递归T-S模糊模型的神经网络

在常规T-S模糊神经网络的基础上加入动态递归元件,提出了递归T-S模糊模型的神经网络。在系统辨识中采用无监督聚类算法和动态反向传播算法训练该递归神经网络的参数,给出了该递归网络的逼近性证明。辨识效果与常规T-S模糊模型作比较,说明递归T-S模糊模型的神经网络在非线性系统辨识中表现出更好的性能。     

基于T-S模糊神经网络的AGV轨迹跟踪研究

针对AGV在轨迹跟踪过程中出现的问题,通过对小车运动学模型进行分析,采用T-S模糊神经网络模型,设计了一种模糊神经网络控制器,利用Matlab软件进行仿真,并与普通PID控制器进行对比。仿真结果表明:基于T-S的模糊神经网络控制器提高了AGV小车运行的稳定性和鲁棒性,优于普通控制算法。     

基于T-S模糊神经网络的Hammerstein模型预测控制

针对化工生产过程中强非线性、大滞后、时变特点的复杂特性,提出了一种基于T-S模糊神经网络的Hammerstein模型动态矩阵预测控制方法。采用非线性控制分离策略,应用动态矩阵控制算法计算该模型动态线性部分的中间变量,作为T-S模糊神经网络的输入,进而通过T-S模糊神经网络逆映射出控制量,以实现基于T-S模糊神经网络的Hammerstein模型预测控制。pH中和过程的仿真控制实验表明,所提方法明显优于传统的PID控制方法,具有良好的设定值跟踪及抗干扰效果。     

基于T-S模糊神经网络模型的Co-WC复合镀层磨损量的预测

在高速钢(W18Cr4V基体上)表面,运用脉冲电沉积技术制取Co-WC镀层。建立T-S模糊神经网络模型预测镀层磨损量。利用SEM以及XRD研究镀层形貌及物相组成。试验表明:T-S模型的模糊神经网络能较好的预测Co-WC复合镀层磨损量。当WC粒子含量30 g/L、施镀温度50℃、电流密度3.5 A·dm~(-2)、pH值5、搅拌速率500 r·min~(-1),稀土CeO_2含量10 g/L,Co-WC复合镀层表面平整,晶粒细化,改善了Co-WC复合镀层的性能。     

地表水质分析及方法比较

在水质评价过程中,水环境质量等级之间存在非线性关系,这给水质评价工作带来难度。针对此,以某地地表水质作为研究对象,对单因子分析法、离散Hopfield神经网络模型和T-S模糊神经网络模型3种水质评价方法进行分析比较。仿真结果表明:模糊神经网络算法结合了神经网络系统和模糊系统的优势,集学习、联想、识别与信息处理于一体,评价结果稳定、合理,优于离散Hopfield神经网络模型,非常适合对于此类问题的研究;而单因子分析法存在一定的局限性。     

基于NARX神经网络的工业水质智能处理

针对工业循环冷却水出现的腐蚀与结垢对管道设备的影响,从国内石化公司提取了相关的水质和工艺数据,对数据进行动态主成分分析处理后得出对水质腐蚀及结垢影响较大的6种因素,同时基于非线性自回归模型(NARX)神经网络和模糊逻辑控制方法建立腐蚀速率和黏附速率预测模型,并设计了工业循环水智能决策系统软件。该软件不仅能对水质腐蚀速率及黏附速率进行预测,还能根据预测结果给出相应的处理意见,经实际运行,缩短了运行预测周期,提高了运行效率。     

工业循环冷却水腐蚀速率模型的研究

循环冷却水在工业生产中占有很大比重,而腐蚀是循环冷却水系统中常见的水质故障,严重影响工业生产中设备的运行。通过对某石化公司水质数据的分析,选取对腐蚀速率影响较大的水质参数,凭借神经网络良好的非线性能力,基于NARX神经网络建立了腐蚀速率预测模型。利用该模型对循环冷却水系统腐蚀速率进行预测,结果较好,说明该模型可行,且具有良好的应用前景。     

常减压装置腐蚀速率的灰色组合预测模型

石化企业中的炼化装置结构复杂,影响因素众多,设备腐蚀程度难以控制,采用建立腐蚀预测模型的方法成为常减压装置腐蚀研究的新趋势。论文对灰色GM(1,1)模型和神经网络模型进行了分析,在此基础上使用一种复合灰色和神经网络的组合模型对设备腐蚀速率进行预测。实例检验表明,组合模型的预测值比灰色模型更接近实测值,具有推广价值。     

循环冷却水系统腐蚀速率的预测模型

通过对某石化公司循环冷却水系统生产运行数据的分析,选取了对腐蚀速率影响较大的水质参数,借助神经网络良好的非线性能力,基于BP神经网络建立了腐蚀速率的预测模型.利用该模型对循环冷却水系统一定周期腐蚀速率的预测结果较好.     

一种T-S模型的建模方法及医学应用的研究

为了优化中医证候诊断模型,为中医证候诊断标准提供可行性方法,利用自适应模糊理论的算法辨识RBF神经网络的前件参数向量及后件参数向量,并用2-型糖尿病文献数据库验证该方法的有效性和合理性,最终建立一个拥有29个模糊规则和相应的隶属函数参数值矩阵及输出层的权矩阵(即线性方程的系数矩阵)的T-S模型。通过模型检验,证候诊断模型判准率和训练速度均较BP网络模型有较大改善,证明这种T-S模型可用于证候诊断标准。     

徐深气田CO_2腐蚀速率预测方法研究

通过室内CO2腐蚀模拟实验获得实验数据,利用灰色理论对CO2腐蚀参数进行分析确定CO2腐蚀的主要影响因素,建立BP神经网络腐蚀速率预测模型,利用主要影响因素进行网络训练。利用此模型预测徐深气田某井的腐蚀剖面,预测结果表明：BP神经网络预测结果与气井实验结果接近,体现了BP神经网络在处理非线性数据方面的优越性。灰色理论、神经网络预测模型的研究对于徐深气田CO2腐蚀研究有一定的指导意义。     

基于Niche GA的BP神经网络评价天然气集输管道腐蚀

建立了天然气管道腐蚀预测的基于BP神经网络模型,并采用小生境遗传算法对该模型进行优化,将该优化模型应用于四川气田某集输管道的腐蚀速率的评价。结果表明,该模型的评价结果误差小,可以用于现场管道的腐蚀决策。     

加热炉炉温的模糊广义预测控制仿真研究

针对加热炉炉温的大惯性、大滞后及非线性等特点,提出一种基于T-S模糊模型的模糊广义预测控制策略。T-S模糊模型的前件和后件参数分别采用粒子群优化的模糊C-均值算法和递推最小二乘法辨识,根据输入变量更新模型隶属度并将T-S模糊模型等价转换为线性模型,以此作为预测模型应用于广义预测控制。仿真结果表明:该方法在不同工况下均具有较短的调节时间,在扰动作用下有很强的鲁棒性。     

基于小波神经网络预测多相动态管道腐蚀速率

利用小波神经网络模型预测多相动态环境下油气集输管道腐蚀速率。首先通过室内多相动态腐蚀实验,获得了不同工况条件下的挂片腐蚀速率,用于训练和检验小波神经网络预测模型,然后利用多因子方差分析研究了温度、压力、流率、硫化氢含量、二氧化碳含量、溶解氧含量、含水率、盐含量和pH对腐蚀速率的影响程度,实现了各因素的有效性筛选,最后在确定隐含层节点数基础上通过训练、测试建立起适宜的小波神经网络预测模型,并进一步验证了模型可靠性。结果表明：除了压力外,各因素对腐蚀速率均有十分显著的影响,属于有效输入信号。当隐含层节点数为17时,8-17-1型小波神经网络结构表现出良好的准确性和稳定性。利用Levenberg Marquardt优化算法对模型进行了反复训练,直至其均方根误差小于容许收敛误差限0.001,预测值与实际值近似呈线性关系,训练、测试阶段决定系数分别为0.9992、0.9967,相关性较高,模型预测值和验证值亦不存在显著差异。因此小波神经网络预测模型对多相动态环境下油气集输管道腐蚀速率具有良好的预测能力。     

基于ASO-BP神经网络的海底油气管道腐蚀速率预测

随着我国海洋油气管网的发展与建设,管道数据采集量随之增大,优秀的预测模型可以应对大量数据,准确预测管道腐蚀速率,对保障管道安全健康运行具有重大意义。将原子搜索优化算法（ASO）思想引入BP （Back propagation）神经网络,构建ASO-BP神经网络用于海底油气管道腐蚀速率的预测。以50组现场数据为例,使用Matlab进行模拟仿真计算,分别构建具有代表性的BP、GA-BP和ACO-BP模型作为对比,对海底油气管道腐蚀速率数据进行训练和预测,结果表明ASO-BP模型预测精度较高,其平均绝对百分比误差（MAPE）为3.16%,预测结果优于BP、GA-BP和ACO-BP,验证了其可靠性以及良好的预测性能,为海底管道腐蚀速率预测研究提供了新的方法和思路。     

基于SOTSFNN的溶解氧浓度控制方法

针对污水处理过程溶解氧浓度难以控制的问题,提出了一种基于自组织T-S模糊神经网络的控制方法。其实质是采用模糊规则层激活强度的方法,根据实际环境自适应的对神经元进行调整,构造合适的控制结构,从而提高控制精度。同时采用梯度下降法对控制器的各个参数进行实时调整。该控制器运用在污水处理基准仿真模型中进行实验,结果表明,提出的SO-TSFNN控制方法能够较好地实现对溶解氧浓度的控制,具有较好的自适应性。     

基于人工鱼群优化的锅炉汽包水位模糊预测

介绍火电厂锅炉汽包水位在实际生产中的工作特点,将人工鱼群优化滚动、优化策略的广义预测控制算法和T-S模糊模型应用于汽包水位建模中,并将其作为广义预测控制的预测模型,研究基于模糊T-S模型的广义预测控制算法在汽包液位控制系统中的应用。在MATLAB仿真环境下对其控制效果和性能进行分析。     

基于神经网络的预分解窑系统分解炉出口温度建模

在对水泥预分解窑系统的结构与工艺流程进行分析的基础上,分别利用BP神经网络、模糊神经网络和改进的遗传算法神经网络建立预分解窑系统分解炉出口温度控制模型。通过对仿真结果的对比分析,发现改进的遗传算法神经网络具有更好的温度控制精度和准确度。     

基于BP神经网络的油气长输管道土壤腐蚀性预测

基于BP神经网络原理,综合考虑六类土壤腐蚀指标(土壤电阻率、土壤含水量、氧化还原电位、氯离子含量、硫酸根离子含量和p H值),建立了一种土壤腐蚀速率的预测方法。基于这种方法,依据某油田的现场土壤数据,借助MATLAB神经网络工具箱建立了这一地区的土壤腐蚀性预测的BP神经网络模型。训练和预测结果表明:训练的腐蚀速率最大误差为-1.5%,预测的腐蚀速率最大误差为8%。由此可见,基于BP神经网络的土壤腐蚀性预测方法具有较好的预测精度,对油气管道的安全运行具有重要的意义。     

基于T-S模糊模型的间歇过程的迭代学习容错控制

间歇过程不仅具有强非线性,同时还会受到诸如执行器等故障影响,研究非线性间歇过程在具有故障的情况下依然稳定运行至关重要。针对执行器增益故障及系统所具有的强非线性,提出一种新的基于间歇过程的T-S模糊模型的复合迭代学习容错控制方法。首先根据间歇过程的非线性模型,利用扇区非线性方法建立其T-S模糊故障模型,再利用间歇过程的二维特性与重复特性,在2D系统理论框架内,设计2D复合ILC容错控制器,进而构建此T-S模糊模型的等价二维Rosser模型,接着利用Lyapunov方法给出系统稳定充分条件并求解控制器增益。针对强非线性的连续搅拌釜进行仿真,结果表明所提出方法具有可行性与有效性。