改进模糊神经网络的自主导向车路径规划

自主导向车(AGV)在工业中得到广泛的应用,包括机械加工、原料及产品运输和冶金自动化等.在AGV路径规划中,为弥补传统模糊神经网络的不足,提出了补偿模糊神经网络算法;依据碰撞危险度的概念,为该网络制定一个折中的方案.最后给出了有静态和动态障碍物的环境中路径规划的仿真,验证了该算法提高收敛速度的有效性和避障的可行性.     

矿区废弃地移动机器人全覆盖路径规划

矿区废弃地为室外大型非结构化环境,包含多种类型的障碍物且存在诸多不确定性因素,给移动机器人全覆盖路径规划造成了极大的困难。本文使用牛耕式单元分解法结合生物激励神经网络算法完成移动机器人对矿区废弃地的全覆盖路径规划。首先,针对矿区废弃地已知环境,采用牛耕式单元分解法对复杂环境做出区域分解,将具有综合复杂性的地图分解为多个不含障碍物的子区域;然后,根据子区域的邻接关系构建无向图,采用深度优先搜索算法确定子区域间的转移顺序;最后,采用生物激励神经网络算法确定子区域内部行走方式以及子区域间路径转移。仿真结果表明,生物激励神经网络算法在解决机器人路径转移问题方面比其他路径规划算法更高效,所得的方法能够处理复杂的非结构化环境,完成废弃矿区移动机器人的覆盖路径规划。      

FALCON模糊神经网络及其在铝电解槽阳极效应预报中的应用

FALCON(Fuzzy Adaptive Learning CONtrol Network)模糊神经网络是一种结合模糊理论和神经网络技术而成的人工神经网络模型,可应用于模式识别和故障预测等领域,尤其是在铝电解工业中,FALCON模糊神经网络能够有效地对铝电解槽的阳极效应进行预报.本文研究了FALCON模糊神经网络结构及其算法,并将其用于铝电解槽的工作状态监测和预报.     

基于Kohonen网络的模糊诊断技术在钢管材质分检中的应用

介绍了钢管材质计算机在线分检系统的有关算法与应用 ,并用生产数据对统计分析和基于Kohonen神经网络聚类的模糊诊断的分选结果进行了分析与比较 ,指出了智能化分检方法涉及的问题和应用前景。介绍了钢管材质计算机在线分检系统的有关算法与应用 ,并用生产数据对统计分析和基于Kohonen神经网络聚类的模糊诊断的分选结果进行了分析与比较 ,指出了智能化分检方法涉及的问题和应用前景。     

虚拟人群仿真的路径规划新算法

提出了一种用于虚拟人群仿真的路径规划新算法.该算法由全局路径规划模块和局部避碰模块组成.全局路径规划模块利用具有最短距离约束的Delaunay三角形方法分割虚拟环境,并由具有距离信息的单元入口图进行表示;局部避碰模块利用相互速度障碍物方法,并加入了停止规则.实验结果表明:通过对具有距离信息的单元入口图的遍历可获得并存储具有最短距离值的路径,个体通过查询该图即可获得有效全局疏散路径从而实现全局导航;相互速度障碍物方法实现了虚拟人之间,虚拟人与静态障碍物之间的避碰,而停止规则的运用彻底消除了抖动现象.该路径规划新算法实时模拟了人群疏散的运动过程,较真实地再现了疏散特性.     

基于模糊神经网络的地图匹配算法

提出了基于模糊神经网络的新的地图匹配算法.该算法综合了数字道路信息和GPS/DR定位信息,提取两个重要参数作为输入变量,即定位点到候选路段的投影距离及定位航向与候选路段方位角差.设计出了四层模糊神经网络及改进的收敛学习规则.实验结果表明所提出的算法能很好地匹配车辆行驶路段位置.      

基于神经网络的港口运输优化方法

通过Ｒ＋＾ｎ（ｎ维正实空间）上的神经网络算法对港口运输的最佳运输路线进行了优化计算,仿真结果证明是正确的。此算法表明,基于神经网络的优化计算方法对于其它的数学规划也是可行的,从而开避了优化求解的新途径。     

锌锭智能搬运AGV路径规划技术研究与仿真应用

本文以北矿机电科技有限责任公司研制的锌锭智能搬运AGV为研究对象,对路径规划技术进行了研究与仿真应用。首先基于格栅法结合现场工作环境进行建模,然后提出了一种基于改进蚁群算法的路径规划方法,并进行了仿真验证。结果表明:该方法在AGV路径规划领域有着更高的搜索效率,能显著提升收敛速度。该方法在工程实践领域具有广阔的应用前景。     

基于深度强化学习技术的变电站巡检机器人的路径规划研究

由于机器人的路径规划能力强弱决定着变电站巡检机器人的作业质量,针对当前的变电站巡检机器人路径规划误差大、效率低下的问题,设计了改进型卷积神经网络GNN与Q网络相结合的高效规划路径巡检机器人.解决巡检机器人在复杂环境下克服运动路径规划中遇到的障碍,提高变电站巡检机器人的工作效率.使用深度强化学习技术以提高机器人在巡检环境...     

基于模型迁移方法的回转窑煅烧带温度软测量

回转窑的煅烧带温度是其控制过程中一个非常重要的参数,但煅烧带温度难以直接获取并且缺少大量的实测数据进行软测量.为了在数据较少的情况下获得准确的软测量模型,并考虑到窑头温度与煅烧温度的相似性,引入了基于过程相似性进行模型迁移的方法(PMBPS),首先采用混沌混合学习算法训练T-S模糊神经网络,对具有大量准确测量值的窑头温度建模,然后用PMBPS算法对窑头温度模型进行规划修正,获得煅烧带温度的软测量模型.仿真验证了所提出的软测量建模方法的有效性.     

基于神经网络模糊推理的智能厚度控制

针对板带材轧制过程是一个复的非线性过程、难以建立精确数学模型的特点,提出了厚度自动控制神经网络模糊智能方法,设计了输入为“编码”的神经网络模糊控制器。通过仿真证明了神经网络模糊控制的可行性,其控制精度优于常规方法。     

基于模糊聚类的模糊神经网络的系统辨识

本文采用基于模糊聚类的模糊神经网络模型对系统进行辨识,首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经网络来调整模型的前件参数和后件参数。用此设计方法对函数逼近问题进行仿真,结果表明利用聚类技术可以获得较好的初始值,学习速度快、建模精度高。     

高炉铁水温度的多元时间序列建模和预测

针对高炉炉温铁水硅含量为预测对象的不确定性和高炉炉温单变量时间序列模型所含炉温输入信息量少、难以揭示各个变量之间的相互关系及变化规律的特点,以高炉铁水温度为研究对象,建立BP神经网络多元时间序列模型和T-S模糊神经网络多元时间序列模型。应用高炉实际数据做模型检验,结果表明,T-S模糊神经网络多元时间序列模型取得更好的命中率和预测精度。     

基于模糊滑模方法的不确定机器人神经网络控制

针对不确定机器人轨迹跟踪控制,提出了基于模糊滑模方法下的神经网络自适应控制,其中RBF神经网络集中补偿系统的不确定性,利用带边界层滑模变结构方法消除了神经网络的逼近误差,并通过模糊方法动态确定边界层宽度,很好的解决了滑模控制中的抖振现象。仿真实例表明,该控制律能保证误差的快速收敛性及对参数不确定性和外部扰动的鲁棒性。     

Thickness and Shape Synthetical Adjustment for DC Mill Based on Dynamic Nerve-Fuzzy Control

Due to the complexity of thickness and shape synthetical adjustment system and the difficulties to build a mathematical model, a thickness and shape synthetical adjustment scheme on DC mill based on dynamic nerve-fuzzy control was put forward, and a self-organizing fuzzy control model was established. The structure of the network can be optimized dynamically. In the course of studying, the network can automatically adjust its structure based on the specific questions and make its structure the optimal. The input and output of the network are fuzzy sets, and the trained network can complete the composite relation, the fuzzy inference. For decreasing the off-line training time of BP network, the fuzzy sets are encoded. The simulation results indicate that the self-organizing fuzzy control based on dynamic neural network is better than traditional decoupling PID control.     

基于T-S模糊神经网络模型的高炉铁水温度预测建模

 针对高炉炉温与铁水硅含量呈正相关而非严格的线性关系和机制建模的主观性以及其难以建立各变量之间隐含的数学关系等的不足,在数据挖掘理论的基础上,对海量的样本数据进行预处理和特征提取,然后以高炉铁水温度为研究对象,建立了基于T-S模糊神经网络的高炉铁水温度预测模型。最后,应用某高炉数据进行模型验证,并将该模型与T-S模糊多元回归模型以及BP神经网络模型进行比较研究,仿真结果表明T-S模糊神经网络模型的有效性和优越性。     

模式识别在电解铝生产过程故障诊断中的应用

为了提高电解铝生产过程的安全性和可靠性,将模糊理论和神经网络的模式识别方法应用到电解铝生产过程故障诊断中,使用模糊隶属度函数计算并归一化系统状态数据,获得数据隶属异常态的值,再将计算后的值输人至神经网络进行故障诊断,实现电解铝生产的故障诊断与报警,以提高生产过程的智能化水平。最后通过仿真实验,验证了上述诊断方法的有效性和准确性。     

一种基于模糊神经网络FNN在加热炉温度控制中的应用

从实际出发,以昆明钢铁集团公司中板厂加热炉为研究对象,对具有时变性、非线性、模糊性的随机过程进行了研究。着重研究了神经网络与模糊系统融合的可行性及融合方式,采用了一种新型的智能控制方案——模糊神经网络控制。对提出的模糊神经网络控制算法进行了仿真试验,仿真结果表明,对比PID控制和自整定PID控制,采用本文所提出的模糊神经网络控制算法对加热炉进行控制,具有推理速度快,跟踪性能好,抗干扰能力强的优点,它完全能够满足工业生产需要,具有较强的可行性和实用性。     

基于模糊神经解耦控制的板型板厚控制系统仿真

面对板型板厚控制这一复杂、多变量耦合的非线性系统,本文提出了一种两级串联结构的模糊神经网络解耦控制策略,前级为自调整模糊控制器,后级为基于动态耦合特性的自适应神经网络解耦控制器,并从理论上证明了学习算法的收敛性。实现了无模型板型板厚综合控制。仿真结果表明,该控制系统收敛性好、抗干扰性强,取得令人满意的板型板厚控制精度。     

小波模糊神经网络在高炉炉温预测中的应用

在运用模糊神经网络进行预测的基础上,建立了一种应用小波理论对时间信号进行去噪,根据去噪处理对模糊神经网络作相应处理的预测模型,并将所建模型应用于高炉炉温预测。仿真结果证明小波模糊神经网络比模糊神经网络更具优越性,预测准确率明显提高。