广义随机模糊神经网络及在随机混沌时间序列预测中的应用

针对随机模糊神经网络缺乏自适应性，引入广义高斯函数和广义随机模糊神经网络，使系统中隶属函数具有自适应性；并对参数进行遗传退火算法优化，使系统具有最佳结构和参数。以随机混沌时间序列为例进行仿真预测分析，结果表明广义随机模糊神经网络能够更好地预测原随机混沌时间序列，精度良好，具有抗噪声干扰能力．     

基于CMAC的模糊神经网络方法

结合模糊神经网络和小脑模糊连接控制CMAC理论，提出训练时间短，精度高的CMAC模糊神经网络方法，给出了网络结构，算法，并通过一个维修经费预测实例讲述了这种算法。     

模糊神经网络在高层建筑横风向振动控制中的应用研究

提出了模糊神经网络方法控制高层建筑横风向风振反应。通过观测部分楼层加速度和控制力输出，建立了模糊神经网络控制器，解决了传统控制中有限的传感器数目对系统振动状态估计的困难．利用模糊神经网络控制器预测结构的控制行为，消除了闭环控制系统中存在的时滞。利用模糊神经网络控制器的自学习能力来确定模糊规则和语言变量隶属函数，解决了土木工程复杂结构模糊控制中，难于依据专家的主观经验来确定模糊控制规则和语言变量隶属函数等困难。模糊神经网络方法的优势在于算法自身的鲁棒性，处理结构非线性、参数不确定性及时变等问题的能力。通过对基准建筑的刚度不确定性分析，讨论了模糊神经网络控制器的鲁棒性。仿真分析表明，模糊神经网络控制策略能有效地抑制高层建筑的横风向风振反应，控制效果略优于LQG控制，而拥有LQG控制不具备的诸多优点。     

模糊神经网络在电磁铸造液柱成形控制中的应用

电磁铸造的液柱成形性控制是工艺成败及获得合理的形状铸锭的关键，稳定、合适的液柱高反映了各种工艺参数的良好配合，采用基于模糊理神经网络预测方法，通过对铸造系统电信电信号的踊跃，进行模糊模式识别，预测液高度，结果表明，基于模糊神经网络的控制系统使得过程中液柱高度更加稳定，有利于电磁铸工艺过程的顺利进行，使铸锭的表面质量得到的改善。     

基于多信息的柴油机缸套磨损故障诊断研究

采用了模糊神经网络模型，对柴油机缸套磨损故障以及缸套破坏性磨损故障进行了诊断研究．通过缸套磨损故障的模拟实验，获取柴油机机身振动和铁谱分析等多源多雏故障信息，并对融合故障信息进行预处理，解决了模糊神经网络输入矢量的模糊特性化、输出矢量的隶属函数及网络的学习训练问题，对缸套不同磨损故障进行了诊断．研究表明，这种基于多信息的诊断方法减小了故障诊断的不确定性，提高了诊断精度．     

基于信息融合的柴油机缸套磨损故障诊断研究

针对柴油机缸套磨损故障进行模拟实验,获取了柴油机机体表面振动、铁谱分析故障信息,并对多源多维故障信息进行预处理,解决了模糊神经网络的输入矢量的模糊特性化、输出矢量的隶属函数、学习样本的选择及网络的学习训练等问题;在上述工作的基础上,建立了柴油机缸套磨损故障诊断的模糊神经网络模型.为验证诊断模型的有效性,选取了四组分别来自不同故障类别的数据作为检验样本,运用模糊神经网络模型进行诊断,其诊断结果与实际情况十分吻合.研究表明,基于多信息的模糊神经网络模型能较有效地对柴油机缸套磨损故障进行诊断,此方法能减小故障诊断的不确定性,提高诊断精度.     

基于模糊联想记忆的SMT回流焊参数快速设定

回流焊温度曲线的输出特性是衡量SMT生产过程质量的重要指标。理想的输出曲线往往需要反复多次地调试输入参数才能获得,针对输入参数难以快速设定的问题,采用一种模糊联想记忆神经网络来描述回流焊过程的输入参数与温度曲线的输出特性参数的动态、非线性关系,利用fuzzyTECH模糊软件搭建模糊推论平台,以历史数据和工程师的操作经验为依据建立模糊规则库,然后以理想输出结果为依据,通过模糊推论算法来获得最佳输入参数。结果表明,该方法较试误法提高了参数设定的精确度,并显著缩短了回流焊的参数设定时间。     

爆破振动特征参量的粗糙集模糊神经网络预测

摘 要 爆破振动特征参量对爆破振动危害效应有重要影响。首次用粗糙集模糊神经网络方法对振幅、主频率及主频持续时间进行预测。首先介绍了粗糙集模糊神经网络的基本思想,其次,分析了印象爆破振动特征参量的主要因素,建立了基于粗糙集模糊神经网络的爆破振动特征参量预测模型;最后用某边坡开挖爆破中的振动观测指标对模型进行了训练,并对15组指标进行了测试。结果表明：粗糙集模糊神经网络预测模型能反映了影响因素与特征量之间的非线性关系,适用于爆破振动特征参量预测。一次预测1个指标的精度高于同时预测3个指标的精度。     

基于Rough集理论的模糊神经网络构造方法

提出了在模糊神经网络中使用Rough集理论进行网络结构设计的方法。由于Rough集理论有强大的数值分析能力,而模糊神经网络具有准确的逼近收敛能力和较高的精度,所以通过两者的结合,可以得到一种可理解性好、计算简单、收敛速度快的神经网络模型。这种网络构造方法的主要过程为：首先,利用Rough集理论对给定数据集进行规则获取;然后,根据这些规则构造模糊神经网络各层的神经元个数及相关参数初始值;最后,用BP算法迭代求出网络的各种参数,完成网络的设计。给出了一个二维非线性函数拟合的实例,进一步验证了方法的正确性。     

基于小波分析和模糊神经网络的齿轮故障诊断研究

建立齿轮故障信号采集模拟试验台,结合小波分析特征提取方法和模糊神经网络对齿轮故障进行了诊断,通过实验仿真,取得了很好的诊断结果。相比于传统的BP神经网络诊断方法,无论在诊断速度还是诊断精度上,模糊神经网络更具有优势。     

Forecasting Model Based on Information-Granulated GA-SVR and ARIMA for Producer Price Index

The accuracy of predicting the Producer Price Index (PPI) plays an indispensable role in government economic work. However, it is difficult to forecast the PPI. In our research, we first propose an unprecedented hybrid model based on fuzzy information granulation that integrates the GA-SVR and ARIMA (Autoregressive Integrated Moving Average Model) models. The fuzzy-information-granulation-based GA-SVR-ARIMA hybrid model is intended to deal with the problem of imprecision in PPI estimation. The proposed model adopts the fuzzy information-granulation algorithm to pre-classification-process monthly training samples of the PPI, and produced three different sequences of fuzzy information granules, whose Support Vector Regression (SVR) machine forecast models were separately established for their Genetic Algorithm (GA) optimization parameters. Finally, the residual errors of the GA-SVR model were rectified through ARIMA modeling, and the PPI estimate was reached. Research shows that the PPI value predicted by this hybrid model is more accurate than that predicted by other models, including ARIMA, GRNN, and GA-SVR, following several comparative experiments. Research also indicates the precision and validation of the PPI prediction of the hybrid model and demonstrates that the model has consistent ability to leverage the forecasting advantage of GA-SVR in non-linear space and of ARIMA in linear space.     

基于故障危害度的飞机电源系统可靠性评估

基于故障危害度对飞机电源系统进行可靠性评估,首先建立可靠性评估模型,该模型考虑各故障样本对飞机电源系统供电可靠性危害度影响,将出现的故障按照对电源系统安全、性能、任务及维修等指标的影响程度进行等级分类,从故障的失效机理出发建立相应的分布模型;然后采用分布计算和二次分布等算法进行系统整体可靠性指标评估。应用该模型对飞机电源系统进行了故障统计分析,计算了飞机电源系统的可靠性指标。     

Fault Diagnosis for Non-linear System Based On Adaptive Fuzzy System

１ＩｎｔｒｏｄｕｃｔｉｏｎＬｏｔｓｏｆｖａｌｕａｂｌｅｒｅｓｕｌｔｓｆｏｒｆａｕｌｔｄｉａｇｎｏｓｉｓｏｆｌｉｎｅａｒｓｙｓｔｅｍｂａｓｅｄｏｎｍｏｄｅｌｈａｖｅｂｅｅｎａｃｈｉｅｖｅｄ，ｂｕｔｉｔｉｓｄｉｆｉｃｕｌｔｙｔｏａｐｐｌｙｔｈｅｓｅｒｅｓ...     

基于柯氏熵的汽车发动机状态预测的可行性研究

由于非线性系统存在长期不可预测性，基于此，建立了基于时间序列的柯尔莫哥洛夫熵求解方法，并利用柯尔莫哥洛夫熵求取了复杂机械系统状态的最大可预测的点数。这一研究为确立复杂设备状态预测的可信区间提供了理论支持，所获得的方法为复杂机械系统状态预测的可预测时间的界定提供了行之有效的技术方法。     

基于模糊概率多信号流图的故障传播模型研究

在测试性虚拟验证中,合理正确的故障传播模型对确保验证结果的正确性起着重要作用.本文针对故障传播的复杂性和不确定性,将模糊和概率理论引入多信号流图模型,提出模糊概率多信号流图,对故障传播过程进行描述并进行相关推理,得出故障传播的后继故障模式集和等效故障模式,经案例应用验证表明,该模型与方法能较好地对故障传播过程进行准确的描述,较好地解决测试性虚拟验证中故障模拟及等效故障注入的问题.     

基于灰色回归模型广州市果蔬类生鲜农产品冷链物流需求预测

目的 通过对不同预测方法的误差进行对比研究,选取预测精度较高的方法,促进部门科学化决策。方法 从农产品供给、社会经济水平、冷链物流保障、居民规模与消费能力四大维度选取15个指标来构建影响因素指标体系,对影响因素与冷链物流需求进行灰色关联度分析。采用GM(1,1)、GM(1,6)与主成分-多元回归线性模型对果蔬类生鲜农产品冷链物流需求进行预测。结果 GM(1,1)预测模型、GM(1,6)预测模型、主成分-多元回归线性预测模型的预测误差分别为2.97%、1.70%、2.53%。结论 GM(1,6)预测模型预测精度最高,该模型适用于中短期的冷链物流需求预测,具有较高的应用价值。     

基于RFM分析模型的结构动态特性模糊优化算法研究及应用

本文基于回归预报统计分析模型(RFM)与多元多项式的特点和性质,对结构优化目标参数引入模糊因素,提出了一个结构动态特性模糊优化算法.该算法从理论上给出了结构目标参数模糊优化的数学准则并给予了证明.本文定量地研究了某钢桁架结构模态参数与边界连接参数之间的关系并利用该算法对该钢桁架结构的模态参数进行模糊优化.通过数值计算,...     

基于熵权法的卫星钟差预报研究

星载原子钟是全球导航卫星系统的核心设备之一,其性能及钟差预报精度直接决定着导航定位授时服务的精度。针对卫星钟差组合预报技术中子模型权值难以确定的问题,将熵权法引入到北斗卫星钟差组合预报中。对卫星钟差数据中的粗差、钟跳等异常值进行相频域组合探测,并使用滑动拉格朗日内插法进行修补,得到“干净”钟差序列。以灰色模型和二次多项式模型作为基础模型,构建基于信息熵这一新的评价指标的钟差组合模型,建立北斗卫星钟差熵权组合预报模型。使用武汉大学IGS数据中心发布的北斗精密钟差数据产品,分别进行了连续多天的短期预报和中长期预报试验,多天的平均试验结果验证了熵权组合模型在北斗卫星钟差预报精度和稳定性方面较传统组合模型均存在一定优势。     

副热带高压与东亚季风指数的非线性数学模型的遗传算法参数优化

针对东亚夏季风环流演变与副热带高压活动极为复杂,动力模型难以准确建立的情况,提出用遗传算法从实际观测资料中反演重构副高指数与夏季风环流因子动力模型的方法,反演重构了东亚夏季风环流因子与副高形态指数的动力预报模型并进行了模型的预报试验。结果表明,遗传算法全局搜索和并行计算优势可客观准确和方便快捷地反演重构东亚夏季风环流因子与副高指数的动力模型,所建模型能对副高指数和夏季风环流的演变进行较为准确的预测,进而为东亚夏季风环流与副高等复杂天气指数的动力模型建立和预测提供了新的方法途径。     

基于径向基函数网络的刀具磨损识别

提出了一种基于灰色关联度优化网络神经元数目和径向基函数网络用于刀具磨损量预测的方法.以选取合理的涵盖影响刀具磨损的有关因素,采用不同切削条件下铣削加工过程刀具后刀面磨损的多组实验数据对网络模型进行训练以及对刀具磨损量进行估计和预测,预测结果与实际基本吻合.结果表明,该方法克服了用一个多元线性公式描述由切削条件和切削带来的后刀面磨损量的变化的刀具磨损高度非线性模型方法的缺陷,对于与刀具磨损量相关因素的非线性本质较易准确表达,所建立的刀具磨损网络模型可以较满意地计算出不同切削条件下刀具后刀面的磨损量.