基于多维ANFIS的T-S模糊控制规则聚类获取方法

T-S模糊模型与自适应神经模糊推理系统(ANFIS)的结合便于描述多输入系统模糊控制规则.为解决规则前件过多时传统ANFIS结构导致的维数灾难问题,同时进一步提高ANFIS对于复杂系统T-S规则在线获取速度,首先采用多维输入向量对ANFIS网络进行修正,在此基础上提出了T-S模糊控制规则聚类获取方法;其次,利用所提出的方法分别对倒立摆和二阶滞后系统进行了控制仿真,该方法同Mamdani规则自组织模糊控制的控制效果比较表明两者的最大超调量、振荡次数、过渡时间基本一致,上升时间要较Mamdani模糊控制器缩短3个采样周期,控制规则较Mamdani控制器减少了45条.     

基于NGACH和ANFIS的调谐模型构建

针对传统的自适应模糊推理系统无法解决波动聚类现象,通过分析自适应模糊推理系统和非线性广义自回归条件方差的特性,提出了融合自适应模糊推理系统和非线性广义自回归条件方差的调谐模型.调谐模型实质是指在对ANFIS和NGARCH进行独立运行的基础上,对运行结果进行动态调谐操作,从而提高系统的预测精度.最后,结合实际的项目数据,证明调谐模型提高了传统ANFIS对于波动聚类现象的应对能力,获得较好的运行效果.     

城市供水管网水压监测点优化布置的研究

结合输配水管网拓扑结构图论模型，利用聚类分析法，并对其加以改进。提出一种旨在反映城市供水管网中节点流量变化的压力监测点优化选址的方法，以便对管网漏水或爆管事故进行有效的监控．通过实例验证了方法的有效性和适用性。     

基于减法聚类的自适应模糊神经网络评定织物起皱等级

提出了一种基于减法聚类的自适应模糊神经网络，用于织物起皱等级评定．首先利用减法聚类方法确定模糊神经网络的结构，再结合模糊推理系统进行模式识别，并详细介绍了其基本原理和学习算法，最后引入4种起皱特征参数对真实织物进行验证．实验表明，该方法有效且可行．     

基于CAN总线的发动机PSA故障诊断系统

针对传统发动机故障诊断方式存在故障事后检修及查询困难等问题,提出一种基于CAN总线的发动机在线故障诊断系统模型.以CAN总线实时采集的发动机控制单元各传感器状态数据为诊断样本,利用主成分分析(PCA)实现输入变量降维和去相关;采用减法(subtractive)聚类算法完成模糊推理过程;应用自适应神经模糊推理系统(ANFIS)建立起PSA(PCA-subtractive-ANFIS)故障诊断模型.研究表明PSA故障诊断模型是有效的.仿真结果表明,其拟合能力、收敛速度及抗噪能力均优于PCA-BP网络模型.     

ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

基于二级倒立摆的自适应神经网络模糊控制

针对二级倒立摆系统，提出了一种先进的智能控制策略．该种方法采用BP算法与梯度下降法结合的混合算法对Takagb-Sugeno模糊模型中的前项及后件参数进行优化修正，在已获得的客观输入输出数据对的基础上，提出一种基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行建模和控制．仿真结果表明，所提出的设计方法是正确的和可行的．     

基于虚拟现实的城市供水管网仿真系统

建立虚拟城市供水管网运行仿真系统,在三维场景中模拟城市供水管网运行工况,有明确的工程意义。首先建立供水管网工程数据库,以保证仿真模型具有较高的精度。进而利用MultiGen Creator构建供水管网阀门、管段等部件三维模型,建立城市供水管网三维模型。最后采用Vega驱动三维模型,通过VC++ MFC程序设计及EPANET工具箱实现运行工况视景仿真。基于虚拟现实的城市供水管网仿真系统可直观显示城市供水管网信息,实现对供水管网拓扑结构及各种运行工况的仿真。该系统克服传统地理信息系统的局限性,并且具有较高准确性和可靠性。     

模糊神经网络在小车摆系统辨识中的应用

本文利用自适应神经-模糊推理系统ANFIS良好的系统辨识能力,对具有较大非线性特性的小车摆系统进行辨识,得到了相应的系统模型.仿真实验进一步验证了ANFIS的系统辨识的能力.     

改进的ANFIS方法在化工过程故障诊断中的应用

针对复杂的化工过程,在原有的自适应神经模糊推理系统(ANF IS)的基础上,结合主元分析和神经网络,提出了一种改进的自适应神经模糊推理故障诊断系统,并且分别将ANF IS和改进的ANF IS方法应用于TE(T ennessee E astm an)模型的故障诊断。两种方法均具有较高的精度,但改进的ANF IS具有运算速度快、结果清晰的优点,所以更适用于实际工业中。     

基于自适应模糊神经网络的货币供应量预测

采用ANFIS(Adaptive Neuro-Fuzzy Inference System)进行货币供应量预测。ANFIS将模糊理论与神经网络融合,利用神经网络来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。利用我国货币供应量数据对网络进行训练和检测,所得结果表明利用ANFIS预测货币供应量有效。     

基于改进自适应神经模糊推理模型的 回流焊参数设定方法

复杂制造过程中,系统参数往往呈现动态、非线性特征,以回流焊过程为例,针对现有参数设定方法效率和精度不足的问题,提出了一种基于改进自适应神经模糊推理模型的在线参数设定方法.引入了神经网络预测器来增强模糊神经网络的自适应能力和非线性逼近能力,通过最近邻聚类算法对模糊规则的参数和结构进行调整和在线更新,以提高模糊推理的精度,增强系统的容错性和鲁棒性.以回流焊过程参数设定过程为背景,建立仿真实验.结果表明,所提出方法可有效实现非线性输入输出系统参数的快速及准确的设定.     

神经网络负荷模型的综合能力研究

针对电力电子设备综合负荷模型难以用机理模型描述的现状,构造了动态综合负荷的模糊神经网络模型.该模型具有模糊推理和神经网络的优点,能很好地逼近动态负荷的模型输出.通过对已知实测建模数据的训练,分析了模糊神经网络负荷模型的前件参数、结论参数的辨识策略,阐述了模糊隶属度和模糊规则的形成过程.对负荷构成相异的4组实测变电站负荷数据,用其中1组建模数据进行训练,得出模糊模型结构和参数,用该模型去拟合其他3组数据,对模糊神经网络负荷模型的综合能力进行验证.实例表明,该模糊神经网络负荷模型不仅具有很强的自描述能力和收敛性,而且具有良好的综合描述能力.     

铸造铝硅合金液相线自适应神经-模糊建模

在合金熔炼和加工过程中,往往需要知道液相线温度,以便确定相关工艺参数.建立能从成分预测铝硅系工业铸造合金液相线温度的模型.收集工业合金实测数据,采用模糊推理方法,建立了合金液相线温度的自适应神经-模糊推理模型.它具有Takagi-Sugeno型网络结构,能直接从数据中提取推理规则,并可利用前馈神经网络的学习能力调整参数.与现有的其它统计回归模型相比,模糊推理模型能反映成分之间的交互作用,具有更高的预测精度.在铸造合金研究、热力学计算和凝固过程数值模拟时,所建立的模型可用于计算工业合金的液相线温度.     

板坯连铸二冷水智能控制及仿真研究

基于传统板坯连铸二冷水控制方法，提出用自适应模糊神经网络推理系统实现板坯连铸二冷水智能控制，建立了基于自适应模糊神经网络推理系统的板坯连铸二冷水智能控制系统模型，并对该控制系统进行了计算机仿真，结果表明系统较好地实现了板坯表面的温度控制，且具有良好的自适应和自学习能力．     

基于量子进化算法的演化ANFIS模型及其应用

利用量子进化算法对自适应模糊推理系统进行建模,从而利用自适应模糊推理系统和量子进化算法的两方面的优点来对种群结构进行优化,从而达到优化整个模糊推理系统的目的。通过仿真实例,将结合量子进化算法与自适应模糊推理系统分别应用于单输入单输出的模糊系统、多输入单输出模糊系统和多峰非线性模糊推理系统中,通过训练数据和测试数据得出性能的寻优跟踪路径及误差曲线进行比较。实验数据对比表明,ANFIS的缺点是精度低,GA-ANFIS的缺点是训练时间过长,而QEA-ANFIS主要摒弃了ANFIS训练的精确度上述两个系统的明显缺陷,既提高了精度又缩短了训练时间。     

ANFIS在企业人力资源预测中的应用

企业人力资源是影响其生存发展的关键因素,以此为研究对象,建立自适应神经模糊推理系统(ANFIS)预测模型,通过对某集团公司的人力资源进行预测来探讨自适应神经模糊推理系统在这一领域的应用前景,并将预测结果与普通FUZZY模型进行比较.结果表明,前者预测误差较小,满足精度要求,具有很高的理论价值和实际应用价值.