减法聚类-ANFIS在网络故障诊断的应用研究

提出了一种基于减法聚类-自适应模糊神经网络(ANFIS)的网络故障诊断建模方法。减法聚类算法生成初始模糊推理系统,ANFIS建立网络故障诊断原始模型,应用混合算法对模糊规则的参数进行训练并建立最终的模型。仿真实验表明基于减法聚类-ANFIS的建模方法是有效的;通过仿真结果比较,减法聚类-ANFIS的网络故障诊断能力及收敛速度均优于BP神经网络,更适合作为网络故障诊断模型。     

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。     

模糊结构辨识的人工免疫聚类算法研究

针对自适应神经模糊推理系统(ANFIS)在锌钡白干燥煅烧生产过程建模中出现的模糊结构辨识问题,采用了基于人工免疫系统(AIS)的聚类算法.该算法通过免疫网络对抗体及记忆数据集逐代克隆、变异及抑制操作,提取有用的模糊规则数目,避免ANFIS训练陷入局部极小点.本文详细探讨了AIS随机特性对聚类规模稳定性造成的影响以及AIS的聚类速度问题,对Castro算法做了必要修改.通过与减法聚类算法、模糊C-Means聚类算法(FCM)特性上的对比分析,得出AIS在复杂过程辨识中的实际应用价值.     

基于ANFIS的交通事件持续时间预测

针对高速公路交通事故引发交通堵塞的问题,提出一种基于减法聚类和自适应神经模糊推理系统的事件持续时间预测新方法。将该方法应用于交通事件持续时间预测,从I-880数据库中提取事件持续时间相关因素,使用非参数估计法进行显著性分析,将影响程度最大的因素作为模糊系统的输入样本,采用减法聚类对输入样本进行聚类,得到模糊规则数并建立初始模糊推理系统,使用BP反向传播算法和最小二乘估计算法的混合算法对该模糊系统进行训练并优化,建立最终模糊模型。仿真结果证明,该系统对交通事件持续时间预测具有较高检测率和较低误报率。     

基于ANFIS的铁水脱硫系统的建模

在炼钢生产过程中,铁水脱硫过程是发生了一系列物理和化学变化的复杂工业过程.为建立各控制量与脱硫剂使用量间的模型,本文利用减法聚类法实现对ANFIS网络的结构识别,并在此基础上对ANFIS进行参数识别,完成铁水脱硫系统的建模任务.最后,通过将该方法与普通的BP算法建模进行比较,说明ANFIS在收敛速度及建模精度方面的优越性.     

使用新混合模糊聚类算法的模糊系统建模方法

为了进一步提高模糊系统建立模型的精度,提出一种新的模糊系统算法ANFIS-HC-QPSO：采用一种混合型模糊聚类算法来对模糊系统的输入空间进行划分,每一个聚类通过高斯函数的拟合产生一个隶属度函数,即完成ANFIS系统的前件参数--隶属度函数参数的初始识别,通过具有量子行为的粒子群算法QPSO与最小二乘法优化前件参数,直至达到停机条件,最终得到ANFIS的前件及后件参数,从而得到满意的模糊系统模型。实验表明,AN-FIS-HC-QPSO算法与传统算法相比,能在只需较少模糊规则的前提下就使模糊系统达到更高的精度。     

模糊系统建模方法及其在微生物发酵中的应用

提出一种具有量子行为的模糊系统建模方法。避免事先指定聚类数目及中心,采用混合模糊聚类算法对模糊系统的输入空间进行划分,每个聚类通过高斯函数的拟合产生一个隶属度函数,完成ANFIS前件参数的初始识别;通过具有量子行为的粒子群算法与最小二乘法优化前件参数,得到ANFIS的前件及后件参数。将该方法应用于实际的抗坏血酸2-葡萄糖苷生产发酵模型的建立中,实验结果表明,该方法具有较高精度,符合实际生产需要。     

一种集成贝叶斯决策的视频烟雾检测新方法

研究将贝叶斯决策应用于自适应神经-模糊推理系统(ANFIS)的视频烟雾检测系统。提取视频烟雾特征,通过减法聚类和混合学习算法,确定并优化得到ANFIS实例,引入贝叶斯决策对ANFIS输出进行检测判别。仿真实验表明,ANFIS比其他烟雾检测算法具备更好的检测性能,而基于最小风险的贝叶斯决策可进一步提高检测率和降低虚警率,能更好地满足实际应用的需求。     

基于聚类和SVD算法的解释性模糊建模方法

提出了一种基于减法聚类算法构造解释性模糊模型的方法。首先指出模糊模型解释性的重要地位,分析影响解释性的主要因素;然后利用减法聚类算法辨识初始模糊模型,SVD算法和集合非冗余度约简初始模糊模型,从而提高其解释性;最后采用约束优化算法整体优化模型,提高其精度。PH值中和过程的模糊建模验证了该方法的有效性。     

改进的RBFNN在运动员竞技状态预测中的应用

提出了一种改进的径向基函数(RBF)神经网络,该神经网络以模糊系统模型为基础。首先利用减法聚类算法确定径向基函数的中心数,然后通过模糊C均值聚类算法优化基函数中心与宽度,最后依据样本数据的聚类结果设计RBF神经网络并进行训练。将该神经网络应用于网球队运动员的竞技状态的预测。仿真结果表明:该算法先进有效、具有较高的精度,用其建立的模型具有较强的实用性。     

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。     

基于ANFIS的水质净化预测控制

水资源是基础性自然资源,也是战略性经济资源,正确对自来水的净化进行预测控制对于社会经济和环境的协调发展具有重要的意义。传统的预测控制方法不能及时适应水质的不确定动态变化,净化效果不佳。自适应神经模糊推理系统（ANFIS）是模糊逻辑和神经网络最完全的融合,ANFIS的自适应性质使得它可以替代控制系统的任意神经元网络并执行同样的功能。针对水净化过程的不确定性,建立了以ANFIS为基础的自来水质净化的预测控制,仿真结果显示：该自适应神经模糊控制器具有较高的控制精度,控制效果较好。     

基于ANFIS混合模型的短时交通流预测

城市短时交通流预测可以帮助人们选择出行最优路线,提高出行效率,其研究在交通拥堵日益严重的今天十分必要.受天气等多种因素影响,短时交通流的精确预测比较困难,为改善短时交通流预测的精度,本文提出了一种基于自适应模糊推理系统（ANFIS）的混合模型.该混合模型用周期性知识模型及残差数据驱动ANFIS模型集成得到.为验证所提出的混合模型的性能,与倒向传播神经网络（BPNN）模型和普通ANFIS模型进行对比.实验结果证明混合模型在交通流预测方面有更好的适用性和准确度.     

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.     

基于SGOA神经网络的短期负荷预测

短期负荷预测的结果对电力系统的经济效益具有重要影响。针对多极值问题,首次提出了一种体现大融合思想的共享式全局寻优算法,将几种全局寻优算法有机组合,使它们共享优化信息,协同寻优,从而形成最丰富的寻优机制,达到最强的全局寻优能力。并且为了从根本上提高短期电力负荷预测中神经网络的速度和预测精度,提出了将SGOA算法和BP算法相结合的短期负荷预测方法,用SGOA算法来训练网络参数,直到误差趋于一稳定值,然后用优化的权值进行BP算法。在构建网络模型时,同时也考虑到了气候、温度等因素的影响,对它们进行模糊化处理后作为网络的输入。仿真结果表明基于这一方法的负荷预测系统具有较高的精度和实时性。     

Adaptive intelligent hydro turbine speed identification with water and random load disturbances

In this paper, the hydro power plant model (with penstock-wall elasticity and compressible water column effect) is simulated at random load disturbance variation with output as turbine speed for random gate position as input. The multilayer perceptron neural network (i.e. NNARX) and fused neural network and fuzzy inference system (i.e. ANFIS) for identification of turbine speed as output variable are reported. Emphasis is put on obtaining a generalized model, using (i) NNARX model and (ii) ANFIS model with membership functions defined by subtractive clustering for plant model representation under different values of water time constant. The comparative performance study between the two approaches is also addressed. In the end of the paper, an application of adaptive noise cancellation based on ANFIS model to identify the turbine speed dynamics is also discussed.     

自适应神经模糊推理系统用于症候诊断的研究

提出了基于T-S模型(Takagi-Sugeno型)的自适应神经网络模糊推理系统(AdaptiveNetwork-basedFuzzyInferenceSystem,ANFIS),介绍了高木—关野(Takagi-Sugeno型)模型结构和自适应神经网络模糊推理系统的结构和算法。该文采用减法聚类初始化模糊推理系统模型,把神经网络学习机制引入到逻辑推理中,使传统的逻辑推理不仅具有逻辑思维及语言表达能力而且具有自学习和联想能力,通过2型糖尿病症候数据库验证了ANFIS用于症候诊断的合理性和有效性。提示自适应神经网络模糊推理系统适合中医症候诊断的研究。     

An expert system of price forecasting for used cars using adaptive neuro-fuzzy inference

An expert system for used cars price forecasting using adaptive neuro-fuzzy inference system (ANFIS) is presented in this paper. The proposed system consists of three parts: data acquisition system, price forecasting algorithm and performance analysis. The effective factors in the present system for price forecasting are simply assumed as the mark of the car, manufacturing year and engine style. Further, the equipment of the car is considered to raise the performance of price forecasting. In price forecasting, to verify the effect of the proposed ANFIS, a conventional artificial neural network (ANN) with back-propagation (BP) network is compared with proposed ANFIS for price forecast because of its adaptive learning capability. The ANFIS includes both fuzzy logic qualitative approximation and the adaptive neural network capability. The experimental result pointed out that the proposed expert system using ANFIS has more possibilities in used car price forecasting.     

单目标跟踪中基于RSSI的模糊测距技术

针对基于接收信号强度因子（RSSI）测距中存在的问题提出一种新的测距技术,由白适应模糊神经推理系统训练的模糊推理系统建立一个模型,利用这个模型将RSSI映射为相应的收发节点的距离。将此模糊测距技术应用到基于三点定位的单目标跟踪中,仿真实验证明了该测距技术是切实可行的。