基于模糊BP神经网络的垃圾焚烧炉控制系统

根据固体垃圾焚烧技术原理,结合垃圾焚烧炉运行特点,分析了垃圾焚烧过程与影响焚烧的主要因素,提出了基本模糊BP神经网络算法的垃圾焚烧炉控制方法.建立了垃圾焚烧炉炉温双端输入模糊神经网络（DIFNN）控制模型,并使用模糊BP神经网络控制算法对系统进行控制.仿真实验表明,该模糊BP神经网络控制能够适应复杂多变的焚烧过程的控制...     

基于改进PSO和模糊RBF神经网络的退火炉温控制

为提高对具有大滞后,强耦合的退火炉温度控制系统的控制精度,采用模糊径向基函数(RBF)神经网络控制炉温,并采用改进粒子群优化(PSO)算法进行优化。利用模糊推理过程与RBF神经网络所具有的函数等价性,统一系统函数。在利用改进PSO算法对模糊RBF神经网络进行训练时,先利用改进PSO算法得到模糊RBF神经网络的初始权值和阀值,然后对其进行二次优化得到最终的权值和阀值。仿真结果表明:该文方法降低了超调量,缩短了响应时间,稳态误差很小,能够拟合参考模型的输出,控制效果明显优于常规PID控制。     

基于嵌入式的低频微弱信号检测系统研究

对嵌入式系统进行微弱信号检测具有重要的应用价值。利用传统算法进行嵌入式系统的低频微弱信号检测过程中,受到的局限性较大,造成嵌入式系统的检测准确率较低。为此,提出一种基于小波神经网络算法的低频微弱信号检测方法。建立小波神经网络信号检测模型,通过神经网络优化处理得到被背景噪音所覆盖的有用信号的小波转化系数,根据小波转化系数建立矩阵,从而获取任意信号的初始数据信息。实验结果表明,利用改进算法进行嵌入式系统的低频微弱信号检测,能够极大提高低频微弱信号检测的准确率,取得了令人满意的效果。     

基于Windows CE的GIS数据采集系统实现

利用GPS系统进行GIS数据采集时,伪距定位精度不高,需要进行后处理来提高精度导致效率降低.为了提高数据采集效率和精度,在Windows CE嵌入式系统中利用快速模糊度解算法,结合Windows CE嵌入式系统的优点开发出了一套可以精确定位、方便使用GIS数据采集的设备.     

嵌入式水电事故预测系统中信息融合的方法

提出了一种嵌入式水电系统事故预测中信息融合的方法利用模糊IF/THEN规则表达专家知识的神经网络学习方法·在以此构造的基于多源信息融合的分类系统中,采用了模糊IF/THEN规则和数字数据·为了处理模糊语言值,提出了一种能够控制模糊输入矢量的神经网络体系结构·该方法能够对非线性实间隔矢量和模糊矢量进行分类     

基于化工过程预报的模糊聚类神经网络系统

为了解决化工预报过程中的复杂问题，利用神经网络、模糊系统和演化算法等智能控制理论，提出了模糊聚类神经网络系统模型（FCNNS）。该模型的特点是利用模糊聚类算法提取典型数据，然后将典型数据送入神经网络系统进行学习产生模糊规则。该模型缩短了规则生成的时间，有效地防止了规则数爆炸，并在化工过程预报的应用中获得理想效果。     

智能调整型模糊控制器的研究

在分析了不同的量化，比例因子对系统控制特性影响的基础上，提出了一种量化、比例因子智能调整式模糊控制器的算法，其中的上级模糊智能调整器能够根据系统的响应在线调整下级模糊控制器中的偏差、偏差变化率的量化因子的控制量的比例因子，下级模糊控制器利用这些因子并结合常规查表模糊控制算法完成对系统的实时控制。     

基于滚动模糊时间窗的场面动态路径规划

为了减少机场场面滑行冲突,提高机场运行效率,提出了一种基于模糊规则系统的滚动模糊时间窗算法。首先构建机场滑行时间预测模型,其次将滚动时间窗和模糊时间窗算法相结合,对滑行路径进行动态优化,最后结合机场地面滑行数据进行检验,结果表明,地面延误降低了9%-17%,地面冲突减少了10%-18%,说明该方法能够有效提高机场地面运行效率。     

基于动态递归模糊神经网络的动态系统辨识

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度.     

游梁式抽油机节能控制技术的研究与应用

为减少游梁式抽油机井电能损耗,提高机采系统效率,降低原油开采成本,研制了以单片机为核心的抽油机智能节电控制装置。本文结合电机控制、信号检测和嵌入式控制等技术,详细论述了该系统工作原理及设计指标,给出了系统硬件组成和主要软件程序工作流程图。室内实验及现场应用结果表明,该控制系统可使抽油机在其不同负载变化时始终处于最佳的运行状态,达到节能降耗的目的。现场应用及节能测试结果表明：系统具有工作性能可靠、操作方便、节能效果好等特点。     

基于模糊控制的集中供暖系统节能运行新技术

本文采用现场总线监控技术将整个供暖系统中燃煤锅炉、泵房循环泵和公共建筑供热负荷分时段控制集成为一个监控系统。采用模糊PID控制技术优化锅炉运行风煤比,提高锅炉运行效率,采用智能分时分区流量控制技术实现大型公共建筑节能,采用气候补偿技术精确调节锅炉热功率输出。在保证供暖质量的前提下,采用系统节能的方式实现供暖系统最优节能。针对供暖系统电机节能改造带来的谐波污染问题,采用先进的电能质量控制节电技术消除了锅炉房配电系统的谐波污染,达到了节约热能、电能,并且提高电能质量的目的。现场实际运行表明,该技术可行有效,节能效果明显。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

混合动力汽车模糊神经参考控制策略优化

为提高并联式混合动力汽车控制策略精准性,建立了基于发动机效率的模糊逻辑控制器,进一步使用神经网络模型对模糊逻辑控制器的隶属度函数进行在线学习,引入变尺度优化方法的改进型学习算法,完成了隶属度函数的在线学习后的优化;通过模型参考构成闭环在线修正,降低输出转矩的误差。通过循环仿真实验,利用模糊神经参考模型控制策略,发动机工作效率点与实时工况的匹配率更高稳定性更好,发动机平均效率提高4. 16%,峰值电源荷电状态保持在稳定的容量范围内,整车燃油经济性得到改善。因此该控制策略具有较强的工程实用性。     

面向无线传感器网络的自适应模糊神经拓扑控制算法

为有效控制无线传感器网络节点能耗,提出一种自适应模糊神经控制系统,并设计基于自适应模糊神经拓扑控制算法——AFNTC.该算法中模糊控制器参数由人工神经网络训练后获得,且通过反馈、循环的方式,不断调整节点的通信范围控制节点传输功率,从而使节点实际能耗接近预设的期望值,延长网络生命周期.实验结果表明,AFNTC算法能达到节点能耗可控的目的,相比模糊控制的拓扑控制(FCTP)算法和局部平均(LMA)算法,具有更低、更稳定的节点平均耗能.     

鱼群算法与神经网络结合的节能减排效果评价

从污染物减排率、单位工业增加值减排量、治理工业污染投资总额、GDP相关指标、能耗下降率5个方面建立节能减排效果评价指标体系,分析BP神经网络与鱼群算法结合的可行性,探讨鱼群算法优化神经网络的步骤。最后对7个地区2006~2009年节能减排效果评价指标,在专家打分测评的基础上,运用神经网络及鱼群算法优化神经网络方法进行节能减排效果评价。研究结果表明:在收敛过程中,运用神经网络所得实际输出值与专家评分的误差长时间停留在0.7左右,而运用鱼群算法优化神经网络方法能够以较大的斜率快速收敛到期望误差;在误差为0.001时,前者经过202次训练后能够达到目标,而后者只需要75次训练就能达到目标,这表明鱼群算法优化神经网络具有准确、快捷、简易等优点,此方法用于节能减排效果评价行之有效。     

基于GD-FNN的药物注射系统辨识

针对手动控制调节药物注射量缺乏正确性和低效的特点,将广义动态模糊神经网络（GD-FNN）应于药物注射系统辨识。学习算法在动态模糊神经网络算法基础上进行改进,以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法能对模糊规则而且能对输入变量的重要性做出评价,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。通过对药物注射系统的辨识和控制仿真实验表明改进后的广义动态模糊神经网络与动态模糊神经网络相比,可取得更好学习效率和辨识精度。     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

二氧化碳短路过渡焊接电流神经模糊控制系统

研制了一种以8C52单片机为核心器件，通过自软件方式实现稳定二氧化碳短路过渡焊焊接电流的神经网络自适应模糊控制系统。系统中所嵌入的神经网络可实现对隶属函数的微调和模糊控制的调节，克服了常规模糊控制系统隶属函数非适应性的缺点。该神经模糊控制器可消除因电弧电压调节、网络电压波动、保护气纯度流量以及焊炬高度变化等随机因素引起的焊接电流偏差。焊接工艺实验表明，在实验电流范围内，平均电流的最大偏差不超过7A，平均电流相对误差小于5％，而控制前平均电流的偏差不小于12A，相对误差不小于9％，因此该控制系统响应速度快，超调小，稳态精度高。     

改进BP神经网络的并网逆变器分数阶比例-积分-微分控制策略

传统PID控制技术在电网产生扰动时无法兼顾快速性和鲁棒性,易造成系统不稳定失衡,向电网注入大量的谐波。对此现象,提出了一种改进BP神经网络的分数阶PID控制器来提高电网的鲁棒性和对响应的快速性。该算法采用分数阶PID控制器跟踪电流外环的参考电流,并针对分数阶PID控制器的五个参数采用BP神经网络实时在线整定。消除了人为调参所带来的不确定性。对于BP神经网络在整定参数过程中无法整定得到最优解,引入变化的惯性因子和学习率,提高了BP神经网络的求解效率。仿真结果验证,所提控制算法对并网电流能够实现快速跟踪,鲁棒性好。