改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题，在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播（BP）网络算法，并建立了相应的网络模型。大量的数据分析计算表明，该模型收敛快，且精度优于常规的模糊神经网络和传统的统计模型。     

基于模糊神经网络的温度控制器研制

本文提出一种基于模糊神经网络的智能温度控制器，给出了模糊神经网络模糊帮一种快速的学习算法，并通过自学习砂断修正模糊控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新。     

模糊聚类和LM算法改进BP神经网络的变压器故障诊断

在变压器故障诊断中,目前BP神经网络算法存在训练样本分布不均匀,收敛速度慢、容易陷于局部极小点等问题,导致整体的诊断性能下降。通过对模糊聚类及LM算法改进的神经网络深入研究,并引入变压器故障诊断中,该算法应用模糊聚类对搜集到的样本预处理,提高样本的质量,再用LM算法改进的神经网络来优化搜索方向,可以实现网络训练速度及测试精度的提高。通过实例仿真实验,验证了该方法能够有效诊断出变压器的故障。     

基于模糊神经网络的感应电机直接转矩控制

传统的直接转矩控制存在较大的转矩脉动。为了减小转矩脉动,提高控制性能,将模糊神经网络算法引入到直接转矩控制当中,设计了基于模糊神经网络的直接转矩控制系统。所采用的Takagi--Sugeno型模糊神经网络充分融合了模糊逻辑和神经网络两者的优点。在模糊神经网络的训练过程中,采用了一种最小二乘算法和BP算法相结合的混合算法进行学习,提高了学习速度。为了验证该算法有效性和可行性,在MATLAB／Simulink环境下建立了基于模糊神经网络的直接转矩控制系统仿真模型,进行了仿真研究。仿真结果表明采用Takagi—Sugeno型的模糊神经网络算法使直接转矩控制系统的转矩脉动明显变小,控制性能明显改善。     

神经网络和模糊算法相结合的永磁同步电机的鲁棒控制

提出一种神经网络和模糊理论相结合的控制算法，用于永磁同步电机的控制。该算法用基于BP神经网络的PID算法作为速度控制器，实现控制系统的在线自适应调整；同时用模糊理论算法作为神经网络控制器输出的限制，实现了良好的控制动态性能。在与传统的PI控制仿真比较中，该算法显示出了较好的控制性能，对负载和电机参数的变化不再敏感，且控制器可以在误差较大的时候快速跟踪指令，而在误差较小的时候实现稳定运行。     

模糊聚类分析和代数算法结合的短期负荷预测

为了提高短期负荷预测速度和精度,提出了将模糊聚类分析和神经网络代数算法相结合的短期负荷预测方法.综合考虑天气、日类型、历史负荷等对未来负荷变化的影响,通过模糊聚类分析选取学习样本,找出同预测目相符的预测类别,采用神经网络代数算法训练样本,对24小时负荷(24点)每点建立一个预测模型.该方法充分发挥了神经网络和模糊理论处...     

在噪声抵消应用中自适应滤波算法性能的仿真比较

介绍了噪声抵消的原理和从强噪声背景中自适应滤波提取有用信号的方法。利用模糊逻辑和RBF神经网络的等价性将模糊逻辑和神经网络有机的结合来构成模糊神经网络,并对BP神经网络、RBF神经网络和模糊神经网络三种基本自适应算法进行了对比研究。计算机模拟仿真结果表明,这几种算法都能通过有效抑制各种干扰来提高强噪声背景中的信号检测特性。相比之下,模糊神经网络算法具有良好的收敛性能,除收敛速度快于BP神经网络算法和RBF神经网络算法以及稳定性强外,而且具有更高的起始收敛速率,更小的权噪声,更大的抑噪能力。     

永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

模糊神经网络在噪声消除中的应用

提出了一种基于改进模糊聚类算法的训练模糊神经网络的算法,该方法采用遗传算法改进传统的模糊聚类算法,并给出了一个衡量聚类有效性的函数以确定聚类算法中的聚类总数,从而确定模糊神经网络结构,仿结果表明神经网络可成功的应用于噪声消除。     

一种基于优选BP神经网络的智能模糊优化算法

建立了以模糊逻辑形式表示的基于优选BP神经网络的模糊优化模型,构造了用于优选:BP神经网络权值估计的遗传算子,重点讨论了加权梯度方向的计算方法及沿加权梯度方向进行变异的算子,确定了遗传算法的基本策略,构造了该算法的流程.针对飞边金属消耗设计准则挖掘问题,阐述了该准则建立的依据,讨论了该准则各变量之间的关系,并利用基于模糊优选BP神经网络的模糊优化算法实现了飞边金属消耗设计准则的挖掘.继而应用该实例对算法的稳定性进行了校验,并将该算法与利用梯度下降法对神经网络进行权值估计的算法进行了比较,结果表明,该算法速度快,精度高,稳定性好.     

改进蝗虫优化算法 在模糊神经网络PID控制中的研究

传统模糊神经PID控制算法易出现网络参数调整不合适导致控制效果差的问题。本文提出一种改进蝗虫算法优化下的模糊神经网络PID控制算法。首先针对传统蝗虫算法粒子多样性不足的问题引入Levy随机飞行策略,其次引入非线性缩减因子和模拟退火算法来改善算法寻优能力以及跳出局部最优解的能力,然后将改进的蝗虫算法与模糊神经PID结合来优化神经网络超参数以及实现控制参数自整定,最后由仿真结果验证所提出的改进蝗虫算法优化模糊神经网络PID算法的优越性和可靠性。     

BP神经网络模糊控制在电弧炉电极调节系统中的实现

针对电弧炉电极调节系统,建立其数学模型。分析了电弧炉电极调节系统的非线性,并针对控制对象的复杂性,将具有自学习功能的BP神经网络与模糊控制相结合,提出了基于BP神经网络模糊控制的控制算法。BP神经网络模糊控制的控制算法改善了传统神经网络学习时间长、收敛速度慢的弱点,解决了传统控制未知复杂系统的不足,Matlab6．5软件仿真结果表明,采用BP神经网络模糊控制的控制算法的控制效果是令人满意的。     

基于模糊神经网络决策树的电压稳定性评估

提出了适用于电力系统电压稳定性评估的模糊神经网络决策树模型。在生成的决策树中引入模糊神经网络技术,构建出模糊神经网络决策树模型。采用模糊神经网络中的前向神经网络BP算法对小分裂样本进行进一步处理。Matlab仿真结果表明,模糊神经网络决策树应用于电压稳定性评估中,与单独应用决策树相比,分类成功率提高了3.3%。同时,由于减小了样本维度,缩短了模糊神经网络的训练时间,更有利于实现在线电压稳定预测。     

基于模糊遗传神经网络的信息融合故障诊断技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性遗传算法,建立了一种模糊遗传神经网络。利用模糊遗传神经网络技术建立信息融合中心,对多传感器数据进行融合处理,通过多源互补信息减小故障诊断系统的不确定性。讨论了模糊遗传神经网络多传感器信息融合方法中数据处理、特征向量维数压缩与关联、归一化处理方法等。同时,对模糊遗传神经的构造以及学习训练等内容,也作了较为详细的讨论。并对模糊遗传神经网络信息融合技术应用于变压器状态的实时监测的应用前景进行了初步探讨。     

改进遗传算法及模糊神经网络在交流伺服系统中的应用研究

针对交流伺服系统高精度、快响应的要求,提出了基于改进遗传算法(IGA)优化的模糊神经网络控制方案。把神经网络与模糊逻辑控制结合起来,采用IGA算法对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。实验结果表明:基于IGA算法的模糊神经网络控制方法用于交流调速系统具有较高的精度以及较强的鲁棒性、抗干扰能力等。     

基于模糊神经网络DTC的风力机特性模拟

在传统直接转矩控制(DTC)的基础上引入模糊逻辑和神经网络,形成一种新型的模糊神经网络DTC策略,并将其应用到风能模拟系统中.利用神经网络建立DTC系统的定子磁链观测器,并引入多群体协同进化粒子群( MCPSO)算法对其进行网络训练.实验结果表明,与传统DTC相比,模糊神经网络DTC更能减小低速运行时极易出现的转矩和磁...