数据处理方法在雨量中的应用及面雨量形成

基于中尺度雨量站资料,将SQL Select语句、bcp数据处理方法应用到实时雨量的计算中,利用GIS技术得到精细的子流域的栅格点雨量,形成子流域的面雨量值.结果表明:1)采用SQL Server的数据查询技术与bcp数据处理技术可以获取每天实时雨量;2)利用GIS的拼接、转换和抽样处理技术,可以形成5 km空间分辨率的坡度和高程数据;3)根据雨量与高度和坡度的关系得到雨量的计算公式,获得精细化的雨量资料,通过算术平均法的求算形成更准确的面雨量值.     

基于模糊神经网络的大跨悬索桥安全评估研究

将模糊理论与神经网络技术结合起来,建立用于大跨度悬索桥安全性评估的模糊神经网络.确定大跨度悬索桥的7种评估指标,并通过样本学习对网络进行训练,使网络获取桥梁专家的经验知识和直觉思维.将训练好的网络用于宜昌长江大桥的安全性评估,并与《公路桥涵养护规范》的评估结果相比较.结果表明:采用模糊神经网络对大跨度悬索桥进行评估是一种客观、可行的评估方法.     

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

算法改进的自组织神经网络曲面重构

为提高神经网络法三角网格曲面重构的效率,提出自组织神经网络算法与模糊聚类算法相结合的 改进算法．应用改进算法对大规模散乱点云曲面及花瓶实例进行了网络训练及三角网格重建,在初次网络训 练收敛后,加入模糊聚类计算模块,由模糊聚类算法中隶属度计算来确定输入样本是否可用．与自组织神经 网络算法训练特性进行了比较,结果表明：改进后算法避免了以往算法的重复循环,减少了计算量,加快了网 络训练收敛速度和三角网格曲面重构的速度,仿真重构结果表明：改进后的自组织神经网络算法可实现不同 疏密程度的三角网格曲面重建,并可在保持原数据特征的前提下实现数据精简,较通常算法收敛速度快     

基于模糊神经网络的设备故障诊断分析

建立了一个模糊神经网络,用主成分分析法提取故障发生的特征运行参数,确定所建立的模糊神经网络的输入向量个数,再用动态聚类法对所采集的大样本进行故障分类,确定所建立的模糊神经网络的输出向量个数.根据采集的样本训练出模糊神经网络的连接矩阵,然后对单个的联想记忆网络进行合成,实现故障的诊断.通过具体的实例,给出诊断过程.     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.     

基于PLS的面雨量统计学降尺度

基于GIS的面雨量估算方法和基于模式输出的雨量产品都无法解决分辨率过低的问题,并且都不同程度地忽略了中小尺度地形对降水的影响.回顾了各种统计学降尺度方法,使用NCEP/NCAR提供的2011年4—9月的6 h一次的再分析资料,以及江苏省气象台提供的全省20多个常规站降水实况观测资料,结合高分辨率DEM数据,利用偏最小二乘法（PLS）设计了一套考虑地形因子动力作用的面雨量降尺度方案.通过合理选择和构造大尺度预报因子,地形因子动力作用参数化,回归分析与空间插值相结合的面雨量降尺度方案,成功还原了研究区域内代表站的实况降水序列,并绘制出研究区域内高分辨率的面雨量空间分布图.     

模糊优选递归神经网络模型及其在水利水电投资项目评价中的应用

在模糊优选BP神经网络模型上,加入反馈信号及偏差单元,生成递归神经网络.其基本思想是通过对前馈神经网络中加入附加的、内部的反馈通道来增加网络本身处理动态信息的能力.将该模型用于水电投资项目的评价,所得结果与其它方法所得结果相比较,对该方法用于水利水电投资项目的评价的有效性进行了说明.     

贝叶斯正则化在信息安全风险评估中的应用

为提高网络信息安全风险评估效率,提出了一种基于贝叶斯正则化(BR)神经网络的风险量化评估模型.在信息安全风险分析方法(ISRAM)基础上,利用模糊理论对评价指标进行量化处理,使用BR算法对BP神经网络进行训练.模型仿真实验结果显示,BR算法相比传统的LM算法在训练性能和训练状态上存在一定优势,BR算法的训练拟合度可达90.7％,BR算法训练得到的神经网络模型具有较好的泛化能力.     

基于模糊神经网络的定尺剪切线控制系统

为了提高卷钢自动定尺剪切的精度,提出一种模糊神经网络控制系统对卷钢剪的切线位置进行控制.控制系统采用模糊神经网络控制器和神经网络辨识控制器相结合的方式对神经网络的学习算法进行改进,通过对模糊神经网络进行训练学习,优化了网络的连接权值,从而能够很好地控制板材送料位置,使得板材在减速期以理想的减速曲线运行,实现准确停车进行剪切.仿真结果表明：该系统具有响应快、鲁棒性强、控制精度高、控制特性好等优点,能够满足剪切生产的要求.     

基于BP神经网络的凝汽器的故障诊断

介绍了凝汽器的故障诊断常用的三种诊断方法,BP神经网络法、模糊诊断法、模糊模式识别法。通过比较发现BP神经网络相对于另外两种诊断方法具有明显的针对性和准确性。然后,在BP神经网络诊断的基础上进行了“基于BP神经网络的凝汽器的故障诊断”系统的开发。     

遗传算法优化模糊神经网络的入侵检测模型

针对目前大多数的入侵检测系统存在的局限性,依据通用入侵检测框架CIDF,提出了一种利用遗传算法优化网络参数的基于模糊神经网络的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题,给出了此模型中模糊神经网络模块的训练算法．仿真实验结果表明,该检测算法可以有效地进行入侵检测,检测效率达到95％以上．     

基于动态模糊神经网络的产品成本估算

针对在产品方案设计阶段成本估算信息少且颗粒度大的问题，结合神经网络和模糊工程技术提出了动态模糊神经网络（DFNN），采用模糊推理的信息处理方法，在学习过程中隐层层数及维数根据规则不断变化，神经网络结构呈现动态.研究了动态模糊神经网络的学习过程、网络动态算法及模糊知识处理方法，建立了成本估算模型，并开发了基于动态模糊神经网络的成本估算软件，实现了利用产品方案设计信息自动进行成本估算.以挖掘机和液压油缸为例进行验证，结果表明该方法具有较强的信息处理能力，并提高了成本估算模型的柔性.     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

基于蚁群优化算法的模糊神经网络控制器及仿真研究

提出了一种基于蚁群优化算法的模糊神经网络控制系统,并介绍了模糊神经网络控制器的结构及其参数的蚁群优化算法.仿真结果表明了该方法的可行性和有效性.     

混沌粒子群优化的模糊神经PID控制器设计

针对常规PID控制的线性局限性及传统模糊控制和模糊PID控制中积分误差规则难以获取,系统存在稳态误差的问题,提出一类以模糊神经网络和PID神经网络组成的模糊神经PID控制器．以整个神经网络的权值为优化参数,利用基于混沌策略的粒子群全局优化算法离线优化和误差反传算法在线调整相结合的方法获得控制器参数,并设计了混沌优化与粒子群结合的两步方案．仿真结果表明:与传统PID、模糊、模糊PID控制相比,系统的瞬态和稳态性能有了明显提高,且保持了一定的鲁棒性及高跟踪精度．该方法有效地拓展了PID控制的使用范围,并为智能方法与PID控制的结合提供了一种新的参考方案．     

模糊RBF神经网络在麻醉深度控制系统中的应用

麻醉深度通常用病人的平均动脉压（MAP）值来直接反应和度量。针对平均动脉压的时变、非线性特点,提出了基于模糊RBF神经网络的麻醉深度PID控制系统。通过采用模糊RBF神经网络对检测到的平均动脉压值进行模糊化处理及神经网络辨识,从而在线整定PID控制器各个参数,以获得更好的控制效果。MATLAB仿真结果表明模糊RBF神经网络用于麻醉深度控制具有良好的动态响应性能。     

粗糙集模糊神经网络软件质量预测

以面向对象的软件度量为研究对象,首先采用SOM神经网络离散化度量元因子矩阵数据,接着对于得到的离散化的矩阵数据采用粗糙集理论的属性约简算法进行属性约简,然后根据约简得到规则构造模糊神经网络的网络结构,并采用BP算法对网络进行训练,最后通过仿真实验验证了该算法。     

永磁同步伺服电机FNN控制的仿真分析

模糊神经网络结合了模糊控制和神经网络的优点，已广泛用在交流电机控制系统的研究中。本文作者利用MATLAB／SIMULINK仿真软件，建立了基于IP-模糊神经网络控制器的永磁同步电机仿真模型，实验结果表明：采用比例积分控制器（IP）-模糊神经网络控制时系统具有良好的抗干扰性，提高了控制精度和鲁棒性。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。