基于ANFIS控制的无刷直流电机转速问题

无刷直流电机（BLDCM）因具有效率高、体积小等优点而被广泛应用于工业控制各个领域。但采用传统PID控制的电机调速器难以满足精准调速需求,所以针对BLDCM调速问题,结合PID控制设计TS模糊PID控制,且在此基础上设计了自适应模糊神经网络（ANFIS）控制。在MATLAB环境下建立BLDCM仿真模型进行仿真试验。试验结果表明,ANFIS控制器的控制性能相比于PID控制和TS模糊控制,具有响应速度快、控制精度高等优点。     

基于神经网络的模糊控制在变电站综合控制中的应用

针对目前变电站电压 无功综合控制存在的不足 ,将基于神经网络的模糊控制应用于传统的系统分区 ,充分利用模糊控制与神经网络的各自优势 ,进行基于模糊无功边界的综合控制 ,有效减少了有载分接头调节次数 ,提高了系统的调节性能和电压质量。     

基于神经网络的模糊控制在变电站综合控制中的应用

针对目前变电站电压/无功综合控制存在的不足,将基于神经网络的模糊控制应用于传统的系统分区,充分利用模糊控制与神经网络的各自优势,进行基于模糊无功边界的综合控制,有效减少了有载分接头调节次数,提高了系统的调节性能和电压质量.     

基于改进型ANFIS的矿用空压机故障诊断系统

考虑到矿用空压机在长期运行过程中容易由多种因素复合共同作用而出现各种故障,且产生故障的原因和故障之间表现出非线性关系难以用数学模型表达等问题,建立基于改进型自适应神经模糊推理系统的故障诊断系统。该系统采用附加动量算法不断修正自适应神经模糊推理系统中的前题参数以避免采用梯度下降算法时易陷入局部极小,训练速度较慢等缺点,提高系统的忽略网络中微小变化的能力。为了验证该故障诊断系统的性能,将其与基于BP神经网络的故障诊断系统相比较。分析与实验结果表明,改进型ANFIS模型的诊断输出与实际情况完全相符,最大误差为13.7%,最小误差为0.17%,其诊断准确度达到95.85%,在训练速度、误差精度以及收敛性等方面,其性能优于BP神经网络。     

基于核自适应滤波的多操纵面飞机多模型舵面故障诊断

针对多模型自适应估计方法中精确的飞机数学模型难以获得和模型存在非线性等问题,引入核自适应滤波器(KAF)替换卡尔曼滤波器,提出了一种新的多模型自适应估计故障诊断方法。通过核方法将复杂的非线性系统映射到高维特征空间中,在该空间中设计线性自适应滤波器,无需预先知道精确的飞机数学模型,通过控制输入信号和姿态输出信号的训练数据训练核自适应滤波器,进而在线估计飞机的飞行状态,完成飞机舵面的故障检测与隔离。扩展了KAF的使用范围,改进了传统的状态估计故障诊断方法。研究成果可为降低飞机因舵面故障而引起的事故,提高飞机的生存性提供理论和技术支撑,具有一定的军事意义和良好的应用价值。     

模糊神经网络控制在直流电机控制中的应用

利用神经网络实现对直流电机调速系统的模糊控制，仿真结果表明，该控制方法具有很强的自学习和抗干扰能力，当突加、减负载时，神经网络模糊控制与PID控制相比较，具有恢复时间短，超调和振荡小等特点。     

神经网络在工程控制中的应用

介绍了目前工程控制中常用的几种神经网络模型：BP网络、径向基网络、动态反馈网络及其相应的学习算法；重点分析了神经网络与反馈控制、自适应控制、模糊控制、模式识别等相结合的典型形式，及其相应的工作机理；并指出了今后的可能发展方向。     

ANFIS在短期负荷预测中的应用

为使负荷预测更精确,鉴于预测对象的不确定性和非线性,采用ANFIS预测电力系统短期负荷。ANFIS将模糊理论与神经网络融合,利用神经网络实现系统的模糊逻辑推理,采用混合学习算法调整前提参数和结论参数,自动产生模糊规则。该系统具有非线性映射和自学习能力,不基于数学模型,用独特的空间分层方法建立若干模糊推理系统,依靠专家经验获取控制信息,能用于负荷预测的非线性建模,获取负荷数据的最佳估计,克服数据处理过程中存在的不确定性和不完备性。所用ANFIS模型为2输出1输入5层1阶Sugeuo模糊系统。利用某局网负荷数据训练和检测ANFIS网络模型后预测负荷,结果表明该算法鲁棒性好,抗干扰能力强,能有效补偿对象的大纯滞后。     

基于两种不同算法的ANFIS在非线性系统中的建模

将BP算法与HYBRID算法分别用于一个典型非线性系统的自适应神经模糊推理系统(ANFIS建模,通过比较发现,HYBRID学习算法的精度比BP算法高得多。     

基于ANFIS的过热汽温控制系统研究

提出一种新型的过热汽温控制方案,主控制器基于自适应神经网络模糊推理系统(ANFIS)进行设计。利用MATLAB的专用工具箱,对所设计的控制系统进行了大量的仿真实验,并与传统的PID控制方法相比较。结果表明,本系统的控制性能明显优于传统的PID控制。     

基于ANFIS的带材纠偏控制

带材纠偏控制系统（Edge Position Contorl,简称ECP）是带材生产线上磬不可少的重要控制系统。针对带材纠偏过程的不确定性,建立了以ANFIS为基础的带材纠偏的预测控制,仿真结果显示,该自适应神经模糊控制器具有较高的控制精度,控制效果较好。     

基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法

针对实时电价对短期负荷的影响,建立了径向基（RBF）神经网络和自适应神经网络模糊系统（ANFIS）相结合的短期负荷预测模型.该模型利用RBF神经网络的非线性逼近能力对不考虑电价因素的预测日负荷进行了预测,并根据近期实时电价的变化,应用ANFIS系统对RBF神经网络的负荷预测结果进行修正,以使固定电价时代的预测方法在电价敏感环境下也能达到较好的预测精度,克服了神经网络在电力市场下进行负荷预测时存在的不足.某电网实际预测结果表明,该方法具有较好的预测效果.     

基于T-S模型的自适应神经模糊推理系统及其在热工过程建模中的应用

在工业热工过程控制中,被控对象动态特性往往表现出非线性、时变性、大迟延和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达热工过程及实施整体优化控制。针对热工过程建模难的现状,为达到建立精确非线性模型的目的,提出1种基于T-S模型的自适应神经模糊系统(ANFIS)模糊建模方法。该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的。仿真结果验证了所提出的算法的有效性,将其应用到热工过程建模中可获得高精度的非线性模型。     

基于ANFIS控制的交流变频调速系统研究与仿真

交流电动机是一个多变量、非线性对象,其静态和动态特性以及控制较之直流电动机要复杂得多。针对交流电动机矢量控制系统因电机参数变化和负载波动等因素而使性能变差的问题,设计了一种基于改进算法的自适应神经模糊推理系统（ANFIS）的交流电动机矢量控制系统速度调节器。仿真实验结果表明,使用自适应神经网络的模糊推理系统控制的异步电机矢量控制系统不仅提高了动态和稳态性能,而且具有较强的鲁棒性。     

永磁同步电机的自适应神经模糊推理控制研究

针对如何提高永磁同步电机控制系统的性能,设计了一种新型的自适应神经模糊( ANFIS)速度控制器,其充分利用神经网络的学习能力与映射能力,实现模糊系统的自学习、自适应功能.对采用这种控制器的永磁同步电机(PMSM)矢量控制系统进行了仿真研究,并分析了仿真波形.控制效果较传统PID控制而言,不仅响应速度快、超调小,而且稳...