共查询到20条相似文献,搜索用时 203 毫秒
1.
模糊系统建模与控制的神经网络方法 总被引:3,自引:0,他引:3
本文将正在迅速发展中的模糊控制、建模方法与神经网络方法结合起来,提出了模糊系统建模与控制的神经网络方法。这种方法的核心是利用神经网络来实现复杂系统的模糊输入和输出间的模糊映射关系,并利用神经网络来学习并记忆人类控制器的知识和经验性的控制策略。本文给出了详细的模型结构和有关算法,并仿真实现了基于神经网络的模糊系统建模与模糊控制。 相似文献
2.
基于神经网络辨识的质子交换膜燃料电池建模 总被引:5,自引:2,他引:3
针对质子交换膜燃料电池(PEMFC)系统过于复杂,难以建模,而已建立的模型难以满足PEMFC控制系统设计和应用的要求。本文利用神经网络具有逼近任意复杂非线性函数的能力,将神经网络辨识方法应用到PEMFC强非线性系统的建模中,避开了PEMFC系统内部的复杂性。模型以电池工作温度为神经网络辨识模型的输入量,电池电压、电流密度为输出量,利用500组实验数据作为训练样本,采用改进型BP算法,建立了不同温度下电池电压—电流密度动态响应模型。仿真结果表明,方法可行,建立的模型精度较高,从而为设计PEMFC实时控制系统奠定了基础。 相似文献
3.
4.
对于存在多变量、非线性的现代复杂系统,混合建模策略是获得准确、可靠模型的有效手段之一。在现有混合建模方法中,缺乏对先验模型和非参数模型建模目标的清晰界定,且在分析非参数模型时,对线性化方法的选择也缺乏统一的标准。针对上述问题,以四旋翼飞行器为应用对象,提出一种基于物理效应分析和非线性度量的混合建模策略,根据各类物理效应对飞行姿态的影响程度界定先验模型和非参数模型的建模目标,并根据各类物理效应的非线性程度运用模糊推理算法选择合适的线性化方法。实验结果证明了混合模型的可靠性和建模准确性。 相似文献
5.
6.
基于径向基函数神经网络的燃料电池温度非线性建模与预测 总被引:5,自引:3,他引:2
针对现有的熔融碳酸盐燃料电池(MCFC)模型过于复杂的弊端,本文应用RBF神经网络辨识方法建立了MCFC的温度非线性模型。简要分析了MCFC电堆的温度特性,讨论了应用RBF神经网络进行多输入/多输出非线性系统建模的主要问题,并详细给出了其辨识结构,算法和模型训练方案,应用仿真对建模的有效性和建模精度进行了检验,并与BP神经网络辨识的效果进行了对比,仿真结果证明RBF神经网络远比BP神经网络收敛得快,应用RBF神经网络辨识方法对MCFC电堆建模是可行的,它避免了用复杂的微分方程组来描述MCFC,通过神经网络可快速地得到其输入同特性,它为MCFC温度的在线预测和在线控制奠定了基础。 相似文献
7.
基于模糊神经网络和R/S分析的股票市场多步预测 总被引:5,自引:1,他引:4
将输入空间划分为若干个相互重叠的模糊子空间 ,并在子空间内 ,利用线性模型对非线性系统进行局部建模 ,最后内插局部模型的输出 ,得到非线性系统的全局模糊建模 .基于 Sugeno模糊推理模型的模糊神经网络 (自适应网络模糊推理系统 ANFIS)正是上述模糊建模思想的神经网络实现的一种形式 .R/ S分析表明 ,上海股票市场的价格波动具有长期记忆性 ,因而可以预测 .基于此 ,利用 ANFIS对上证综合指数进行多步预测 ,得到比较好的预测结果. 相似文献
8.
一种非线性自适应逆噪声控制器设计及其仿真 总被引:2,自引:2,他引:2
基于模糊神经网络算法研究了非线性系统的噪声消除问题,设计了一类非线性自适应逆噪声消除控制器。该文利用模糊神经网络融合算法所具有的对任意函数的精确逼近性,对非线性系统进行建模和逆建模,从而为非线性自适应逆噪声控制器的有效性提供了保障。最后将所设计的控制器用于仿真实例,研究表明该噪声控制器能有效地消除非线性被控对象的噪声污染。说明了该方法的可行性和有效性。 相似文献
9.
基于非信息超先验的Bayesian Kriging元建模算法 总被引:1,自引:0,他引:1
计算机试验引入近似建模的思想,使其广泛地用于复杂物理系统。针对计算机试验中的近似建模问题,基于Jeffreys 非信息超先验为Kriging 模型的相关参数赋予了多层先验约束,提出了一种有效的Bayesian元建模方法,并且利用期望最大化算法对相关参数进行数值求解。新方法在本质上属于惩罚似然方法,但是它不含有任何需要调整或者估计的参数。将之与国际上已有的几种方法进行了比较,实验结果显示新方法不仅能够取得较高的元建模精度,而且能够大大降低计算复杂度。 相似文献
10.
11.
12.
13.
基于神经网络动态非线性非平稳经济系统预测 总被引:4,自引:0,他引:4
考虑实际经济系统中广泛存在着非线性和时变性因素,以及大部分变量的序列具有增增长特性,提出了用网络方法,建立实际经济系统的时变非线性模型,采用增广卡尔曼滤波算法训练神经网络,并根据先验信息(序列的时间增长特性)构造参数转移矩阵,对实际经济的预测分析结果证明,与传统定常非线性预测模型相比,该方法不仅可以在线递推预测,而且由于参数转移矩阵的引入,预测精度得到很大的提高。 相似文献
14.
15.
针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。 相似文献
16.
非线性系统辨识的一种泛函网络方法 总被引:10,自引:2,他引:8
泛函网络是最近提出的一种对神经网络的有效推广.与神经网络不同,它处理的是一般的泛函模型,而不仅仅是Sigmoidal函数,并且在各个处理单元之间没有权值.提出了一种基于泛函网络的非线性系统的辨识方法,而网络参数利用梯度下降方法来进行学习.计算机仿真结果表明,这种辨识方法具有较快的收敛速度和良好的性能. 相似文献
17.
针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。 相似文献
18.
19.
MPSO-RBF优化策略在锅炉过热系统辨识中的仿真研究 总被引:1,自引:0,他引:1
提出了基于改进PSO算法的RBF神经网络混合优化(MPSO-RBF)方法,并将其应用到非线性系统的辨识中。该方法将改进PSO算法的全局搜索能力和RBF神经网络局部优化的高效性相融合,克服了普通PSO算法收敛的不稳定性和RBF网络易陷入局部极小值的缺点。经典型非线性系统仿真试验,并与GA-RBF和RBF辨识效果进行了对比,结果表明基于MPSO-RBF的混合优化方法较GA-RBF和RBF优化速度快、逼近性能好,可以达到更优的辨识精度。最后,通过对火电厂的过热汽温动态特性的辨识实例,同样证明了MPSO-RBF方法具有更好的性能指标。 相似文献