PSA-ANFIS方法的研究

矿山中的岩土工程灾害预测问题,是采矿工程领域亟需研究解决的重大课题.本文即针对这些问题,采用正交试验设计法和模式搜索算法研究了自适应神经模糊推理系统(ANFIS)的训练参数和模型结构的优化方法,提出和建立了基于模式搜索算法的自适应神经模糊推理方法(PSA-ANFIS).进一步采用一多峰函数进行离散,构建了训练数据对、检测数据对和预测数据对,对PSA-ANFIS的拟合能力和预测能力进行了研究.结果表明,无论是在拟合精度和预测精度上,还是在训练参数的调整、模型结构的建立和训练过程上,PSA-ANFIS均适合于解决矿山岩土工程灾害预测这一高度非线性的映射问题.     

一种基于ANFIS的模糊RBF网络的倒立摆控制方法

阐述一种基于变论域的模糊神经网络控制器的设计方法,并基于ANFIS在MATLAB下,用SIMULINK对倒立摆进行仿真验证,证明此方法的正确性.     

ANFIS训练参数设置研究

针对自适应神经模糊推理系统的特点,分析了其两种建模方式的优缺点,并最终选择了采用减法聚类算法进行建模.进一步地,针对ANFIS的减法聚类算法4个训练参数初始值的设置问题,采用一多峰函数对其进行了研究,分析了预测结果随该4个参数调节而变化的特点.     

ANFIS在车辆导航系统信息融合中应用的仿真研究

采用了一种分层级联的信息融合结构,对车辆导航系统中应用不同导航定位技术得到的定位信息进行融合。决策级融合采用基于零阶Sugeno模糊模型的ANFIS(adaptive-network-basedfuzzyinterferencesystem),根据性能指标调节最终的位置估计值中不同位置信息的权重。仿真研究的结果表明将ANFIS应用于车辆导航系统信息融合能充分利用导航信息,提高定位精度,说明文中采用的方法是可行的有效的。     

基于小波变换和ANFIS模型的不规则海浪组合预报

利用小波变换对不规则海浪进行多尺度一维小波分解与重构,得到相对简单、规则的准周期分量信号,然后建立了各信号的多输入、单输出自适应神经模糊推理系统(ANFIS)预报模型,最后对预报结果进行集成。基于Matlab语言的仿真结果表明,该方法不仅降低了预报的难度,而且具有较高的预报精确度。此方法亦可用于船舶横摇、纵摇、艏摇运动的预报。     

用于标定和优化的高压共轨柴油机建模

高压共轨柴油机可控燃油喷射参数的增加,在使对燃烧的控制更加灵活的同时也带来标定和优化工作量显著增加的问题.为适应高效率的需要,提出并研究了基于模型的标定优化,即采用神经网络在一些工况点上建立模型,再通过自适应神经模糊推理系统(ANFIS)进行插值,将模型由这些工况点扩展到所需工况空间.模型精度由对象、建模所用数据量及模型参数调整共同决定.试验在一台六缸高压共轨柴油机上进行.理论分析和试验结果表明 该方法可以在保证精度的同时有效减少标定优化的试验工作量.     

仿真技术在物料悬浮速度计算中的应用

SIMULINK是MATLAB的重要组件之一,它提供了一个动态系统仿真建模、仿真与综合分析的集成环境．本文基于上述软件工具,设计了一个模糊逻辑控制器,并应用于球形物料悬浮速度计算仿真．与其他计算方法进行了比较,并结合实际分析了仿真的物理意义。     

基于模糊技术的期货价格预测模型

期货价格风险一直是期货市场风险控制研究的中心和重点．结合模糊控制理论，将其引入期货价格风险问题研究中．基于遗传算法和模糊IF—THEN规则，建立适合期货价格预测的模型．在实证分析基础上，利用ANFIS，对模型进行学习和测试．实验结果表明，该模型能较准确地预测我国铜期货价格的波动趋势．     

Prediction of Anthropometric Dimensions Based on Grey Incidence Analysis and ANFIS

In order to select the efficient input variables of adaptive ncuro-fuzzy infence system （ANFIS）during the prediction anthropometric dimenions, grey incidence （GI） analysis, as a mastic method that ranks the sequence of of lots of variables in complicated factors has been applled.According to the prediction accuracy （A） between the predicted values and actual measured values, the ANFISG1 model with the parameters selected by using the GI analysis were more correct and effective than those done by multiple regression model and the model with input parmeters nonelected. The model prediction accuracy △Regrauskn= 0.804 7〈 △ANE3CI=0.9725, which proves the nodel with few parameters is more correct and effective than the other merits.     

基于自适应神经模糊推理系统的企业市场预测

针对传统的市场预测方法几乎回避了市场信息具有模糊性的特点，出现的用神经网络进行市场预测又不能表达模糊语言的情况，分析了自适应神经模糊推理系统的结构机理，提出了用自适应神经模糊推理系统进行企业市场预测；仿真结果说明了该方法的有效性和可行性。