智能辨识技术在电站仿真系统中的应用

大型火力发电厂中的锅炉,汽轮机等系统都是不确定,非线性复杂大系统,其电站仿真器中模型的实现往往也要求多层次,多样化,多途径。本文提出了系统仿真模型化智能辨识的概念,并分析其在电站系统仿真中应用的可行性,然后展望智能技术在系统仿真中的应用前景。     

一种新的复杂系统模糊辨识方法

针对一阶Takagi-Sugeno模型辨识复杂系统的困难,提出一种新的模糊模型.这种模型的结构在一阶Takagi-Sugeno模型的基础上,再进行一次非线性映射.文中运用卡尔曼滤波算法的模糊神经元网络实现了这种模型.仿真结果表明该方法辨识精度高,且有良好的实用性.     

一种基于模糊辨识的模糊自适应控制系统

采用模糊基函数表示的模糊逻辑系统作为未知非线性对象的辨识器，以此为模糊自适应控制器提供参数自调整必需的梯度信息。仿真结果表明，此种控制方案对未知的非线性系统的输入有很强的自适应跟踪能力。     

系统辨识在水压仿真器试验建模中的应用

水压仿真器作为一种特殊电液压力伺服系统,通过控制伺服阀的开口直接控制工作腔的压力变化,很难通过理论方法进行建模。应用系统辨识方法对水压仿真器的数学模型进行了研究,首先设计能使系统稳定的简单闭环,再对系统施加合适的输入信号,记录系统的输出信号进行试验建模,最后推导出被控对象的数学模型。经过验证,辨识模型基本能够反映实际系统的特性,这种辨识方法是研究水压仿真器或相似压力伺服系统特性的一种可行方法。     

电站仿真器模型开发支撑系统研究

对电站仿真器模型开发支撑系统（ＰＳＭＳＳ）的研究，目的是为大型火力发电站培训仿真器的研制提供了一个有效的模型开发工具，ＰＳＭＳＳ系统由三个子系统组成：模块库管理系统，模型生成系统，模型试验系统，ＰＳＭＳ系统支持用户进行模块开发，模型生成和仿真试验等方面的工作，有效地加快了电站仿真器的研制过程。     

自适应模糊辨识及其在大系统中的应用*

本文基于Ｔ－Ｓ模糊模型构造了一种新的自适应模糊神经网络，给出了网络诉连接结构物学习算法，它能自动学习和修正前件参数及模糊规则，将其用于大系统随机民递阶优化的控制建模中，仿真结果表明，该方法具有收敛速度快，辨识精度高、泛化能力强等特点，可当作复杂大系统建模的一种有效手段。     

一种新的模糊聚类神经网络及其在语音信号系统辨识中的应用

主要解决语音信号模型的系统辨识问题.针对过去的模糊聚类算法进行系统辨识时逼近性能不理想的问题,提出了一种新的模糊聚类神经网络(FCNN).该方法以模糊系统模型为基础,将每个状态看作一个模糊系统,用连续的若干序列作为系统的输入,利用改进的模糊聚类辨识算法构成一种新型的模糊聚类神经网络,对系统的输出进行预测.通过语音信号系统辨识的实验,验证了本网络的有效性.     

一种模糊模型辨识方法

本文提出了一种高精度的动态系统模糊模型的辨识方法。内容包括结构辨识和参数辨识。实际应用例子证明了该方法的有效性。     

一种RVM模糊模型辨识方法及在故障预报中的应用

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型, 通常难以建立精确的数学模型, 相比之下构建其模糊模型是一个有效途径. 本文研究了相关向量机(Relevance vector machine, RVM)与模糊推理系统(Fuzzy inference system, FIS)之间的内在联系, 证明了基于RVM的FIS具有一致逼近性, 并提出了一种基于RVM和梯度下降(Gradient descent, GD) 算法的模糊模型辨识方法. 基于所给出的模糊模型辨识方法提出了一种新的故障预报算法. 仿真结果表明所建立的模糊模型不仅结构更加简单, 而且能达到更高的预测精度, 所提出的故障预报算法能准确地预报系统故障.     

模糊规则在线提取及其在非线性系统辨识中的应用

提出一种从输入-输出数据提取模糊规则的新方法基于K-Nearest-Neighbor概念对输入-输出数据对进行预处理;利用竞争学习对输入空间自适应聚类;提取高斯基;在线调整规则库和模糊推理.将该方法应用于非线性系统辨识,仿真结果表明了它的有效性     

基于在线聚类的模糊建模方法及其应用

针对复杂非线性动态系统的模糊建模问题,提出了一种基于在线聚类的模糊建模方法。该方法首先采用在线聚类算法辨识T-S模型的前提参数,然后采用递推最小二乘算法辨识结论参数。根据系统过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新。最后将提出的方法应用于Box-Jenkin煤气炉建模和二自由度机器人建模两个例子。仿真结果表明,基于该方法辨识的T-S模糊模型具有很高的精度,而且模型结构简单、建模速度快,便于工程应用。     

基于T-S模糊模型的辨识算法

提出一种新的基于T－S模糊模型的辨识算法。该算法可分为2步,第1步是比较粗糙的辨识,按子空间的线性程度来划分输入空间,规则前件参数由于空间的中心和大小决定,规则后件线性参数由最小二乘法确定2步是模的精细调整,利用梯度下降法调节隶属函数和规则后件的线性参数,仿真实验说明了该算法的有效性。     

自适应模糊辨识中关于模糊最近邻聚类学习算法的一种改进

分析了一种基于模糊最近邻聚类的自适应模糊辨识方法,从模型简化的思想出发提出一种改进方法,并通过实例仿真证实了改进方法的优越性。最后引入Ｂｅｚｄｅｋ的聚类评价指标对两种聚类结果的有效性进行评判,从理论上证明了改进方法的优点及可靠性。     

基于模糊辨识方法的机械臂振动控制研究

为了抑制机器人等复杂结构的振动,提高复杂结构的振动控制精度,提出一种用于辨识机械臂连接结构的非线性模型在线辨识的模糊算法,并以此为基础研究了机械臂振动控制方法.该算法将非线性输入输出系统用时变线性系统模型来拟和,并把此模型表示成模糊模型的形式,用在线调节模糊模型的方法来辨识时变线性模型的相关参数.将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数,将此算法应用在两自由度柔性杆件的扭转振动的控制上,并设计相应的硬件控制系统,实验结果表明了此算法的有效性.将该算法应用于工程实践中,实际使用效果表明,此算法具有重要的工程应用价值.     

基于混合聚类算法的模糊函数系统辨识方法

针对传统模糊系统存在的结构难以确定和参数辨识复杂的问题,提出了一种基于混合聚类算法的模糊函数系统辨识算法.与一般的模糊函数系统相比,混合聚类算法结合模糊C均值和模糊C回归模型聚类算法的样本距离.在模型预测部分,采用高斯函数计算每个输入变量的隶属度,利用输入变量隶属度的模糊化算子得到输入向量的隶属度.应用于Box-Jenkins煤气炉数据、一个双入单出的非线性系统和Mackey-Glass混沌时间序列数据的试验结果表明,本文算法具有很好的辨识效果,从而验证了本文算法的有效性与实用性.     

基于正交最小二乘估计的非线性系统模糊辨识

提出了一种基于正交最小二乘的模糊模型结构和参数辨识方法．首先,基于正交最小二乘方法分析模糊模型的模糊关系矩阵．通过分析正交向量在模型中贡献的大小,确定模糊模型的结构,即确定模糊模型的规则数、规则．另外,再次通过正交最小二乘方法确定模糊模型的结论参数,实现模糊模型结构和参数的优化．为了证明该方法的有效性,采用该文方法对Box-Jenkins煤气炉数据系统进行建模研究,仿真结果表明该文方法能够对非线性系统进行辨识．     

基于模糊聚类和卡尔曼滤波方法的模糊辨识*

本文提出一种通用的基于模糊聚类和卡尔曼滤波方法的模糊辨识方法。模糊聚类方法在给定的广义目标下按线性簇对被辨识的样本数据进行聚类，这样使得被辨识模型可用基干局部线性模型表示，然后，利用卡尔曼滤波方法拟合这些线性模型。本文给出了详细的模糊辨识算法。为了验证该辨识方法的有效性，本文最后给出了熟知的Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果。     

非线性系统模糊辨识的新方法

提出一种新的基于T－S模型的模糊辨识方法,其特点是考虑了样本距离和“可线性化程度”两个因素,对模型的前后件参数同时辨识,提高了辨识精度,并提出规则“置信度”的概念,实现了辨识的结构自适应。将该辨识器用于一类非线性系统的模糊辨识,仿真结果验证了所提出方法的有效性。