永磁同步电机的模糊神经网络控制方法

在分析永磁同步电机（PMSM）数学模型的基础上,建立了控制系统的仿真模型,并提出了一种新型模糊神经网络控制方法：以基本样条函数实现PMSM模糊神经网络速度控制器的设计。基于MATLAB／Simulink的PMSM控制系统仿真平台,实现了基本样条模糊神经网络调速控制的仿真。仿真结果表明：该方法响应快、超调小、鲁棒性强,具有较优的动、静态特性。     

永磁同步电机的模糊神经网络控制方法

在分析永磁同步电机(PMSM)数学模型的基础上,建立了控制系统的仿真模型,并提出了一种新型模糊神经网络控制方法:以基本样条函数实现PMSM模糊神经网络速度控制器的设计。基于MATLAB/Simulink的PMSM控制系统仿真平台,实现了基本样条模糊神经网络调速控制的仿真。仿真结果表明:该方法响应快、超调小、鲁棒性强,具有较优的动、静态特性。     

基于模糊度与简化PCNN的遥感图像变化检测

遥感图像变化检测必须充分考虑不同时间、不同环境背景等具体情况对于图像的影响,尽可能消除这些＂伪变化＂影响,以获得比较客观的感兴趣区域变化检测结果。针对遥感图像这一特点提出了一种基于脉冲耦合神经网络的变化检测法。该方法利用脉冲耦合神经网络实现多时相遥感图像的多层次分类,将分类结果进行差值比对,即可检测出感兴趣的变化区域。并提出根据最小模糊度准则,自动确定PCNN循环迭代次数和最佳阈值。实测数据的实验结果表明该方法的变化检测效果优于基于最大熵变化检测算法。     

一组样条神经网络建模

采用一组样条基函数作为在层前向神经网络中各隐层神经元的传递函数，再以其加权和函数作为网络的非线性输出特性，构成一种样条神经网络模型。仿真实验表明，该网络具有良好的识别非线性系统的性能。     

基于径向基函数神经网络和模糊控制系统的电网故障诊断新方法

该文针对RBF神经网络的知识存储和诊断过程是一个黑箱，对运行人员不透明，且当电网拓扑结构发生变化或扩展时，神经网络只能重新训练等问题，推导并建立了RBF神经网络和模糊控制系统之间的等值关系，使得蕴含在RBF神经网络权重中的知识转变为等值模糊控制系统中用语言表述的规则。在此基础上，针对电网结构发生变化或扩展情况，提出了RBF神经网络的局部重新训练新算法。提出的基于RBF神经网络和等值模糊控制系统的故障诊断方法在IEEEll8母线系统中进行了仿真试验，结果表明：基于RBF网络与等值模糊系统的故障诊断方法诊断知识易于理解，诊断过程透明，并能适应电网拓扑结构发生变化或扩展的情况，效果理想。     

模糊神经网络系统的隶属函数初始化算法研究

给出一种新颖的模糊神经网络系统的隶属函数初始化算法,并分析了算法的收敛问题,与文（１）及常规自组织照算法相比,不但每步的计算量大大减小,得到的初始化结果也更优,模拟仿真结果是令人满意的。     

基于径向基函数神经网络的电网模糊元胞故障诊断

提出了基于径向基函数神经网络的电网模糊元胞故障诊断方法,旨在有效解决神经网络应用于电网故障诊断所面临的适应网络拓扑结构变化的可移植性问题。该方法以单个线路、母线和变压器为元胞对象,以保护各元胞的所有关联保护和对应的断路器为输入,建立了元胞通用神经网络诊断模型,并给出了故障诊断时模型的自动生成方法。此外,考虑到电网故障信息存在不完备性和不确定性,本文采用模糊矢状图来描述电网元件、保护和断路器之间的逻辑推理关系,并提取出蕴含不确定性的模糊推理规则,用于训练元胞通用神经网络。算例仿真结果表明,该方法简单、有效,能处理各种复杂故障情况,且能有效适应网络拓扑结构的变化,具有良好的容错性和可移植性。     

基于径向基函数神经网络和模糊积分融合的电网分区故障诊断

为有效解决分区故障诊断关于互连区域间联络线的诊断问题,提出了基于径向基函数神经网络和模糊积分融合的大电网故障诊断方法。该方法通过网络重叠分区将大电网划分为若干区域,故障发生后根据警报信息选择性触发警报信息所在区域对应的区域径向基函数神经网络诊断模块,然后利用模糊积分关联融合相连区域关于联络线的诊断输出,实现对联络线的故障诊断。该方法不仅可以诊断各区域内部发生的故障,而且能够有效地诊断区域间联络线发生的故障。算例仿真结果表明:该方法简单、有效,能弥补现有电网分区故障诊断方法在联络线故障诊断方面存在的不足,且能够处理各种复杂故障情况,具有良好的故障容错能力。     

基于模糊小波基函数神经网络的电子节气门控制

电子节气门的精确控制对于混合电动汽车的驱动性能、燃油经济性能和排放性能是尤其重要的.介绍了电子节气门的结构和特点.提出了基于模糊小波基函数神经网络的电子节气门控制方法.仿真结果表明,该方法对于电子节气门控制具有较好的效果.     

半监督卷积神经网络遥感图像融合

近几年随着深度学习的发展,学者们利用卷积神经网络实现遥感图像融合取得了不错的效果.由于没有高分辨率多光谱图像作为参考图像,所以一般基于深度学习的方法在退化图像上训练模型,然后用训练好的模型去预测高分辨率多光谱图像,但是退化图像的融合过程并不能完全反映原始图像的融合过程.为了改善融合性能,提出了一种半监督卷积神经网络遥感...     

遥感图像几何校正方法

遥感成像处理对几何保真度要求高,现有的遥感图像定位方法比较成熟,但如对每一像素点分别定位,数据量太大,且校正后的像素点也不是均匀分布。本文将数字图像处理中的逐次逼近的校正方法应用于遥感图像的几何校正,详细介绍了该方法的实现方案,最后仿真实现了这种方法。     

基于模糊神经网络直接转矩控制系统设计

针对传统的直接转矩控制中存在转矩、定子磁链波动大的问题,提出了一种结合空间矢量调制的模糊神经网络直接转矩控制方法。它运用模糊神经网络得到期望的任意相位空间电压矢量,再结合空间矢量调制直接对逆变器的开关状态进行控制,以达到减小转矩、定子磁链波动的目的。最后以TMS320F240为核心搭建了一个直接转矩控制系统,通过采集实验数据,分析该直接转矩控制系统与传统的直接转矩控制系统相比磁链和转矩波动明显减少,并具良好的响应性。     

基于模糊神经元网络的改进型中值滤波器

本文提出了一种新颖的基于模糊神经元网络的改进型中值滤波器。该滤波器由两部分组成：第一部分是噪声检测器,将待处理像素与其八邻点的灰度差值送入训练好的模糊神经元网络,检测出噪声像素;第二部分是中值滤波器,对于检测出的噪声像素,用其相应窗口内的非噪声像素的中值进行替代。实验结果表明,本文提出的滤波方法既有效地滤除噪声,又可以很好地保护图像的细节。     

基于模糊神经网络的多集气管压力控制系统

针对焦炉集气管压力系统具有强耦合、强干扰、非线性的特点．文章阐述了影响集气管压力变化的三种因素,并在此基础上设计了一个基于模糊神经网络的控制系统。该系统较好的解决了多座焦炉集气管压力之间相互耦合的问题。     

基于模糊神经网络的异步电动机故障诊断研究

在对当前的检测方法与故障诊断手段研究的基础上,提出了基于模糊神经网络的故障诊断方法。该方法利用改进的BP算法,提高了学习速率,增强了稳定性。同时,针对异步电动机常见的故障特点,运用该诊断模型,对异步电动机故障进行了诊断。仿真结果表明：它具有准确度高,诊断速度快等优点,是一种较实用的故障诊断方法。     

BP神经网络对驻极体麦克图像特征识别的研究

人工神经网络是特征识别的有力工具。在研究对驻极体麦克图像识别方法的基础上,本文提出了一种用改进的BP神经网络进行图像特征的识别和学习算法,并给出了动量系数和学习率的调整方法。对比传统方法测定的结果,使用改进的BP神经网络在识别不规则特征时：减少了输入信息冗余,网络结构相对简单;神经网络输出的各项指标明显提高了精度,对麦克图像特征的平均识别正确率达到92．7％;识别速度也满足在线实时检测的要求。理论分析和实验均表明该算法能实时有效地检测出驻极体麦克图像的特性。本文为研究图像不规则特征的识别提供了一种新的方法。     

RBF神经网络在卡伯值软测量中的应用研究

本文提出了一种新的RBF神经网络的在线学习算法,该算法能在线实时地调整RBF神经网络的隐层单元数目和网络参数,并且使用计算量小、运算速度快的基于逆QR分解的Givens递推最小二乘算法调整网络权值,克服了离线训练方式的不足,并将其用于制浆蒸煮过程中纸浆卡伯值的软测量.通过工厂蒸煮数据验证,表明此算法具有良好的性能,训练的网络具有学习速度快、精确度高、结构紧凑的优点,用于建立卡伯值数学模型,实现卡伯值的软测量是有效的.     

电力系统短期负荷预测的模糊神经网络方法

针对电力系统短期负荷预测问题 ,考虑到气象因素对负荷的影响 ,提出了一种模糊神经网络的短期负荷预测方法 ,首先根据评价函数选取相似日学习样本 ,然后利用隶属函数对影响负荷的特征因素向量的分量进行模糊处理 ,采用反向传播算法 ,对 2 4点每点建立一个预测模型 ,提高了学习效能。适合在短期负荷预测中使用 ,具有较好的预测精度