基于ANFIS的海底采矿车行走控制

针对海底钴结壳采矿车在采矿过程中越过复杂地形时会产生偏离预定路径的问题,提出一种基于ANFIS的海底采矿车直线路径跟踪控制方法,根据训练数据,设计模糊神经网络路径控制器,从而避免专家系统知识库难以获取和精确数学模型难以建立的困难.在此基础上,建立内环采用PID速度控制和外环采用ANFIS控制的机电直线路径行走控制模型,...     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础,对非线性系统进行辨识是当前的难点;文献[1]提出了用模糊建模方法,文献[2]提出了用神经网络方法,在总结上述方法不足的基础上,该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法,仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。     

基于GA的ANFIS在函数拟合中的应用

本文介绍了一种遗传算法(CA)优化自适应神经模糊推理系统(ANFIS)的方法,并采用基于GA优化ANFIS方法,拟合非线性多峰函数,同时分析了这种方法的拟合能力和预测能力.实验结果表明,加入GA优化后的ANFIS具有更加优秀的拟合能力和预测能力,更适合于用来建立复杂参数问的非线性映射关系.     

基于ANFIS的刀具磨损预测

自适应神经模糊推理系统ANFIS是模糊控制与神经网络控制结合的产物.讨论了ANFIS的结构及其特点,以及对刀具数据的处理以及建模,实现刀具磨损在线预测功能.实验结果显示:利用ANFIS对铣床刀具磨损量进行监测,可以知道刀具加工多少次后进行更换维修,可应用于工厂中的机器设备,协助工厂管理者掌握工厂运作状况,及时作出最佳及...     

基于ANFIS的迭代学习控制初始控制研究

将自适应神经模糊推理算法用于迭代学习控制初始控制输入量的求取问题,提出一种基于自适应神经模糊推理系统的迭代学习初始控制算法。针对传统迭代学习控制中对于经验数据运用不足或是没有运用的问题,利用迭代学习控制对于以往控制任务的学习建立经验数据库,通过自适应神经模糊推理系统对于经验数据库中的数据进行拟和以得到新的控制输入量。通过仿真分析验证了算法的可行性和有效性。     

基于ANFIS的机器人系统建模的研究

针对机器人这种不确定性的复杂非线性系统很难建立其精确的数学模型这一问题,提出一种基于自适应神经模糊推理(ANFIS)的方法对机器人系统进行建模.此方法将模糊推理和神经网络的学习能力有机地结合起来,并利用神经网络的学习机制自动地从输入输出数据中提取规则.建模过程中为了给ANFIS赋予一个合适的初始状态,选用减法聚类对输入数据进行处理.ANFIS网络的所有参数采用混合算法进行调节,即前提参数采用误差反向传播法,结论参数采用最小二乘法.最后在Matlab中对二自由度机器人进行仿真研究,仿真结果表明该方法模型结构简单,建模速度快,辨识精度高,同时也验证了该方法的有效性,为进一步实现机器人鲁棒自适应控制打下基础.     

基于ANFIS的千瓦级PEMFC温度辨识

质子膜燃料电池（PEMFC）工作被认为是21世纪最有希望的绿色发电技术,其原理涉及热力学、电化学、流体力学、传质学等理论,形成一个非线性复杂系统,难以建立数学模型.因此,该文利用模糊逻辑系统和人工神经网络具有为非线性系统建模的较强的逼近能力以及自学习能力,采用了自适应神经模糊算法,建立PEMFC温度特性模型;利用测试数据作为训练样本,在氢气压力给定的条件下,以空气（或氧气）压力和冷却水作温度为模型的输入量,电池的工作温度为输出量,建立了三种不同PEMFC温度特性模型.表明该方法具有简单、可行、精度高等优点.并为PEMFC控制系统的设计和电池性能的优化提供了基本依据.     

基于ANFIS的糖厂PH中和过程建模

针对糖厂pH中和过程具有强非线性,大滞后性,不确定性等特点,将模糊推理系统和神经网络相结合,介绍了一种自适应神经模糊推理系统（ANFIS）,并建立了pH中和过程的模型。仿真结果表明,利用ANFIS所建立的模型能很好地逼近实际的非线性系统,并且辨识精度高,泛化能力强,为后续的优化控制研究奠定了基础。     

基于决策树改进CART算法的ANFIS结构辨识技术

针对自适应神经模糊推理(ANFIS)系统的结构辨识问题,提出了基于决策树的改进CART算法。改进算法引入了递归最小二乘估计器,对线性模型可降低计算量,并采用模糊技术处理不连续边界问题。由于隐含权值归一化,该算法能够快捷地对自适应神经模糊推理系统进行结构辨识。通过辨识仿真,表明了该技术辨识速度快,简捷方便,为ANFIS的结构辨识提供了行之有效的途径。     

应用自适应神经模糊推理系统(ANFIS)进行建模与仿真

模糊规划的提取和隶属度函数的学习是模糊推理系统设计中重要而困难的问题，自适应神经模糊推理系统（ANFIS）方法基于Sugeno模糊模型，其结构类似于神经网络，采用反向传播算法和最小二乘法调整模糊推理系统的参数，并能自动产生模糊规划，本文应用该方法给出了对一个典型系统建模的仿真实例，取得了良好的效果。     

基于ANFIS的焦炉火道温度预报模型研究

针对焦炉生产过程中直接检测火道温度成本高、精度低等问题,提出运用自适应神经网络模糊推理系统理论(ANFIS)建立焦炉火道温度预报模型,模型采用模糊减法聚类方法选取模糊规则数目,大大减少规则冗余量;结合最小二乘和误差反向传播混合算法对神经网络参数进行优化,采用现场的热工数据作为输入,将获得的模型与传统的线性回归模型和BP神经网络模型进行了比较,数值仿真结果表明所建立的模型具有学习速度快、预报精度高、泛化能力强等优点.     

基于ANFIS的激光陀螺消噪处理研究

为了降低激光陀螺输出数据中噪声对惯性导航系统精度的影响,采用一种具有学习能力的自适应模糊神经网络（ANFIS）噪声消除的新方法,利用一组激光陀螺随机漂移数据对这种方法进行建模和仿真验证。与传统的小波分析法进行了功率谱密度、均值和标准差的比较,并通过Allan方差法分析了各项误差系数的变化情况,结果表明：这种方法有效地补偿了随机误差,从而有利于提高激光陀螺的输出信号精度。     

Simulation study for automatic generation control of a multi-area power system by ANFIS approach

This paper deals with the application of artificial neural network (ANN) based ANFIS approach to automatic generation control (AGC) of a three unequal area hydrothermal system. The proposed ANFIS controller combines the advantages of fuzzy controller as well as quick response and adaptability nature of ANN. Appropriate generation rate constraints (GRC) have been considered for the thermal and hydro plants. The hydro area is considered with an electric governor and thermal area is considered with reheat turbine. The design objective is to improve the frequency and tie-line power deviations of the interconnected system. 1% step load perturbation has been considered occurring either in any individual area or occurring simultaneously in all the areas. It is a maiden application of ANFIS approach to a three unequal area hydrothermal system with GRC considering perturbation in a single area as well as in all areas. The performance of the ANFIS controller is compared with the results of integral squared error (ISE) criterion based integral controller published previously. Simulation results are presented to show the improved performance of ANFIS controller in comparison with the conventional integral controller. The results indicate that the controllers exhibit better performance. In fact, ANFIS approach satisfies the load frequency control requirements with a reasonable dynamic response.     

基于ANFIS的汽车座椅舒适度评价系统建模

由于汽车座椅舒适性评价的主观性和复杂性,国内外学者多采用主客观评价相结合的方式构建评价系统.通过改善主观评价的实验流程、精选表征座椅的特征参数、调整实际打分等前处理手段,采用自适应神经网络模糊推理系统(ANFIS)技术成功建立了关野型(Sugeno)评价系统,实现了座椅的舒适性评级.研究方法可推广到长时舒适性和动态舒适性的研究上.     

A hybrid ANFIS model based on empirical mode decomposition for stock time series forecasting

Time series forecasting is an important and widely popular topic in the research of system modeling, and stock index forecasting is an important issue in time series forecasting. Accurate stock price forecasting is a challenging task in predicting financial time series. Time series methods have been applied successfully to forecasting models in many domains, including the stock market. Unfortunately, there are 3 major drawbacks of using time series methods for the stock market: (1) some models can not be applied to datasets that do not follow statistical assumptions; (2) most time series models that use stock data with a significant amount of noise involutedly (caused by changes in market conditions and environments) have worse forecasting performance; and (3) the rules that are mined from artificial neural networks (ANNs) are not easily understandable.To address these problems and improve the forecasting performance of time series models, this paper proposes a hybrid time series adaptive network-based fuzzy inference system (ANFIS) model that is centered around empirical mode decomposition (EMD) to forecast stock prices in the Taiwan Stock Exchange Capitalization Weighted Stock Index (TAIEX) and Hang Seng Stock Index (HSI). To measure its forecasting performance, the proposed model is compared with Chen's model, Yu's model, the autoregressive (AR) model, the ANFIS model, and the support vector regression (SVR) model. The results show that our model is superior to the other models, based on root mean squared error (RMSE) values.     

基于ANFIS的锅炉蒸汽温度预测控制系统

针对锅炉主蒸汽温度对象的不确定性与大纯滞后等特性 ,提出了一种用BP网络 ,进行建模与预测 ,用自适应网络模糊推理系统 (ANFIS)实施控制的智能控制方案 ,利用Matlab软件仿真表明 ,该算法鲁棒性好 ,抗干扰能力强 ,能有效的补偿对象的大纯滞后     

基于ANFIS的非线性电机系统的建模

将一种神经—模糊结构—自适应神经模糊推理系统 (简称ANFIS)用于非线性电机系统的建模 ,获得了一个良好的大范围的全局非线性模型 ,同时 ,通过与反向传播网络建模结果的性能对比 ,说明ANFIS在参数收敛速度及建模精度上的优越性。显示出ANFIS是非线性系统的建模、辨识的有力工具     

基于减法聚类和自适应神经模糊推理系统的递阶模糊系统的设计

提出了一种设计递阶模糊系统的简易而有效的方法.在得到一个单级模糊系统的基础上,用灵敏度分析法对每一个输入变量的重要性进行排序,从而确定每一级子系统的输入变量.利用减法聚类和自适应神经 模糊推理系统逐级对子系统进行训练.所得到的递阶模糊系统可进一步得到简化.仿真实例证实了设计方法的有效性.