基于效用的备品备件优化库存控制法

 在(s,Q) 的故障替换概率分布模型基础上,提出了基于最小补充周期效用的优化补充周期定义算法和基于最小订货周期效用的优化订购周期定义算法,在保持了(s,Q)机制强调费用节省和可用性优点的同时,克服了它对资金积压、技术折旧损失和缺货损失、冗余库存维护损失缺乏调控能力的缺点.仿真结果很好验证了本机制的优点.     

电信网备品备件管理模式探讨

首先介绍了备品备件管理现状,然后分析了运维外包方式的优缺点,接着分析了备品备件储备数量优化、备件中心选址、备品备件管理优化以及备品备件管理的流程化和规范化,最后分析了备品备件管理工作对网络建设规划的指导意义.     

播出机房备品备件库存管理的探讨

备品备件管理,是广播电视系统保障安全播出工作所需的各种备用设备的管理体系,包括对备品备件的计划、采购、验收、出入库、盘点等的动态控制及预警管理.本文介绍了备品备件的几种分类管理方法,结合北京地球站备品备件管理的实际情况,分析阐述了播出机房中目前采用的备品备件定额管理方法.     

模糊神经网络的交叉研究

介绍模糊神经网络交叉的基础与途径，从基于神经网络的模糊逻辑系统和用模糊逻辑增强的的神经网络两个方面介绍了模糊神经网络交叉研究的具体实现，最后指出模糊神经网络交叉的未来方向。     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

模糊信息处理与模糊神经网络

模糊神经网络结合模糊逻辑具有较强的结构性知识表达能力（即描述系统定性知识的能力）,神经网络具有强大的自学习与定量数据的直接处理能力,从而具有一定的处理定性与定量知识的技术和方法。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.     

电信网络备品备件优化配置研究

随着电信网络规模的快速发展,如何在满足一定备件保障率的条件下降低备件配置数量,达到优化管理、降低成本的目的,成为电信运营企业面临的重要课题.本研究利用运筹学方法,分析整个备件系统的消长规律,并对备件数量配置进行了量化分析,得出特定约束条件下备件数量的最小值.最后通过一个实际应用系统的实现和仿真研究,对计算结果进行了验证分析.     

模糊神经网络的研究现状及发展前景

本文介绍了模糊神经网络的基本概念,以及９０年代在模糊神经网络发展中取得的重要研究成果,并且预测了这门新兴技术在未来诸多领域中的应用剪影。     

基于模糊神经网络的传感器置信度的求取

根据模糊逻辑规则中传感器置信度与其前件的单调关系 ,构造了一种基于内插求值的模糊神经网络 (FNN)。详细描述了网络各层神经元的内部结构和层间关系 ,并给出了网络的学习算法。最后通过仿真验证了网络的可行性。     

基于模糊神经网络的访问控制风险量化方法

访问控制系统中风险量化具有不确定性,非线性等特点,无法确定具有良好效果的求解规则.本文将模糊理论、人工神经网络、小波分析及量子粒子群优化算法有机结合,提出了模糊小波神经网络(fuzzy wavelet neural network,Fuzzy WNN)的风险量化方法,通过模糊综合评判法对主体、客体等的属性信息进行评价量化,作为小波神经网络的输入量,小波神经网络的输出量为量化的风险值,并对小波神经网络的训练算法进行改进优化.仿真结果表明,本文提出的算法可对访问请求风险实现有效量化,克服现有的量化方法所存在的主观随意性大、结论模糊等缺陷.     

Adaptive fuzzy neural network control for motor-toggle servomechanism

In this study, the dynamic responses of an adaptive fuzzy neural network (FNN) controlled toggle mechanism is described. The toggle mechanism is driven by a permanent magnet (PM) synchronous servo motor. First, based on the principle of computed torque, an adaptive controller is developed to control the position of a slider of the motor-toggle servomechanism. Since the selection of control gain of the adaptive controller has a significant effect on the system performance, an adaptive FNN controller is proposed to control the motor-toggle servomechanism. In the proposed adaptive FNN controller, an FNN is adopted to facilitate the adjustment of control gain on line. Moreover, simulated and experimental results due to a periodic sinusoidal command show that the dynamic behaviors of the proposed adaptive and adaptive FNN controllers are robust with regard to uncertainties.     

机载激光通信的模糊神经网络PID视轴稳定控制

机载激光通信的视轴稳定是建立激光通信链路的前提。为了有效地克服载体扰动与参量改变对粗跟踪系统视轴稳定的不利影响,设计了一种基于模糊神经网络的比例-积分-微分（PID）控制方法。该方法结合模糊理论的非线性控制能力与神经网络的自主学习能力,实现了对PID参量的实时在线调整。结果表明,与传统PID控制方法相比,模糊神经网络PID控制方法提高了系统的动态响应速度,减小了系统超调量,当载体受到扰动与参量改变时,具有较强的自适应性和鲁棒性。     

一类非线性系统的模糊神经网络全局滑模控制

文中针对一类非线性系统提出了一种基于模糊神经网络的全局滑模控制策略。设计了模糊神经全局滑模函数,并根据Lyapunov稳定性理论设计出控制器和自适应律。文中以三相并联型有源电力滤波器为实例在MATLAB平台上进行了仿真实验,电网电流谐波畸变率由24. 71%降低到1. 6%,表明所提出的方案具有很好的补偿性能。     

基于模糊神经网络的目标识别

结合模糊推理和神经网络两种方法的优点,从网络的结构、工作过程、学习算法等方面,探讨了一种基于模糊神经网络(FNN)的目标识别方法。通过仿真结果证明,此方法确实可行。     

基于模糊神经网络的水浴控制系统研究与实现

针对水温控制系统的特点,介绍了以单片机为核心,使用数字温度传感器DS18B20,软件设计采用定时中断结构实现PWM,采用模糊神经网络控制算法的恒温水浴的控制系统.该系统稳定性好,达到控制目的.     

大迎角控制的一种神经网络逆系统方法

提出了一种用于大迎角控制的基于神经网络补偿和逆系统反馈的控制方案,并用e-修正方法对神经网络的权值进行了限幅。基于Lyapunov稳定性理论证明了该控制方法的跟踪误差是收敛的。大迎角控制的仿真实例表明该控制方法具有良好的大迎角跟踪性能。     

基于神经网络的模糊控制

随着科学技术的发展,传统的模糊控制已不能满足需要.以神经网络与模糊控制相结合为出发点,对其结构,特征进行了论述,并通过实例证明了其优越性.     

Temperature control with a neural fuzzy inference network

Although multilayered backpropagation neural networks (BPNNs) have demonstrated high potential in adaptive control, their long training time usually discourages their applications in industry. Moreover, when they are trained online to adapt to plant variations, the over-tuned phenomenon usually occurs. To overcome the weakness of the BPNN, we propose a neural fuzzy inference network (NFIN) suitable for adaptive control of practical plant systems in general and for adaptive temperature control of a water bath system in particular. The NFIN is inherently a modified Takagi-Sugeno-Kang (TSK)-type fuzzy rule based model possessing a neural network's learning ability. In contrast to the general adaptive neural fuzzy networks, where the rules should be decided in advance before parameter learning is performed, there are no rules initially in the NFIN. The rules in the NFIN are created and adapted as online learning proceeds via simultaneous structure and parameter identification. The NFIN has been applied to a practical water bath temperature control system. As compared to the BPNN under the same training procedure, the simulated results show that not only can the NFIN greatly reduce the training time and avoid the over-tuned phenomenon, but the NFIN also has perfect regulation ability. The performance of the NFIN is compared to that of the traditional PID controller and fuzzy logic controller (FLC) on the water bath temperature control system. The three control schemes are compared, with respect to set point regulation, ramp-point tracking, and the influence of unknown impulse noise and large parameter variation in the temperature control system. The proposed NFIN scheme has the best control performance