最小二乘法在电子鼻动态信息融合中的应用

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统,可用于气体/气味的定性定量识别.电子鼻走出实验室的关键是高效的识别算法和简化的实验装置.本文提出最小二乘法在简化的电子鼻系统中的应用模型.利用线性最小二乘法拟合传感器阵列的动态响应曲线,建立电子鼻系统的知识库并进行智能识别.利用该方法并结合气体传感器阵列在不同温度条件下的动态响应信号,对雪碧、酷儿和绿茶三种饮料样本进行定性识别,仿真验证结果表明该方法的识别准确率达到100%.     

基于模糊神经网络方法实现茶味信号识别的研究

提出一种基于模糊c-均值聚类(FCM)的模糊神经网络模型用于荼味信号识剐的方法。该方法采用模糊c-均值聚类实现模糊神经网络中模糊子集及其隶属度函教的自动确定，并对模糊加权型推理法进行了改进，在此基础上构枣了一个模糊神经网络模型。通过5种茶味信号识别的仿真实验，表明本文提出方法的有效性。     

基于遗传小波神经网络的白酒识别电子鼻

为研究不同品质白酒快速识别的电子鼻技术,利用自制的电子鼻采集四种白酒样品的气味数据,建立了BP神经网络分类模型。针对BP算法普遍存在的收敛速度慢、易陷入局部极小且网络参数需要人工设定的缺陷,提出一种将遗传算法的自适应全局优化搜索能力、小波分析的非线性逼近能力和BP算法自学习能力结合在一起的遗传小波神经网络白酒识别模型。仿真结果表明,与BP神经网络和小波神经网络相比,GA-WNN分类模型的收敛速度和分类准确率都得到了较大提高,可应用于白酒识别电子鼻。     

智能车辆导航路径识别的模糊神经网络方法研究

研究了采用模糊神经网络来识别 JL UIV- 2型视觉导航智能车辆模糊和脏污的导航路径的方法 ,提出了两种模糊神经网络模型 .第 1种模糊神经网络有 5层结构 ,采用正态分布概率函数作为模糊化函数 ;第 2种模糊神经网络有 6层结构 ,采用 π函数作为模糊化函数 .同时采用改进的快速 BP算法对这两种模糊神经网络进行训练 ,并采用实际模糊和脏污的条带状导航路标图象进行了识别试验 .试验结果表明 ,所提出的模糊神经网络可使智能车辆有效地识别出模糊和脏污的导航路径     

基于集成气敏传感器阵列的电子鼻系统环境响应特性分析

基于集成气敏传感器阵列和多传感器信息融合技术的电子鼻系统 ,可用于气体 /气味的定性定量识别 .在实际应用中 ,被识别样本的浓度、样本环境的温度和湿度参数等都对电子鼻系统的响应特性有较大的影响 .本文分别利用纯净空气及乙醇或葡萄酒作为载气及分析样本 ,对电子鼻系统响应特性与气敏传感器工作温度以及样本温度、环境湿度、样本浓度间的依赖关系进行了实验分析 ,并分别给出了它们间依赖关系的实验结果 .     

基于模糊神经网络的信息融合技术研究

针对信息融合技术中目标融合识别的问题,根据人工神经网络和模糊系统的各自特点,形成一种模糊神经网络模型。首先将模糊系统用神经网络的结构表示,并采用相应的学习算法训练模糊神经网络实现模糊推理功能。最后对模糊神经网络模型进行仿真实验和结果分析。     

基于电子鼻技术的混合气体检测方法研究

对基于常规单一BP神经网络的电子鼻系统进行改进,提出一种基于Gabor原子神经网络的电子鼻系统,并以3种混合气体为实验对象,进行混合气体的定量分析研究.实验结果表明,应用Gabor原子神经网络的电子鼻系统的最大相对误差与单一BP神经网络相比得到减小,大大提高了定量分析精度.     

用于易挥发性化学品检测的实用电子鼻算法研究

由气体传感器阵列构建的电子鼻系统在易挥发性化学品的快速检测中起着重要的作用.利用12 路气体传感器阵列采集易挥发性化学品蒸气的响应曲线,通过研究具有一定抗干扰能力的具有现场实用意义的电子鼻识别算法,提出了一种基于 BP 神经网络的算法来提取特征向量.所需计算量小,稳定性高,受浓度影响小;在此基础上进行神经网络的训练并对...     

智能电子鼻对煤矿火灾预报气味识别的研究

设计一种基于模糊神经网络的自适应电子鼻.并根据不同温度下煤矿中的混合气味成分的不同进行成分模拟实验.通过Matlab仿真,验证了该方法的可行性,由于应用模糊神经网络控制算法,从而使它具有自适应能力和容错能力,并对混合气味进行不断学习.实验结果表明:该电子鼻不仅具有辨识的快速性,还提高了自适应辨识精度,从而能够准确做出预报.     

基于模糊神经网络味觉信号识别的研究

文中提出了一种基于模糊神经网络方法的味觉信号识别模型,利用小波变换实现了对传感器所采集的味觉信号进行数据压缩及特征抽取,以模糊神经网络作为味觉信号的识别工具。     

模糊神经网络及其在时间序列分析中的应用

给出了一种新型的模糊神经网络模型.该模型不需要领域专家的知识进行指导,而是通过对样本竞争分类产生模糊规则.每类样本对应于一条模糊规则,每条模糊规则的后件部分为一个对本类样本进行过学习训练的神经网络.文章以模糊神经网络在时间序列分析中的应用为例,通过与传统的时间序列分析方法以及前向神经网络方法的对比,说明了新型模糊神经网络的有效性.     

基于模糊聚类分析的模糊神经网络结构的优化

该文讨论了模糊聚类分析在模糊神经网络结构的确定中的应用。通过将模糊C－均值算法、有效性函数和模糊指数相结合,给出了模糊神经网络结构确定的方法,并且给出了应用该算法具体的模糊神经网络模型。     

模糊神经网络pH控制器的DSP实现

针对pH值控制过程具有较强非线性、纯滞后性的特点，传统PID控制往往达不到满意控制效果。介绍一种将模糊控制技术与神经网络技术相结合构成的模糊神经网络pH控制器，通过数字仿真显示了该控制算法的控制效果优于传统的PID控制和一般的模糊控制算法。并将提出的模糊神经网络控制算法在DSP上进行了实现．通过模拟实验验证了该控制器的可行性。     

基于神经网络与模糊理论的备件库选址预测

简要介绍了人工神经网络和模糊理论,分析了神经网络模糊控制的结构,设计出基于神经模糊算法的备件库选址模型,通过Matlab仿真工具实现了备件库选址的科学预测.实验表明,神经模糊方法是备件库选址预测的一种创新应用,对军事领域的科学选址具有较强的泛化能力.     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法。研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率。实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则。     

基于FNN与GA相融合的数据挖掘方法研究

模糊神经网络即具有输入信号是模糊量的神经网络,是模糊系统与神经网络相结合的产物,汇聚了二者的优点;遗传算法是一种自适应全局优化概率搜索算法.研究了基于模糊神经网络与遗传算法相融合的一种算法,在应用模糊神经网络进行数据挖掘前,应用遗传算法完成隶属函数的训练,以便更好地进行模糊神经网络学习;经过模糊神经网络学习后,提取相关规则,再次应用遗传算法,进行规则剪枝,提高数据挖掘效率.实验表明,与传统方法相比,该方法能够更快速、更加准确地进行数据挖掘,提取更精确的推理规则.     

基于灰色粒子群神经网络的航天器参量预测

针对航天器精确预测与健康管理的需求,将粒子群算法、灰色理论与神经网络的优势相结合,提出了一种灰色粒子群神经网络组合参量预测方法,实现了灰色模型、粒子群算法、神经网络模型的优势互补.针对某卫星南帆板输出电流参量的预测实例,采用总平均绝对误差、总平均绝对百分比误差、总均方根误差3个预测结果评价指标,对灰色粒子群神经网络模型、粒子群神经网络模型、灰色模型和残差修正灰色模型的预测结果进行了比较,结果证明灰色粒子群神经网络模型的预测精度较高,在航天器参量预测领域具有很好的应用前景.     

一种基于模糊逻辑神经网络的自适应控制及其应用

本文提出了一种模糊逻辑神经网络自适应控制器．这种控制器由一个模糊高斯神经网络和一个多层神经网络组成．它具有自适应和学习能力．计算机仿真和实际的伺服直流电机调速实验的结果表明本文提出的这种控制器是切实可行的，其系统响应和鲁棒性优于常规的Ｆｕｚｚｙ控制．     

Stable fuzzy neural tracking control of a class of unknown nonlinear systems based on fuzzy hierarchy error approach

In this paper, a stable fuzzy neural tracking control of a class of unknown nonlinear systems based on the fuzzy hierarchy approach is proposed. The adaptive fuzzy neural controller is constructed from the fuzzy neural network with a set of fuzzy rules. The corresponding network parameters are adjusted online according to the control law and update law for the purpose of controlling the plant to track a given trajectory. A stability analysis of the unknown nonlinear system is discussed based on the Lyapunov principle. In order to improve the convergence of the nonlinear dynamical systems, a fuzzy hierarchy error approach (FHEA) algorithm is incorporated into the adaptive update and control scheme. The simulation results for an unstable nonlinear plant demonstrate the control effectiveness of the proposed adaptive fuzzy neural controller and are consistent with the theoretical analysis.     

脉冲GTAW熔池动态过程模糊神经网络建模与控制

展示了模糊推理与神经网络结合在脉冲GTAW熔池动态过程智能控制中的应用研究 结果.建立了脉冲GTAW平板对接动态过程特征:正反面熔池的最大宽度、长度与面积等参数 的神经网络模型,基于实验数据采用模糊辨识方法提取焊接过程的模糊控制规则,进而设计了 具有自学习适应能力的模糊神经网络控制器.建立了脉冲GTAW熔池动态过程智能控制系统, 焊接实验验证了所设计的模糊神经网络控制器具有智能控制效果.