基于模糊系统的车削工件直径误差预测方法

为满足特定轴类工件的加工精度要求,根据车削过程中工件直径误差的特点,提出了用模糊系统预测车削工件直径误差的方法.通过设计车削实验,得到训练数据和测试数据.在分析梯度下降算法和传统遗传算法优缺点的基础上,将梯度下降算法嵌入传统遗传算法形成混合遗传算法.通过训练数据分别用梯度下降算法、传统遗传算法和混合遗传算法训练Mamdani型模糊系统,混合遗传算法的收敛效果优于梯度下降算法和传统遗传算法,用测试数据对三种算法训练的模糊系统进行测试,混合遗传算法的预测效果也是三种算法中最好的.预测结果表明,在一定的工件结构和工况条件下,用混合遗传算法训练的Mamdani型模糊系统进行车削工件直径误差的预测是可行的.     

基于递推最小二乘算法的模糊系统在车削工件直径误差预测中的应用

根据车削过程中工件直径误差的特点,采用基于递推最小二乘算法的模糊系统,预测车削过程中由弹性变形等因素引起的工件直径误差,通过递推最小二乘算法训练Mamdani型模糊系统,以确定合理的系统参数.根据工件直径误差与切削深度、进给量等的关系,设计车削实验,得到训练数据和测试数据,用训练数据训练模糊系统,进而用测试数据测试,误差较小,从而验证在一定的工件结构和工况条件下,用基于递推最小二乘算法的Mamdani型模糊系统进行车削工件直径误差预测的可行性.与回归分析进行比较,结果显示在一定的工件结构和工况条件下,基于递推最小二乘算法的Mandani型模糊系统对于预测车削工件直径误差有比较明显的效果.     

粒子群优化模糊系统的铣削力建模方法

根据铣削力的特点,提出用模糊系统进行铣削力建模的新方法.根据铣削力的特点和研究目的,设计钛合金铣削试验,试验在数控铣床上进行,用测力仪进行铣削力测量,由试验得到铣削力的训练数据和测试数据.在分析基本粒子群算法优缺点的基础上,将梯度下降算法嵌入基本粒子群算法形成改进粒子群算法.通过训练数据分别用梯度下降算法、基本粒子群算法和改进粒子群算法训练模糊系统,改进粒子群算法的收敛效果优于梯度下降算法和基本粒子群算法.用回归分析对铣削力进行建模,回归函数分别取为指数形式与线性全因子多项式形式,这样得到两种铣削力经验公式.用测试数据对各方法得到的模型分别进行测试,改进粒子群算法训练模糊系统的预测效果优于其他方法.预测结果验证了用改进粒子群算法训练的模糊系统进行铣削力建模是可行的.     

基于T-S模糊模型的辨识与控制

针对一类非线性系统,采用模糊辫识的方法建立系统的T-S模型,结合广义预测控制对模糊预测控制进行研究.应用模糊聚类和递推最小二乘法辫识T-S模糊模型的前提结构和结论参数.对于非线性系统来讲,T-5模糊模型有良好的描述特性,并结合广义预测控制的滚动优化,实现对非线性系统的有效控制.仿真结果说明了该算法的有效性.     

单值模糊广义预测控制及其在热工对象中的应用

热工火电机组具有非线性、时变性、大时滞等特性,工业控制中有一定的难度.在前人对T-S模型辩识研究的基础上,本文提出了一种自适应模糊模型辨识算法,通过置信度检验,自适应改变模糊规则数,确保保留最有效的模糊规则.在此基础上,本文提出了一种基于T-s模型的单值模糊广义预测控制策略,与基本模糊广义预测控制算法相比较,该算法具有结构简单、计算过程快的优点.仿真结果表明,该算法明显地改善了控制系统的控制品质.     

基于模糊预测控制的地铁自动控制研究

介绍了模糊预测控制的构成与应用,对地铁自动控制系统、预测控制部分的算法进行了设计,并经过系统仿真验证了模糊预测控制系统的可行性。     

精密塑性成形弹性变形量预测方法研究

探讨了精密塑性成形模具设计中的回弹最预测问题,研究模糊神经网络技术的应用。设计模糊预测器结构,研究模糊化算法、逆模糊化算法,以及模糊控制器结构,并开发出模糊预测系统。对系统的预测结果进行分析,验证其可靠性。     

基于粒子群优化的混合模型预测控制研究

为解决复杂非线性系统的控制精度不高,稳定性难于保证等问题、将预测控制技术应用于非线性控制中,提出了一种基于粒子群优化和混合模型的预测控制算法.混合模型预测控制算法使用模糊聚类和最小二乘法建立了系统的复合模犁,由带压缩因子的粒子群算法优化获得了非线性控制系统的控制量,在非线性模型上对模糊预测控制算法和混合模型预测控制算法...     

基于系统辨识的PEMFC温度非线性建模与预测

针对质子交换膜燃料电池(PEMFC)等一类具有严重非线性的复杂被控对象，提出一种基于模糊模型的模糊预测算法，并对PEMFC系统进行建模。在建模过程中，采用离线学习和在线修正辨识出对象的模糊模型。其中，模型的参数通过模糊聚类初始化和离线反向传播算法进行学习，必要时可通过在线调整后件参数，以使得模型的预测精度能满足实时控制的需要。仿真和实验结果表明了该模糊辨识建模方法具有建模简单、模型精度高等优点，亦证明了该算法的有效性和优越性。     

粒子群优化算法训练模糊神经网络

研究合适的神经网络学习算法是令人感兴趣的问题.提出一种用粒子群优化(PSO)算法训练模糊神经网络的方法.PSO的位置向量对应模糊神经网络的权值向量,而PSO的适应函数对应模糊神经网络的目标函数,然后,通过演化PSO达到训练模糊神经网络的目的.用PSO算法训练模糊神经网络预测混沌时间序列的实验结果表明PSO算法性能优良,适合训练模糊神经网络.