基于自适应神经模糊推理系统的噪声消除方法

针对信号处理领域噪声消除的实际问题,提出了一种基于模糊推理的自适应神经网络控制方法.通过自适应神经模糊推理系统(ANFIS)对非线性系统的结构和参数进行辨识与自学习,采用混合学习算法,对前向参数和结论参数分别辨识,在提高精度的同时可加快训练收敛的速度,使控制系统具有良好动静态性和鲁棒性,实现了消除通信系统中噪声的目标,最后对基于ANFIS的噪声消除系统进行了建模和仿真,并与自适应神经网络滤波方法的结果对比,其结果证明了该方法的有效性.     

潜艇垂直面运动自适应神经网络模糊控制仿真

神经网络控制和模糊控制技术的广泛应用为潜艇自动舵控制器的设计提供了新的思路.而模糊规则的提取和隶属函数的学习是模糊推理系统设计中重要而困难的问题,自适应神经网络模糊推理系统(ANFIS)结合模糊控制和神经网络控制的优点,基于sugeno模糊模型采用反向传播法和最小二乘法调整模糊推理系统的参数,并自动产生模糊规则.利用方法对潜艇乖直面运动自动舵控制器进行了设计和仿真.从仿真结果来看,自适应神经网络模糊控制器能较好的实现对潜艇垂直面运动的操纵控制,是一种很好的控制方法.     

自适应神经网络模糊推理系统最优参数的研究

模糊规则的提取和隶属度函数的学习是模糊系统设计中重要而困难的问题。自适应神经网络模糊推理系统（ANFIS）能基于数据建模,无须专家经验,自动产生模糊规则和调整隶属度函数。在建立一个初始系统进行训练时,其隶属度函数的类型、隶属度函数的数日以及训练次数都是待定的,这三个参数的选择直接影响系统训练后的效果,它们的确定方法有待研究。该文应用自适应神经网络模糊推理系统的方法对一个典型系统进行建模仿真,并阐述这三个参数的寻优方法。     

应用自适应神经模糊推理系统(ANFIS)进行建模与仿真

模糊规划的提取和隶属度函数的学习是模糊推理系统设计中重要而困难的问题，自适应神经模糊推理系统（ANFIS）方法基于Sugeno模糊模型，其结构类似于神经网络，采用反向传播算法和最小二乘法调整模糊推理系统的参数，并能自动产生模糊规划，本文应用该方法给出了对一个典型系统建模的仿真实例，取得了良好的效果。     

纯碱碳化过程建模研究

针对纯碱碳化过程复杂、建模难的特点,提出一种基于T-S模型的自适应神经模糊推理系统（ANFIS）建模方法。该方法提取碳化过程塔内温度分布及出碱流量的实测数据,通过ANFIS网络自组初始化模糊规则,自适应调整前提隶属度参数和结论参数,最终建立出碱流量随塔内温度变化的非线性模型。文章讨论了该网络的结构和学习算法,通过仿真研究得出其良好的实用价值。     

自适应神经模糊推理系统的参数优化方法

自适应神经模糊推理系统(ANFIS)将模糊推理系统(FIS)中的模糊逻辑规则及隶属度函数参数通过神经网络的自学习来整定,自动产生模糊规则和调整隶属度函数,解决了模糊控制系统中模糊推理规则主要根据专家经验设计、缺乏自学习能力、控制精度不高等问题.而在建立一个初始系统进行训练时,其训练次数、隶属度函数的数目及类型都是待定的,这三个参数的选择直接影响系统训练后的效果,其确定方法值得研究.本文应用自适应神经模糊推理系统对一个典型系统进行建模仿真,并提出三个参数的寻优方法.     

嵌入式蓄电池SoC检测系统研究与设计

系统建立了基于神经网络的电池荷电状态(SoC)的预测模型,可用于对电池电量有精确预测需求的设备中。首先,基于自适应神经网络模糊推理系统(ANFIS)的预测模型确定了网络学习算法,采用MATLAB仿真程序用不同方法构造初始ANFIS模型,利用实验数据对模型网络进行训练,分析ANFIS系统结构和参数的变化。其次,将模型值与实际测得的结果进行对比,对网络的各个参数进行调整后再次用仿真比对预测效果。最后,设计了嵌入式系统硬件和软件的结构,用正弦波注入法解决了电池内阻测量这一难点。     

基于ANFIS模型的烟气含氧量建模和预测

针对电厂热工测量参数难以进行有效预测的问题,提出一种基于ANFIS模型的烟气含氧量建模和预测方法.基于自适应神经模糊推理系统(ANFIS)学习能力与泛化能力均较强的优点,建立软测量预报模型,借助某电厂循环流化床锅炉烟气含氧量实测数据进行仿真,结果表明,基于ANFIS的自适应预测模型,具有良好的预报能力,具有较高的预报精度和鲁棒性,可以较好地解决电厂烟气含氧量预测问题,对于实现锅炉燃烧系统的优化运行和预测控制具有一定的价值.     

基于ANFIS的非线性信道的辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,所以必须采用适当的非线性模型进行描述,为了实现对高速通信中非线性信道的辨识,提出了采用自适应神经模糊推理系统(ANFIS)进行信道辨识的方法,并对ANFIS网络的结论参数采用最小二乘法进行辨识,对前提参数采用误差反传的方法进行学习,最后,运用MAT-LAB实现了对非线性信道进行辨识及均衡的仿真,并将仿真结果与BP网辨识结果进行比较,说明ANFIS网络能很好地逼近非线性信道的传递函数,并在收敛速度及辨识精度方面优于BP网络.     

基于改进模糊聚类与ANFIS的高速公路事件检测

为了准确并及时地发现高速公路上的交通事故隐患,减少事故引发的交通延迟,提高高速公路运行安全性,结合减法聚类与模糊C均值（FCM）聚类算法对输入样本数据进行聚类,建成初始模糊推理系统,然后通过神经网络的自学习机制,训练模糊系统参数,确定模糊推理规则,建立最终模糊模型。通过仿真实验结果对比,验证了基于改进模糊聚类与自适应神经模糊推理系统（ANFIS）建模方法的有效性。