样本采集，获取目标海域目标时间段海洋锋样本参数；动态模糊神经网络模型训练；海洋锋探测；本发明提供了一种简便探测海洋锋的方法，只需采集变化后的海洋锋影响参数数据，通过动态模糊神经网络进行探测，就能根据坐标点的经纬度拟合出变化后的海洋锋分布曲线图。

摘要： 一种基于动态模糊神经网络的出水总氮智能检测方法，既属于城市污水处理领域，又属于智能建模领域。本发明基于动态模糊神经网络建立了出水总氮智能检测模型，进而实现了对出水总氮的实时准确检测。首先，结合专家知识与互信息分析，确定出水总氮智能检测模型的输入变量。然后，结合自组织增删机制与改进二阶学习算法，设计了动态模糊神经网络，建立城市污水处理出水总氮智能检测模型；并且，动态模糊神经网络能够根据在线数据实时更新，保证了非平稳环境中对于出水总氮的准确测量。通过污水处理基准仿真模型平台上的数据，评估了基于动态模糊神经网络的出水总氮智能检测方法的有效性。本发明解决了城市污水处理出水总氮难以实时准确检测的问题。

摘要： 本发明公开了一种LED系统智能调光的动态模糊神经网络建模方法，涉及LED系统非线性光学特性技术领域，包括以下步骤：预先标定LED模块光电热模型的输入变量特征和期望输出值特征；搭建动态模糊神经网络模型并训练，所述动态模糊神经网络模型，包括输入层、模糊化层、前件层、后件层和输出层，其训练所述动态模糊神经网络模型包括网路结构优化和参数学习。本发明采用在线建模方法，模型结构参数可以实时优化调整，具有更强的适应性，采用热沉温度和环境温度两个联合测量来间接反映结温对LED系统光度输出的影响，避免结温测量的复杂。