永磁同步电机的模糊混沌神经网络建模

采用模糊混沌神经网络建立了具有混沌特性的永磁同步电机(PMSM)模型。永磁同步电机在一定工作情况下呈现混沌运动，根据PMSM的数学模型得出其混沌特性曲线。将混沌神经网络与模糊理论相结合设计出协作型模糊混沌神经网络，并据此网络建立了永磁同步电机的模糊混沌神经网络结构模型，该模型在结构上为神经网络，具有混沌特性，在功能上是模糊系统；确定了模型的输出函数，并推导了模型的学习算法，仿真结果表明永磁同步电机的模糊混沌神经网络模型与原系统是等价的。     

动态模糊神经网络在大坝变形预报中的应用

针对静态模糊神经网络的局限性，提出了在线动态建模的模糊神经网络方法。当新增样本进入训练集之后，根据新样本对模型的贡献大小，在已有模型的基础上进行动态修正，这样可以减少建模的计算时间。新方法实现了增加样本而矩阵阶数不增加，避免了矩阵求逆运算，理论上可以提高计算效率。实例表明动态模糊神经网络方法是可行的，可实现持久预报，具有较强的适应能力和较高的预报精度，可应用于在线实时变形预报及相关领域。     

基于混沌神经网络的配电网无功优化

利用混沌人工神经网络对配电网中无功进行优化,模拟配电网中的“痛点”,即无功配置不合理的线路,反应给神经元,令神经元输出“痛感”,因此根据“痛点”找到无功配置不合理的线路,重新分配无功,直到实现配电网无功优化配置.经对IEEE30节点的配电网实例的计算,验证了该方法的有效性,更适应智能电网的要求.     

改进模糊神经网络模型及其在大坝监测中的应用

鉴于传统模糊神经网络计算繁琐、模型精度较低、难以收敛等问题，在大坝位移的监测数据分析中应用改进的模糊神经网络及改进的反向传播（BP）网络算法，并建立了相应的网络模型。大量的数据分析计算表明，该模型收敛快，且精度优于常规的模糊神经网络和传统的统计模型。     

基于混沌神经网络模型的电力系统混沌预测与控制

由于电力系统的日趋复杂和庞大，电力系统除了因负阻尼引起的低频振荡外，还存在PSS不能消除的混沌振荡的危机。为及早判断和抑制电力系统的混沌振荡，提高电力系统稳定性，根据电力系统的负荷时间序列重构吸引子相空间，计算相空间饱和嵌入维数和最大Lyapunov指数，并以此为指导，建立混沌神经网络预测模型，该模型即便在电力系统负荷含有部分坏数据输入的情况下，仍能对电力系统的混沌特性进行精确地判断和预测。如果判断出系统存在混沌现象，则设计模糊神经网络预测控制器，实现了对电力系统混沌振荡的预测控制。仿真结果表明，该方案对抑制电力系统混沌振荡具有显著效果。     

基于混沌优化的交流调速系统控制研究

针对交流调速系统高精度、快响应的要求,提出了基于模拟退火策略的混沌优化算法的模糊神经网络控制方案。采用混沌粗搜索与细搜索相结合的优化策略,对模糊神经网络控制器中的参数进行搜索和优化,给出了具体设计方法和优化步骤。仿真与实验结果表明,该控制方法用于交流调速系统具有无振荡、无超调以及较高的精度和较强的鲁棒性、抗干扰能力等优点。     

基于遗传单纯形神经网络的大坝变形监控模型

本文针对遗传算法局部搜索能力差的缺陷,把单纯形法嵌入到遗传算法中构成复合遗传算法,建立了基于遗传单纯形神经网络的大坝变形监控模型。实例研究表明,该模型较遗传神经网络模型、BP模型收敛性能好,具有较高的预报精度、较快的训练速度和较强的泛化能力,用于大坝变形预测有效可行,具有良好的应用前景。     

基于模糊规则推理的大坝安全监测变形预测模型

研究了将模糊规则推理和粗糙集理论相结合建立大坝安全监测变形预测模型的新方法。该 方法采用粗糙集理论对原始监测样本数据进行离散,根据离散结果确定模糊推理规则,并通过对规 则的模糊推理建立大坝安全监测变形预测模型。实例分析表明,该模型在大坝变形影响因素重要 性评价和非确定性测值预测方面取得了满意的结果。     

基于遗传规划模型的大坝变形监测预测模型

研究了基于遗传规划（GP）理论的大坝变形监测数学模型的建模方法。通过与回归分析模型和BP神经网络模型的拟合精度及预测效果的比较，证明GP模型有更高的拟合精度和更好的预测效果，为大坝变形监测数据处理开辟了一条新的途径。     

模糊电力系统稳定器的混沌优化方法

将混沌优化方法应用于模糊电力系统稳定器的参数设计,从而避免了设计过程中大量的参数调试工作,同时也使模糊电力系统稳定器获得最佳的控制性能。仿真结果表明,混沌优化方法结构简单、寻优速度快,基于混沌优化的模糊电力系统稳定器对各种扰动均有较好的响应特性。     

基于BP神经网络的拱坝温度监测数据预测模型

实时监控拱坝的温度对工程进度和坝体安全具有重要意义。以白莲崖碾压混凝土拱坝温度监测数据为研究对象,建立基于MATLAB的拱坝温度监测反向传播（BP）神经网络预测模型,用原型观测数据对其进行校核和检验,并引入灰色理论中的GM（1,1）模型、混沌模型（最大Lyapunov指数法）与预测结果进行比较。结果证明,用人工神经网络建立坝体变形的神经网络模型对大坝变形能够进行较高精度的预测,具有良好的应用前景。     

基于模糊神经网络的二自由度内模控制

针对工业控制领域具有代表性的过程控制对象,设计了一种二自由度内模控制器,可以同时独立地调节日标值跟踪特性、干扰抑制特性和鲁棒性.并提出了一种基于模糊神经网络的二自由度内模控制参数在线智能整定方法.理论分析和仿真结果表明,所提出的方法设计简单、参数凋整方便,可以使系统同时具有良好的目标值跟踪特性、干扰抑制特性和鲁棒性.     

混沌神经网络在转子碰摩故障诊断中的应用

大量研究表明,转子碰摩故障现象具有丰富的非线性特征。提出了一种新的基于模拟退火策略的混沌神经网络模型,并结合变尺度混沌优化方法,将其应用于转子碰摩故障的诊断。仿真试验表明:该模型具有较高的预测精度,可有效地识别这些相似故障模式,对于旋转机械重大事故的预防具有积极作用。     

混沌神经网络在转子碰摩故障诊断中的应用

大量研究表明，转子碰摩故障现象具有丰富的非线性特征。提出了一种新的基于模拟退火策略的混沌神经网络模型，并结合变尺度混沌优化方法，将其应用于转子碰摩故障的诊断。仿真试验表明：该模型具有较高的预测精度，可有效地识别这些相似故障模式，对于旋转机械重大事故的预防具有积极作用。     

神经网络模糊控制在烟叶发酵过程中的应用

针对烟叶发酵过程中大时延、非线性、分布参数及干扰,将神经网络与模糊控制结合,利用神经网络特有的自学习能力,去修正模糊控制规则,提出神经网络模糊控制器,采用最优梯度速降算法,加速学习速度。通过烟叶发酵过程的控制,表明控制性能优于一般模糊控制,且适用范围广。     

变权组合预测模型在大坝安全监测中的应用

简要介绍了组合预测模型的基本原理，该模型改进了单一模型考虑因素的片面性，但常规的组合预测模型的权系数是固定的。考虑到各种模型的预测精度的变化，以及大坝安全监测数据存在的突变、时效等因素，固定权系数的组合预测模型有待进一步改进。文中提出了变权系数组合预测模型，并将其用于实际的大坝安全监测工程。结果表明，变权组合预测模型的预报精度高于其他模型，是一种值得推广的方法。