ANFIS在光电检测中的应用研究

光电检测系统会受到各种噪声和环境温度变化的影响而产生一定的误差,因此只有进行误差补偿才能够提高检测精度.为更好地实现误差补偿功能,建立了基于光电检测的自适应神经模糊推理系统(ANFIS),这种Takagi-Sugeno模型的推理系统能够自动调整隶属函数参数和自动生成模糊规则,克服了模糊控制系统缺乏在线自学习能力或自调整能力的缺点,仿真结果表明这种推理系统模型适用于光电检测并能够提高光电检测的检测精度.     

基于ANFIS的汽车ESP控制方法研究

文章采用自适应神经模糊推理系统(adaptive neuro-fuzzy inference system,简称ANFIS)研究车辆ESP的反馈控制,设计了基于横摆角速度的神经模糊推理系统;考虑车辆的转向特性,建立了车辆的轮胎模型和二自由度参考模型,并在Simulink下进行仿真;仿真结果证明了自适应神经模糊控制对车辆横摆角速度和质心侧偏角的控制是有效的,提高了车辆的侧向稳定性。     

自适应神经模糊推理系统在信号去噪中的应用

介绍了基于自适应神经模糊推理系统的语音去噪方法,这种算法把模糊系统理论和人工神经网络相结合,继承了二者的优点,通过神经网络强大的自学能力,弥补了模糊推理系统非常依赖于操作人员的经验的缺陷。有色噪声是功率谱密度函数不为常数的噪声,很难去除,仿真实验证明:使用自适应神经模糊推理系统能较好的去除测量信号中的有色噪声。     

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。     

基于优化模糊推理系统的电力变压器故障检测方法

为了提高电力变压器故障检测的准确性和稳定性,提出一种基于一维卷积神经网络和优化自适应神经模糊推理系统的检测方法;将利用溶解气体分析法得到的14个特征属性作为自适应神经模糊推理系统的初始未处理输入,通过一维卷积神经网络从中选择8个最具指示性的属性;采用改进帝王蝶优化算法对自适应神经模糊推理系统进行训练,并通过真实数据集实验与其他电力变压器故障诊断算法进行检测性能对比。结果表明,所提出方法的电力变压器故障检测准确率达98.91%,50次独立运行中故障检测的标准偏差为±0.01,具有检测准确性高、性能稳健、运行时间短的优点。     

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.     

基于类高斯隶属函数的自适应模糊推理建模研究

由于传统模糊建模方法中模型参数都是根据经验选取的,它对于不同系统的动态跟踪能力不同,泛化能力差。针对常规模糊推理的局限性,提出一种类高斯隶属函数,证明了基于类高斯隶属函数的自适应模糊推理系统以精度逼近任意非线性系统。设计了自适应模糊推理系统的结构和参数调整方案,利用梯度下降算法学习模型中的参数,仿真验证了自适应模糊推理模型的逼近性能。     

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。     

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。     

基于磁流变阻尼器的自适应神经模糊振动控制

自适应神经网络模糊推理系统（ANFIS）结合模糊控制和神经控制的优点,利用模糊控制的逻辑能力和神经网络的自学习能力来提高控制的快速性和自适应性。文章采用该方法对磁流变阻尼结构实施振动控制仿真分析,仿真结果表明,振动控制效果明显,自适应神经网络模糊控制是一种很好的控制方法。     

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ANFIS的油耗特性建模及燃油经济性仿真

根据试验数据对发动机燃油消耗特性进行回归分析是一种常用的方法，但存在建模精度不足的缺点．采用MATLAB提供的自适应神经模糊推理系统ANFIS对NJG415汽油发动机油耗特性进行建模，在此基础上对装有该发动机的NJ6400GHR旅行车燃油经济性进行仿真，并与回归方法进行对比分析．研究表明ANFIS具有很好的逼近非线性特性的能力，具有较高的建模精度，可用于非线性系统的建模和仿真．     

基于敏感性制图和数值模拟的泥石流综合评价——以九绵高速公路沙尕沟为例

泥石流等地质灾害的评估对于公路选线和安全运营有着重要的意义。随着科技的发展,越来越准确的泥石流评价和预测体系亟待研究。通过现场勘测和无人机解译,利用自适应神经模糊推理系统(ANFIS)和基于学习优化算法的自适应神经模糊推理系统(TLOA-ANFIS)对泥石流沟进行敏感性评价,并对沙尕沟进行区域划分,结果显示沙尕沟沟口3.5 km范围内泥石流的敏感性评价等级最高。为了更加清楚的研究该范围泥石流的运移堆积情况,对沟内泥石流冲出范围进行数值模拟,结果表明:在降雨频率P=1%的条件下,沙尕沟泥石流流深可达8.76 m,对公路安全运营和基础设施建设有着重要影响,建议相关部门对其进行治理。同时,提供的敏感性制图评价与泥石流危害范围数值模拟结合的方法可以为国内外相似案例提供相关参考。     

Temperature modeling and control of Direct Methanol Fuel Cell based on adaptive neural fuzzy technology

Aiming at on-line controlling of Direct Methanol Fuel Cell （DMFC） stack, an adaptive neural fuzzy inference technology is adopted in the modeling and control of DMFC temperature system. In the modeling process, an Adaptive Neural Fuzzy Inference System （ANFIS） identification model of DMFC stack temperature is developed based on the input-output sampled data, which can avoid the internal complexity of DMFC stack. In the controlling process, with the network model trained well as the reference model of the DMFC control system, a novel fuzzy genetic algorithm is used to regulate the parameters and fuzzy rules of a neural fuzzy controller. In the simulation, compared with the nonlinear Proportional Integral Derivative （PID） and traditional fuzzy algorithm, the improved neural fuzzy controller designed in this paper gets better performance, as demonstrated by the simulation results.     

自适应网络模糊去噪与副高异常影响因子的诊断检测

基于自适应网络模糊推理系统ANFIS，讨论了从实际信号中检测识别系统的主要影响因子，进而滤除其干扰的方法途径，进行了相应的去噪试验；运用模糊推理方法对西太平洋副高异常的近赤道海温影响因子进行了诊断检测分析。     

锌钡白煅烧过程的LS-SVM建模仿真

针对锌钡白煅烧过程建模难的问题,采用一种基于最小二乘支持向量机(LS-SVM)的辨识算法进行过程建模研究。从SVM与LS-SVM的算法机理出发,利用LS-SVM算法结构简单、辨识速度快的优点,通过建模仿真得到煅烧转速随煅烧温度变化的模型,并将此算法与自适应神经模糊推理系统(ANFIS)进行了辨识性能上的对比,结果表明LS-SVM在过程建模中具有更好的实际应用价值。     

自适应模糊神经网络在工业用水量预测中的应用

阐述了自适应模糊推理系统(Adaptive Network-based Fuzzy Inference System,ANFIS)网络,提出了工业用水量预测的ANFIS网络预测模型,并以黄河流域1993-2002年工业用水量为训练样本,以2003年、2004年工业用水量为校验样本,结果表明,ANFIS神经网络预测模型具有很高的准确性和实用性.     

基于灰色PSO-ANFIS模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(Grey Particle Swarm Optimization-Adaptive Neural-fuzzy Inference System, GPSO -ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统,再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船“育鲲”轮的横摇数据进行仿真实验,实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

乌尔逊凹陷南一段储层评价方法研究

储层综合评价是油田开发地质、油藏工程研究的重要组成部分,搞好此项研究工作,对提高开发效果和开发水平、实现科学管理油田,都有重要的现实意义。乌尔逊凹陷作为海拉尔盆地最重要的含油气凹陷之一,油气资源丰富。通过对乌尔逊凹陷南一段储层特性的分析,应用自适应神经模糊推理系统对其进行综合评价,建立其反映储层特性的非线性评价参数体系。并将该评价模型用于乌尔逊凹陷中两个井区进行有利储层预测,预测结果与实际情况一致,从而为油田储层评价提供一套便捷有效的研究方法。