多步自适应组合预测及其应用

提出一种多步自适应组合预测方法,预测由多个并行不同的多步自适应预测模型组成,最终预测结果,由多个预测模型预测值的线性加权组合决定,本法适用于随机时变动态系统过程的多步预测问题,在某省粮食产量趋势预测中,应用此法获得了良好的效果.     

模糊预测自适应控制算法应用分析

基于无辩识自适应控制方式在大滞后系统控制中的不足,采用模糊集合理论改进无辩识自适应控制,设计出模糊预测控制器,不仅解决了带有时滞、不确定性、大惯性工业过程的控制问题,而且没有对过程模型提出要求,并在实际应用中取得了良好的效果。     

切削过程的自适应模糊控制

针对恒力切削过程自适应控制,设计了包括切削过程的闭环控制系统.对于具有高度非线性、随机干扰严重的复杂动态过程,采用在线调整参数的自适应模糊控制器,并应用虚拟加工过程建立模型和预报切削力.通过对切削力的检测获取切削过程的特征信息,用切削力比确定进给速度调整率,以切削力偏差和偏差变化率作为评价指标,实现恒力切削过程的自适应控制.仿真和切削试验表明,系统具有良好的切削力控制精度和稳定性,在提高金属切除率时有效地降低了刀具破损的发生.     

基于自适应模糊时间序列法的光伏发电短期功率预测

针对并网光伏发电系统功率预测问题,提出一种基于自适应模糊时间序列法的并网光伏发电短期功率预测模型.根据光伏发电系统的历史发电数据,进行自适应算法处理,使数据结构与预测模型相适应,确定聚类数目、划分论域并定义论域区间.通过对历史数据进行模糊化处理,确定各模糊关系组,再计算各类模糊关系组的权重向量.按照模糊时间序列的方法进行光伏发电功率预测,并去模糊化得到实际预测结果.结果表明,对比时间序列预测法ARIMA模型,本文预测模型结果误差由13.66%减小到11.34%,并且在处理突变数据上有较大改进.     

组合预测方法在电力系统负荷预测中的应用

组合预测方法是一种性能优越的预测方法.应用最优组合预测和递归等权组合预测方法将自适应滤波模型、灰色模型、指数平滑模型组合在一起进行电网负荷预测,获得了好的预测效果.     

自适应神经模糊推理系统和BP网络对污水溶解氧实时预测的比较研究

为了对污水处理生物过程中曝气池内溶解氧进行准确的实时预测,分别应用自适应神经网络模糊推理系统(ANFIS)和BP神经网络建立了针对曝气池溶解氧的预测模型,并进行了对比研究。结果表明,用自适应神经模糊推理系对曝气池溶解氧的预测,在模拟误差和收敛性方面,均好于单纯的BP神经网络。     

基于自适应多步预测的前向链路功率控制算法

为了克服码分多址系统中前向链路功率控制中的延时差错问题，提出了一种新基于多步预测的前向链路功率控制模型，即考虑到功率控制中控制延时的影响，将信道变化和干扰变化统一为一个时变量，对无线环境变化做出动态的多步相关性预测，移动台根据预测的结果对基站发射功率进行控制。在此基础上，提出了一种利用自适应技术实现多步预测的前向链路功率控制算法，采用这种算法可以动态地跟踪无线环境变化，并且部分地克服了由于信道环境时变造成的功率控制失误问题。通过与传统0固定步长算法仿真的对比，证明了上述算法的有效性。     

基于加工工况识别的线切割机进给系统自适应控制研究

研制了一套基于加工工况识别的线切割机进给自适应控制系统。系统包括对间隙电压和电流的采样,用给定的阈值和逻辑电路识别不同工况的脉冲,采用８２５３芯片计算一定间隔内的正常火花率并用于建立ＡＲ（ｎ）Ｍ模型,以预报并防止睡,输出控制进给速度的修正值。     

BP模型在降雨径流预报中的应用研究

简要介绍了人工神经网络用于洪水预报的基本原理,对降雨径流预报的网络模型进行了改进。为了避免陷于局部极小值和缩短学习时间,采用了改进的自适应BP算法进行洪水预报,开发了基于BP模型的洪水预报系统,并经过山西省文峪河水库的实测资料进行了预报,取得了令人满意的精度。     

基于ANFIS模型对汽车信号的预测

自适应神经模糊推理系统(ANFIS)是进行预测决策的有效方法,论文基于ANFIS模型对汽车信号进行了预测。通过与回归分析法进行比较,证明该方法在汽车信号的预测中具有很高的精度。     

基于自适应最优模糊逻辑系统的移动通信话务预测

移动通信话务数据具有强非线性,传统的预测技术很难准确预测其变化规律．文中根据移动通信话务量的特点,对移动通信话务数据进行分块建模——采用最近邻模糊聚类算法对周期分量模块进行建模,采用线性回归方法对趋势分量模块进行建模,并据此设计了一种智能型的自适应最优模糊逻辑话务预测系统,进而对广东某地区的话务数据进行了预测．现场调试结果表明,该预测系统能有效预测移动通信的话务量．     

变电站电压无功自适应动态预测模糊控制装置的研制

介绍了一种基于自适应灰色系统理论及模糊控制理论的变电站电压无功综合控制装置．本装置对一定时间后的电压、无功做出预测并进行实时控制．对参数越限进行提前判断和决策，减少了电压、无功的不合格时间．将传统静态区间控制改进为动态分析控制，更好地反应系统的动态特性．应用模糊控制，提高了系统的调节能力和电压质量，保证了系统的稳定性．     

一种递归模糊神经网络的广义预测控制方法

提出了一种递归模糊神经网络(RFNN),通过加入向量调节层,提高了网络对输入信息的处理能力。基于所设计的递归模糊神经网络,建立非线性系统的离散数学多步模糊预测模型,根据这一模型对系统的输出进行预测,然后利用预测控制算法得到相应的预测控制规律。仿真结果表明该方法具有较高的控制精度以及一定的抗干扰能力。     

“模糊控制”模型在农业预测中的应用

本文将预测过程模拟成一个“模糊控制系统”,以预测因子作为系统的输入,预测量作为系统的输入。根据历史资料确定系统的特性,建立模糊控制预测模型;然后,在一定输入条件下,通过预测模型,即可求得预测输出。这一模型本质上属语言控制模型,无需知道输入量与输出量之间函数关系,与经典的数学模型相比更具有广泛的适应性。文中用某地1980－1987年棉花烂铃病流行趋势资料为实例建立模型,对1998－1991年的棉花烂铃病流行趋势进行预测,收到了良好的效果。     

基于粒子群优化的BP神经网络模型参考自适应控制系统

将粒子群优化的BP神经网络作为模型,参考自适应控制系统的控制器,把参考模型输出与系统实际输出的均方误差作为PSO-BP神经网络的适应函数,通过PSO算法强大的搜索性能使自适应控制系统的均方误差最小化.仿真实例结果表明,基于粒子群优化算法的BP神经网络自适应控制系统收敛快、精度高,有较好的网络的泛化和适应能力,能够很好地控制系统的输出跟随参考模型的输出.     

基于RBF神经网络的非线性磁悬浮系统控制

磁悬浮系统是一个典型的不确定、非线性系统.由于磁悬浮系统的复杂性很难建立精确的数学模型,采用RBF神经网络(RBFNN)对非线性磁悬浮系统进行辨识,再根据神经网络自适应控制原理设计了非线性磁悬浮系统的神经网络自适应状态反馈控制器与自适应PID控制器,并利用MATLAB进行了仿真.仿真结果表明,神经网络自适应控制能很好地控制本磁悬浮系统;神经网络自适应控制器对于此非线性磁悬浮系统位置具有良好的控制效果,该控制系统具有较好的稳态特性和控制特性.     

基于Matlab/Simulink电动汽车驱动系统离散MRAC研究

讨论了电动汽车驱动系统的离散自适应控制问题.首先得到电动汽车驱动系统离散化的数学模型,在此基础上探讨了其自适应控制系统的设计,推导出了离散模型参考自适应律.仿真研究表明自适应控制系统具有良好的性能.     

一种新的不下机器人运动控制方法

对神经网络和模糊理论在水下机器人运动控制中的应用进行了探讨,提出了神经网络多步预测模型的非线性广义模糊预测控制算法,用神经网络方法实现了对水下机器人这一非线性系统的在线计算、滚动优化和在线控制,采用强化学习方法来构筑模糊控制系统中的神经网络,给出了神经网络多步预测模型及相应的控制算法和操作过程,计算机仿真结果验证了本文所提方法的有效性。     

电力系统负荷预测的加速基因方法

将改进的基因算法应用于某省电力系统负荷预测,取得了十分满意的效果。并与灰色预测方法进行了比较,证明用基因方法预测是优越的。     

基于高斯RBF神经网络的可伸缩机械臂系统动态建模与仿真

设计了一种新的多模块机器人机械臂系统,该机械臂的每个模块具有可伸缩杆和旋转节两部分.为了进行有效控制,给出了系统的解析公式和机械臂自适应控制的相关技术.使用高斯函数的RBF神经网络对系统的动态方程参数进行了估计,使用李亚普诺夫稳定性分析确定神经网络权重的自适应修正规则,并给出了相应的自适应控制器模型.对该机械臂系统的控制进行了计算机仿真分析,结果表明:该方法在响应时间和控制精度方面都有提高,并且在有负载等非线性事件突然干扰的情况下亦能进行有效控制.