T-S模型和模糊神經(jīng)網(wǎng)絡(luò)的焊接電源

推導(dǎo)了逆變點(diǎn)焊過程控制模型,并構(gòu)建了逆變點(diǎn)焊模糊神經(jīng)網(wǎng)絡(luò)恒電流控制系統(tǒng)結(jié)構(gòu)。根據(jù)該模型采用先正弦后恒定輸入的方法對(duì)模糊神經(jīng)網(wǎng)絡(luò)(fnn)進(jìn)行分段離線學(xué)習(xí),提高網(wǎng)絡(luò)的泛化能力和自適應(yīng)能力。在線控制時(shí),利用訓(xùn)練后的網(wǎng)絡(luò)僅做正向模糊計(jì)算,輸出逆變橋開關(guān)管占空比改變量的方法保證逆變器恒電流輸出。最后使用matlab高級(jí)語言編程,完成了整個(gè)系統(tǒng)的仿真實(shí)驗(yàn)。仿真結(jié)果表明:分段訓(xùn)練后的fnn使用該方法可以實(shí)現(xiàn)逆變點(diǎn)焊電源的恒電流控制。

引入動(dòng)量因子對(duì)常規(guī)bp學(xué)習(xí)算法進(jìn)行了改進(jìn)。在分析模糊神經(jīng)網(wǎng)絡(luò)控制模型的基礎(chǔ)上,針對(duì)模糊神經(jīng)網(wǎng)絡(luò)規(guī)則多、訓(xùn)練時(shí)間長的缺點(diǎn),采用了給模糊控制規(guī)則增加閾值,減少網(wǎng)絡(luò)訓(xùn)練運(yùn)算量的優(yōu)化方法。最后將此優(yōu)化方法和改進(jìn)的訓(xùn)練算法應(yīng)用到逆變點(diǎn)焊電源模糊神經(jīng)網(wǎng)絡(luò)(fnn)恒電流控制系統(tǒng)中,通過使用matlab語言編程,對(duì)該系統(tǒng)進(jìn)行了仿真分析。仿真結(jié)果表明,動(dòng)量因子的引入不但減小了bp算法學(xué)習(xí)過程的振蕩趨勢(shì),加快了收斂速度,而且較好解決了bp網(wǎng)絡(luò)容易陷入局部極小點(diǎn)的缺陷。模糊規(guī)則閾值的引入,有效減少了網(wǎng)絡(luò)的訓(xùn)練時(shí)間。

基于模糊神經(jīng)網(wǎng)絡(luò)的深基坑變形預(yù)測——針對(duì)深基坑變形控制系統(tǒng)中的不確定性、模糊性因素多的問題，將模糊控制理論與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，采用非線性神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，把對(duì)應(yīng)的網(wǎng)絡(luò)輸入、輸出表達(dá)為輸入、輸出停息的模糊數(shù)隸屬度，建立了一種基于模糊神...

為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測評(píng)價(jià)方法和最小偏差的優(yōu)化模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過建立網(wǎng)絡(luò)仿真平臺(tái),深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時(shí)對(duì)比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.

針對(duì)深基坑變形控制系統(tǒng)中的不確定性、模糊性因素多的問題,將模糊控制理論與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合,采用非線性神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),把對(duì)應(yīng)的網(wǎng)絡(luò)輸入、輸出表達(dá)為輸入、輸出信息的模糊數(shù)隸屬度,建立了一種基于模糊神經(jīng)網(wǎng)絡(luò)的深基坑施工變形預(yù)測模型.結(jié)果表明,利用模糊度隸屬函數(shù)對(duì)基坑施工進(jìn)行動(dòng)態(tài)控制具有較好的實(shí)用效果.

通過對(duì)原有感應(yīng)加熱電源溫度控制方法的分析,提出了一種適合于非線性系統(tǒng)基于模糊神經(jīng)網(wǎng)絡(luò)的溫度控制方法。與傳統(tǒng)的控制策略相比,模糊神經(jīng)網(wǎng)絡(luò)控制具有不依賴控制對(duì)象精確的數(shù)學(xué)模型,較強(qiáng)的魯棒性,控制方式簡便等優(yōu)點(diǎn)。實(shí)驗(yàn)證明:該加熱方法優(yōu)于常規(guī)pid和模糊pid,可獲得良好的動(dòng)態(tài)特性,具有穩(wěn)態(tài)精度高,功率調(diào)節(jié)范圍寬,工作穩(wěn)定可靠的優(yōu)點(diǎn)。

建立了基于模糊神經(jīng)網(wǎng)絡(luò)的最佳耦合頻率控制系統(tǒng)的模型,使得轉(zhuǎn)動(dòng)軸狀態(tài)變化時(shí),無線感應(yīng)電源的頻率被控為諧振頻率,從而保證能量傳輸過程處于最佳耦合狀態(tài)。設(shè)計(jì)了一套無線感應(yīng)電源的實(shí)驗(yàn)裝置,包括可控頻率的電磁振蕩發(fā)生器,能量接收天線和軸上ac／dc裝置。

針對(duì)溫室空調(diào)冷凍水系統(tǒng)回水溫度快速準(zhǔn)確調(diào)節(jié)問題,提出基于模糊徑向基神經(jīng)網(wǎng)絡(luò)的變流量回水溫度智能預(yù)測方法.首先,按照模糊控制理論對(duì)冷凍水系統(tǒng)旁通閥門的水量開度、泵組轉(zhuǎn)速等輸入量進(jìn)行模糊化處理;然后利用徑向基神經(jīng)網(wǎng)絡(luò)進(jìn)行溫度預(yù)測,當(dāng)期望溫度與預(yù)測溫度殘差小于門限值時(shí),停止迭代并輸出溫度,完成冷凍水系統(tǒng)的非線性預(yù)測建模.

本文對(duì)常見的電梯智能群控算法進(jìn)行了分析比較,重點(diǎn)研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對(duì)大廈客流的特征進(jìn)行長期統(tǒng)計(jì)分析,進(jìn)而對(duì)電梯群交通模式進(jìn)行分類,利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯群的交通模式進(jìn)行了識(shí)別。根據(jù)系統(tǒng)的識(shí)別結(jié)果判定電梯群當(dāng)前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)派梯算法中各電梯響應(yīng)呼梯信號(hào)的可信度進(jìn)行計(jì)算,選取可信度最大的電梯響應(yīng)呼梯信號(hào),最終完成派梯。

本文對(duì)常見的電梯智能群控算法進(jìn)行了分析比較,重點(diǎn)研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對(duì)大廈客流的特征進(jìn)行長期統(tǒng)計(jì)分析,進(jìn)而對(duì)電梯群交通模式進(jìn)行分類,利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯群的交通模式進(jìn)行了識(shí)別。根據(jù)系統(tǒng)的識(shí)別結(jié)果判定電梯群當(dāng)前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)派梯算法中各電梯響應(yīng)呼梯信號(hào)的可信度進(jìn)行計(jì)算,選取可信度最大的電梯響應(yīng)呼梯信號(hào),最終完成派梯。

以模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,提出了節(jié)水農(nóng)業(yè)灌溉工程模糊神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)方法,該方法網(wǎng)絡(luò)識(shí)別率超過傳統(tǒng)的方法,克服了模糊系統(tǒng)中的精度問題,其效果又比僅使用人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)理論系統(tǒng)的優(yōu)越。結(jié)合河南某節(jié)水農(nóng)業(yè)試范區(qū),進(jìn)行了節(jié)水灌溉工程模糊神經(jīng)網(wǎng)絡(luò)綜合評(píng)價(jià)分析,評(píng)判結(jié)果合理、方法簡便實(shí)用。

論文確立erp項(xiàng)目實(shí)施風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系;通過對(duì)以往風(fēng)險(xiǎn)評(píng)價(jià)方法分析,建立模糊神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)模型,該評(píng)價(jià)模型分為模糊量化模塊和模糊神經(jīng)網(wǎng)絡(luò)(fnn)模塊。評(píng)價(jià)模型具有根據(jù)具體問題情況進(jìn)行調(diào)節(jié)的能力,優(yōu)于神經(jīng)網(wǎng)絡(luò)完全黑箱操作的特點(diǎn)。模糊神經(jīng)網(wǎng)絡(luò)風(fēng)險(xiǎn)評(píng)價(jià)模型不僅用于企業(yè)erp實(shí)施風(fēng)險(xiǎn),也可達(dá)到對(duì)風(fēng)險(xiǎn)管理預(yù)警的目的。

**資訊http://www.***.*** **資訊http://www.***.***

**資訊http://www.***.*** **資訊http://www.***.***

在對(duì)影響建筑工程造價(jià)因素分析和標(biāo)準(zhǔn)模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)分析的基礎(chǔ)上,通過增加輸入層與模糊層之間的權(quán)值v,加入規(guī)則的重要度γ,對(duì)標(biāo)準(zhǔn)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn),并建立基于改進(jìn)的標(biāo)準(zhǔn)模糊神經(jīng)網(wǎng)絡(luò)的工程造價(jià)快速估算模型。將基于這種結(jié)構(gòu)的模糊神經(jīng)網(wǎng)絡(luò)的工程造價(jià)快速估算模型應(yīng)用于建筑工程的投標(biāo)報(bào)價(jià)中,從仿真結(jié)果可以看出該網(wǎng)絡(luò)模型學(xué)習(xí)時(shí)間較短,學(xué)習(xí)速率較快,精度較高。

現(xiàn)如今市場經(jīng)濟(jì)競爭十分激烈,實(shí)際招投標(biāo)工作要求能快速準(zhǔn)確地進(jìn)行工程造價(jià)的估算。無論業(yè)主還是承包商確定工程造價(jià)都要求快速、準(zhǔn)確,完善的快速估價(jià)系統(tǒng)能夠很好地解決這個(gè)問題。模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)合是一種把經(jīng)驗(yàn)與數(shù)學(xué)模型結(jié)合,這種研究打破了過去人們所進(jìn)行的各種學(xué)科在邏輯上的獨(dú)立性,預(yù)示了人工智能的光明前景和希望。

首先在對(duì)供熱負(fù)荷預(yù)測算法的發(fā)展現(xiàn)狀主要成果闡述的基礎(chǔ)上,對(duì)影響供熱預(yù)測因素采用模糊量化的方式進(jìn)行研究處理,并由此推斷將模糊神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于供熱負(fù)荷預(yù)測可以得到良好的效果.研究模型的設(shè)計(jì)核心是bp神經(jīng)網(wǎng)絡(luò),即將模糊量化后的影響因素作為系統(tǒng)的輸入值,去調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值,從而得到預(yù)測的網(wǎng)絡(luò)模型.建立預(yù)測模型和預(yù)測策略后,可以采用matlab科學(xué)計(jì)算軟件開發(fā)程序?qū)︻A(yù)測模型效果進(jìn)行模擬仿真,結(jié)果表明,預(yù)測的結(jié)果能夠滿足要求,相對(duì)誤差在合理的范圍內(nèi),并且模糊神經(jīng)網(wǎng)絡(luò)算法比單純神經(jīng)網(wǎng)絡(luò)算法具有更好的預(yù)測精度和魯棒特性,從而達(dá)到節(jié)能的目的.且適應(yīng)性強(qiáng),可以應(yīng)用到類似的供熱工程上.

基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷研究——選擇反映制冷系統(tǒng)故障狀態(tài)的熱力參數(shù)集組成特征向量，并對(duì)其進(jìn)行模糊化處理，利用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)建立故障狀態(tài)與熱力參數(shù)特征向量之間的映射關(guān)系。將神經(jīng)網(wǎng)絡(luò)和補(bǔ)償模糊邏輯相結(jié)合，采用動(dòng)態(tài)、全局優(yōu)化的運(yùn)算，...

本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)和建筑結(jié)構(gòu)系統(tǒng)辨識(shí)方法。利用模糊神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線性映射能力與學(xué)習(xí)能力以實(shí)測的結(jié)構(gòu)動(dòng)力響應(yīng)數(shù)據(jù)建立起結(jié)構(gòu)的動(dòng)力特性模型。不但可以克服以往傳統(tǒng)與智能辨識(shí)方法中存在的種種弊病，而且還將土一結(jié)構(gòu)相互作用以及結(jié)構(gòu)自身非線性對(duì)結(jié)構(gòu)動(dòng)力特性的影響考慮在內(nèi)，使得結(jié)構(gòu)系統(tǒng)辨識(shí)更具客觀性。具有物理意義明確，可擴(kuò)展性強(qiáng)，能夠用于實(shí)時(shí)在線控制與健康診斷等優(yōu)點(diǎn)。

提出了一種基于神經(jīng)模糊推理系統(tǒng)的商品住宅價(jià)格評(píng)估模型,分析了影響商品住宅價(jià)格的因素,給出了商品住宅價(jià)格評(píng)估指標(biāo)體系,探討了模型建立的原理及算法步驟。計(jì)算實(shí)例說明了該模型用于商品住宅價(jià)格準(zhǔn)確評(píng)估的有效性和可行性,為房地產(chǎn)價(jià)格評(píng)估提供了科學(xué)的方法。

為了克服傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測精度差,易陷入局部極值的缺陷,提出了模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)。利用模糊粗糙集通過歷史負(fù)荷數(shù)據(jù)信息的模糊化替代負(fù)荷變化的離散化,快速尋找出樣本數(shù)據(jù)間的連續(xù)屬性的信息,將其與傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò)對(duì)熱負(fù)荷進(jìn)行預(yù)測。實(shí)驗(yàn)結(jié)果表明:該模糊神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果的相對(duì)誤差很小不超過2%,在短期負(fù)荷預(yù)測方面具有的優(yōu)越性。

智能家居中的環(huán)境因素對(duì)人體有著不容忽視的影響,智能家居環(huán)境舒適度已成為智能家居評(píng)估指標(biāo)中重要的一項(xiàng),通過對(duì)智能家居監(jiān)測系統(tǒng)信息融合技術(shù)進(jìn)行研究,運(yùn)用結(jié)合模糊推理和神經(jīng)網(wǎng)絡(luò)算法優(yōu)點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò)對(duì)智能家居監(jiān)測系統(tǒng)采集的各環(huán)境因素進(jìn)行處理分析,從而能夠智能有效的提高人們的室內(nèi)生活質(zhì)量。