一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统，然后提出一种基于模拟退火策略的混沌优化算法，将该算法引入模糊神经网络参数域中进行优化，实现混沌粗搜索与细搜索相结合优化目的，体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明，该方法能有效地实现模糊神经网络控制器参数优化，控制具有无振荡、超调小、调节时间短等优点，算法结构简单，容易实现。     

精密伺服工作台的模糊-PI复合控制的设计与仿真

对精密伺服工作台的定位控制方法进行了研究,提出了采用参数自调整模糊-PI复合控制的新型算法对伺服工作台进行闭环控制,实现精确定位;该方法具有自学习和自适应的特点,而且克服了传统模糊控制存在的静差和振荡问题;实验中给出了参数自调整模糊-PI复合控制器的simulink模型,并进行了仿真实验;实验结果表明该方法相对于一般的模糊控制和PI控制具有良好的超调和响应快速性,通过优化自调整参数和模糊控制规则,可以得到更好的系统响应曲线,对于实际控制系统,该控制算法具有较好的稳定性.     

精密工作台参数自调整模糊控制环节设计与仿真

对精密工作台的定位控制进行研究。提出一种参数自调整模糊控制的改进算法。该方法克服了常规模糊控制存在的静差和振荡问题。设计了模糊控制器的Simulink模型,仿真实验结果表明该方法相对于常规模糊控制具有良好的超调和响应快速性。通过优化自调整参数和模糊控制规则,可以得到更好的系统响应曲线。对于实际控制系统,该控制算法具有较好的稳定性。     

基于模糊聚类神经网络的化工过程预报模型研究

本文提出了在化工过程预报中的模糊聚类神经网络模型,该模型具有提取典型数据、优化模糊规则及优化参数的优点,在化工过程预报实验中与传统方法相比预报结果的精度提高,计算时间缩短。     

基于遗传算法的模糊支持向量网络控制

将模糊控制与支持向量网络相结合，设计了一种模糊支持向量网络控制器．该控制器融合了模糊控制与支持向量网络的优点，具有不依赖被控对象模型、泛化能力强等特点．利用遗传算法来优化支持向量机参数和控制器比例因子参数，以期实现最优的控制性能. 仿真结果表明了控制系统具有优良的控制性能．     

基于模糊卡尔曼滤波器的航天测量船组合导航系统

针对航天测量船组合导航系统实际工作环境，提出采用模糊卡尔曼滤波器，将模糊控制作为一个数据平滑窗口与常规卡尔曼滤波器相结合，利用测量数据中的残差序列、残差序列变化率和收敛因子等参数作为模糊控制输入，解决了导航系统中量测噪声不满足零均值白噪声的问题；对采用该算法的测量船组合导航系统进行了仿真实验，得到与理论分析相吻合的结果并提高了导航数据的精度；实验表明，采用该滤波技术的测量船组合导航系统是可靠的。     

模糊自整定PID控制器设计以及MATLAB仿真分析

为了解决液压控制的关键技术,该文针对时变、非线性的电液伺服系统提出了模糊自整定PID控制器设计的思路,结合Simulink和模糊工具箱并进行仿真分析,该仿真模型具有结构简单、界面直观、便于修改等特点,根据PID参数变化需要提出了模糊控制规则选取方法,给出了系统软、硬件实现方法,该系统具有操作方便、人机界面风格良好等优点.使用仿真和实验相结合的方法获取最佳控制参数,通过仿真和实验结果可以看出这种算法的实用性和有效性.     

一种线性化模糊内模自适应控制算法

针对非线性对象，提出一种线性化模糊内模自适应控制算法。该算法以一组模糊规则作为非线性对象内部模型，一条模糊规则表示一个局部线性系统；根据对象输入与输出测量值，利用TSK建模方法在线辨识局部模糊内部模型；同时依据辨识模型设计局部H2最优模糊控制规则，所有规则构成H2最优模糊控制器。仿真实验显示：该算法适用于非线性对象的控制，具有较好的鲁棒性和抗干扰能力。     

基于ANFIS的焦炉火道温度预报模型研究

针对焦炉生产过程中直接检测火道温度成本高、精度低等问题,提出运用自适应神经网络模糊推理系统理论(ANFIS)建立焦炉火道温度预报模型,模型采用模糊减法聚类方法选取模糊规则数目,大大减少规则冗余量;结合最小二乘和误差反向传播混合算法对神经网络参数进行优化,采用现场的热工数据作为输入,将获得的模型与传统的线性回归模型和BP神经网络模型进行了比较,数值仿真结果表明所建立的模型具有学习速度快、预报精度高、泛化能力强等优点.     

一种新型自适应复合控制器在锂电池充电系统中的应用

为了解决锂电池充电系统的不确定性和参数整定困难的问题,本文提出了一种基于蚁群算法优化的模糊＋变论域模糊PID复合控制器的新方法。该控制器在系统波动频繁时,采用模糊控制使其具有最优的动态性能;当系统进入稳定阶段,采用PID参数自适应的变论域模糊控制以提高准确度。而用蚁群算法对PID参数值进行离线优化,并将优化后的值作为在线调节的初值,使系统更加稳定。将提出的复合控制策略应用于锂电池充电控制系统中。仿真结果表明,该系统具有良好的抗干扰性和鲁棒性。     

基于Xgboost优化的KELM滑坡预报模型研究

针对极限学习机对滑坡预测准确性低及在训练过程中模型不稳定的问题,引入RBF高斯核函数并使用极限梯度提升树算法Xgboost对KELM进行优化,建立了Xgboost优化后的Xgboost-KELM预测模型;首先采用高斯核RBF作为极限学习机的核函数,解决隐藏节点随机映射问题,增加模型稳定性及适用性;其次将清洗后的监测数据作为模型输入,并使用Xgboost寻优算法对核函数中的超参数进行优化,通过4组测试集进行Xgboost-KELM建模,依据均方误差迭代曲线得出最佳超参数;最后使用两组10%样本集验证模型评价指标及稳定性,实验结果AUC均值对比模型至少提高3个百分点,Precision、Accuracy及Recall至少高于对比模型1.7个百分点,同时Xgboost-KELM模型的方差及偏差都较小,证明该模型稳定性较好,实验结果说明Xgboost-KELM模型具有较好的预测效果,在滑坡灾害预测中有较好的预测能力。     

基于模糊控制的滑坡监测预警系统设计

针对目前用于滑坡灾害监测预警的诸多方法中存在的传感器选择种类单一、预警功能与监测数据相分离等问题,设计一种基于模糊控制的滑坡灾害监测预警系统。设计以导致滑坡灾害的主要因素为切入点,运用智能传感器组群对山体进行实时监测,对采集到的实时数据运用模糊控制系统进行处理,最终实现对滑坡灾害发生概率的预测。实验结果表明,该系统对滑坡灾害发生概率的预测达到了较为理想的效果,可为滑坡灾害监测人员的工作提供便利与支持。     

基于模糊C均值改进算法和ANFIS的蓄电池SOC预测

蓄电池剩余电量预测作为蓄电池智能管理系统的核心部分,为合理控制蓄电池的充放电情况、延长蓄电池的使用寿命提供了判据。然而蓄电池剩余电量的影响因素复杂、预测难度较大。针对这一挑战性课题,提出一种基于改进的模糊C均值聚类和自适应模糊神经推理系统(ANFIS)的预测算法,采用减法聚类和加权模糊C均值聚类生成初始模糊推理系统,通过梯度下降法和最小二乘法混合算法对自适应模糊神经网络中的前件参数和后件参数进行训练,建立非线性预测模型。仿真结果表明,改进的聚类算法解决了传统模糊C均值聚类稳定性差以及对噪声点、错误点敏感的缺点,加快了收敛速度,在此基础上建立的蓄电池剩余电量预测模型也具有较高的预测精度。     

基于高精度低空摄影测量的滑坡灾害监测与预报关键技术研究

采用传统监测与预报技术,受到滑坡区域扩大影响,导致预测精准度较低,针对该问题,提出了基于高精度低空摄影测量的滑坡灾害监测与预报关键技术研究。依据滑坡地质体环境因素,建立滑坡灾害监测与监测与预报指标,根据该指标,计算地层压力变量相关参数。以高分辨率数字遥感设备为传感器,采用高精度低空摄影测量技术来提取数据,以此分析滑坡堆积特征和密实程度。通过上述特性,建立关联函数,确定监测与预报对象以及监测与预报等级,由此完成滑坡灾害监测与预报。由实验结果可知,该技术预测精准度较高,最高可达到98.8%,为保障人们生命安全提供必要技术支持。     

基于改进模糊神经网络的软测量建模方法

提出了一种改进的模糊神经网络软测量建模方法，采用规则化的平均输出隶属度函数作为模糊基函数进行反模糊化运算；在训练网络时,部分参数采用Levenberg-Marquardt算法来训练，另一部分采用一阶梯度下降法．最后用该建模方法建立了聚合反应中熔融指数的软测量模型，并与一般的模糊神经网络软测量模型进行比较．结果表明改进的模糊神经网络对初始值的选择不敏感,具有很好的收敛性，同时还能达到指定的预测精度，很适合工程应用．     

基于时域卷积网络的水文模型

水位预测是防洪预警工作的辅助决策支持。为了进行准确的水位预测,为预防自然灾害提供科学依据,提出一种结合改进的灰狼优化（MGWO）算法与时域卷积网络（TCN）的预测模型MGWO-TCN。针对标准灰狼优化（GWO）算法存在早熟停滞的不足引入差分进化（DE）算法,扩展灰狼种群的多样性;改进灰狼种群更新时的收敛因子和变异时的变异算子,以自适应的形式对参数进行调整,提升算法的收敛速度,均衡算法的全局与局部搜索能力;利用MGWO算法对TCN的重要参数寻优,提升TCN的预测性能。将MGWO-TCN预测模型用于河流水位预测,预测结果的均方根误差（RMSE）为0.039。实验结果表明,与对比模型相比,MGWO-TCN预测模型具有更好的寻优能力和更高的预测精度。     

基于FMPCE与OPF的泥石流灾害预报模型

针对目前泥石流预报模型输入数据维度较大和训练时间较长的问题,采用快速多个主成分并行提取算法选取出了6个泥石流灾害高维度影响因子,包括降雨量、土壤含水率、孔隙水压力、山坡坡度、沟床比降和相对高差。基于最优路径森林算法,以泥石流影响因子为输入、泥石流发生概率为输出,构建了泥石流预报模型。实验结果表明,本文提出的模型准确率更高,训练时间更短,为泥石流灾害预报的应用提供了新的思路。     

融合认知心理学理论的新型教与学优化算法及应用

针对教与学优化算法(teaching-learning-based optimization, TLBO)寻优精度低、易陷入局部最优的问题,提出了一种融合认知心理学理论的新型教与学优化算法(cognitive psychology teaching-learning-based optimization, CPTLBO)。在教阶段融入登门槛效应理论,对于学习有困难的学生设置阶段性学习目标,从而提高学生的整体水平;在学阶段加入老师引导机制,提高算法收敛速度;随后,加入自我调整阶段,学生根据心理控制源理论可被分为内控型和外控型,不同类型的学生对自身成绩采取不同的归因方式并采取相应措施。利用经典的基准测试函数对CPTLBO进行测验,结果表明改进算法在寻优精度和收敛速度方面具有优势。构建CPTLBO-ELM自来水供水量预测模型,采用CPTLBO算法优化极端学习机的输入权值和隐含层阈值参数,以提高模型的预测精度和泛化能力。仿真结果表明:用CPTLBO算法优化后的模型预测结果更准确。     

瓦斯涌出量的混合pi-sigma模糊神经网络预测模型

提出了一种利用混合pi-sigma模糊神经推理方法建立瓦斯涌出量的预测模型。该模型采用高斯基函数作为模糊子集的隶属度函数, 可在线动态调整隶属度函数和结论参数。与神经网络预测模型比较, 该模型具有物理意义明确、原理清晰、收敛速度快、预测精度高等特点,在对某矿瓦斯涌出量数据的仿真结果表明,该方法预测准确度高、速度快,并且结果具有可重复性,证明该方法是有效的。为便于工程实际应用, 在Matlab环境中开发了基于图形用户界面(GUI)的仿真应用界面,给出了使用方法和预测结果。实验同时表明,对所采用的数据,模型的训练精度设置为0.001时网络的泛化能力最好,网络训练精度和预测精度之间不具有正比关系。     

基于复合正交神经网络的灰色PID控制

结合传统反馈控制方法和灰色预测控制的预测控制器已在控制系统中获得了成功的应用。由于复合正交神经网络具有学习算法简单、收敛速度快,有逼近线性或非线性函数的优良特性。与灰色预测方法相比,神经网络预测精度高,且误差可控,如果把神经网络作为灰色预测器,建立一种灰色预测控制,那么就会在控制系统中获得良好的控制性能。为此,提出一种结合传统的PID控制和神经网络灰色预测补偿的灰色PID控制器,可对系统进行在线灰色估计和控制,由复合正交神经网络对不确定部分建立的灰色预测模型,可根据系统的参数变化来自动调节预测补偿值,使系统响应具有适应性。仿真结果表明,与传统的PID控制方法相比,该控制器可获得更为优良的动态性能和鲁棒性。