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B-Spline插值的自适应去噪方法

为了提高在高水平噪声下的去噪效果,提出了一种适合对受随机冲击噪声污染图像重建的两步去噪方法。利用图像的全局和局部信息来定位被噪声污染的像素,对被噪声污染像素利用基于B-Sp line插值的方法来进行重建,并且根据被污染像素周围像素的污染情况自适应地调整对其的加权因子。实验结果表明:通过B-Sp line插值来恢复被噪声污染像素的方法,对污染噪声的水平具有很好的鲁棒性,特别是在噪声水平高于50%的情况下,重建图像的峰值信噪比PSNR比传统方法平均可以提高2~3 dB。     

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。     

用非均匀三次B-Spline方法快速逼近曲线

本文提出了一种曲线设计方法:用凸的非均匀B-Spline曲线快速、有效地生成逼近曲线,以及当生成的曲线不满意时,如何进行修改,最终得到一条理想的逼近曲线。     

非线性函数的模糊推理模式化

模糊控制－模糊决策是模糊理论应用中最先得到实践成果、最为活跃的研究领域之一．当前，所谓“模糊控制技术的高度化”，即探索模糊模式化（ＦｕｚｚｙＭｏｄｅｌｉｎｇ）与模糊控制－模糊决策（ＦｕｚｚｙＣｏｎ－ｔｒｏｌ—ＦｕｚｚｙＭａｋｉｎｇ）的融合，是智能理论与应用领域中急待解决的研究课题之一．众所周知，现实生活中人们要施加控制的系统，大多数的输入输出关系、人们要作决策的目标和约束条件的关系是不明了的，是无法用精确的数学模型来描述的非线性函数．为了实现模糊模式化与模糊控制的融合，首先要解决的课题就是如何把非线性函数模式化，进而实现非线性系统的模糊控制以及模糊环境下的最优决策．提出了基于决策目的的用模糊推理把非线性函数模式化的方法．     

基于自适应网络模糊推理系统的噪声抵消

对自适应网络模糊推理系统(ANFIS)在噪声抵消中的应用进行了研究，说明了ANFIS的结构和使用ANFIS进行噪声抵消的原理，对窄带干扰的滤除和噪声中的信号提取两种情况进行了仿真，并对ANFIS和LMS(小均方误差准则)两种算法进行了对比研究，结果表明，利用ANFIS进行噪声抵消要优于LMS。     

基于自适应神经模糊推理系统的连续搅拌反应釜系统的改进广义预测控制

连续搅拌反应釜(continuously stirred tank reactor,CSTR)是典型的非线性、大滞后的化工对象。为克服传统控制方法难以建立其机理模型的难点,基于对实际工业现场采集得到的大量输入输出数据,提出采用自适应神经模糊推理系统(adaptive-network-based fuzzy inference system, ANFIS)的方法,得到CSTR系统较理想的输入输出关系规则库,即CSTR系统的T-S模糊模型。最后,通过改进的广义预测控制(Jin’s generalized predictive control, JGPC)算法对CSTR系统的浓度进行控制,并与常规的广义预测控制(generalized predictive control,GPC)算法、比例-积分-微分(proportion integral differential,PID)控制算法进行对比,仿真结果显示,JGPC算法的控制效果优于GPC算法和PID控制算法,证明了方法的有效性。     

基于纹理畸变与B-Spline插值的计算机表面重建方法

提出一种基于网格纹理畸变的方法,获取物体2D断层轮廊序列,用B-Spline内插形成新的断层切片,实现物体表面重建.该方法不仅具有断层扫描法的优点,还避免了使用特殊设备采集断层图像如CT、MRI,适用于一般物体的重建.     

基于ANFIS系统的基结构自适应生成

以形成基结构智能自动生成系统为目标，以并行自适应神经-模糊推理系统（ANFIS）为工具，建立了具有桁架拓扑结构智能自动生成功能的并行ANFIS系统，并将形态化拓扑结构进行抽象数字提取，作为系统的输入输出数据，实质是形成一种桁架结构形态间的映射机制，以样本所蕴涵的结构构成机理，推导所要求的基结构形式。最后的计算结果表明，这里使用的基于ANFIS系统的桁架结构智能自动生成方法是有效的，能够按照用户要求生成合理的桁架基结构拓扑形式。     

基于自适应模糊神经系统的热轧精轧机组动态设定系统

应用自适应模糊神经网络控制技术,建立了热带精轧机组动态设定系统,该系统根据前两个机架实测的轧制力和设定计算的轧制力间误差预测带钢可能出现的厚度偏差,根据模糊神经网络的预测结果修正后续机架的辊缝值,提高带钢头部厚度精度.并以实际数据对系统进行了校验,取得了良好的效果     

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.     

航空发动机模糊自适应广义预测解耦控制

为克服航空发动机控制回路间的耦合作用,针对具有不确定大时延的航空发动机分布式控制系统,提出了一类模糊自适应广义预测解耦控制算法.利用发动机非线性模型的输入输出数据对模糊自适应推理网络进行离线训练,网络的前提参数训练后固定,后件参数则可在线调整以使网络能更好地逼近实际系统.将模糊自适应推理网络作为广义预测控制器的预测模型,可以省去常规广义预测控制器的反馈校正机构.仿真表明:当参考轨迹为阶跃信号、斜坡信号时,所设计的控制器均具有良好的动态跟踪特性和解耦特性,当时延发生变化时,系统输出仍然能稳定地跟踪参考轨迹,说明该控制器对时延不敏感,鲁棒性强.     

基于模糊高斯基函数神经网络控制的机器人视觉伺服系统

针对机器人视觉伺服控制系统中存在的不确定性问题,将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络视觉伺服控制器,该控制器不仅具有定性知识的表达能力,而且具有很强的在线学习能力。将所提方法用于三关节机器人"手-眼"视觉伺服系统的控制中,取得了很好的控制效果。     

基于B样条函数的对流扩散方程数值模拟

利用三次B样条函数,构造了一个求解对流扩散问题的隐式格式,并分析了算法误差及稳定性,给出了数值例子.数值结果表明,构造的格式能处理文献[2]中格式不能处理的问题,且精度更高。     

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．     

基于自适应神经模糊网络的路面识别技术

以路面识别为目的,利用自适应神经模糊网络(ANFIS)进行路面不平度激励时域估测研究. 首先建立车辆1/4模型运动微分方程,并使用白噪声信号激励车辆模型,利用激励产生的模型动力学响应进行自适应神经模糊系统训练. 之后对训练获得的逆向车辆动力学模型进行分析并利用随机路面激励产生的系统响应进行随机路面时域估测. 最后对自适应神经模糊网络系统隶属函数个数及输入数据组合进行分析比较. 仿真结果显示,自适应模糊神经网络系统能够以较高的精度完成路面时域估测.      

一种基于模糊逻辑的图像自适应去噪算法

为克服单一使用中值滤波方法去除脉冲噪声会造成图像细节信息丢失,使图像变模糊的缺陷,提出一种新的基于模糊逻辑的图像自适应去噪算法.新算法通过分析像素不同方向邻域像素灰度值分布情况来检测脉冲噪声点,另外为更好地保持图像边缘等细节特征,使用改进MMEM(maximum-minimum exclusive median)算法对噪声像素点的灰度值进行估计.最后,新算法通过引入模糊逻辑规则,更加合理地进行噪声污染像素点的灰度值复原.仿真结果表明,与其他改进中值滤波算法相比新算法在去除脉冲噪声时能取得更好的效果.