基于自适应神经网络模糊推理系统的心电信号检测

心电信号是心血管疾病的重要诊断依据,探索新方法来处理心电信号对于医学诊疗具有重要的理论意义与实用价值。阐述了一种包含输入节点层、规则节点层、平均节点层、结论节点层和输出节点层的五层结构网络的自适应神经网络模糊推理系统(Adaptive neuro-fuzzy inference system,ANFIS),并提出了基于Sugeno模糊理论、最小二乘法和梯度下降法的混合自适应学习算法来训练ANFIS中的神经网络的参数,来提高ANFIS系统的收敛性能。为验证ANFIS系统在心电信号检测中的有效性,通过原始心电信号的实测数据中的第一路腹壁混合信号(CECG)和最后一路母体心电信号(MECG)进行了ANFIS的网络训练,基于训练结果对于腹壁混合信号进行了实验预测分析,实验结果表明自适应神经网络模糊推理系统在心电信号的分析与预测中十分有效。
     

基于在线加强模糊神经网络精度的开关磁阻电动机位置角检测

模糊神经网络ANFIS(自适应模糊推理系统)是开关磁阻电动机无位置传感器检测位置角的一种智能化新技术.针对其精度越高、规则数越多的缺点,提出了一种使用扩展卡尔曼滤波在线加强检测精度的训练算法,并对模糊神经网络的各项参数进行修正,Matlab/Simulink仿真结果证明了该方法的有效性.     

基于ANFIS的图像边缘检测算法

提出了一个包含4个自适应神经模糊推理系统(ANFIS)和一个后处理块的网络,该网络可用于灰度图像边缘检测。网络中每个ANFIS都是一个四输入单输出的一阶Sugeno模糊推理系统。所提出的边缘检测算法分两步进行,首先对该网络进行优化训练,确定其参数,然后用优化后的网络对被脉冲噪声污染的测试图像进行边缘检测。所提出的新算法的特色之处在于,即使测试图像被噪声污染,新算法也能有效地提取图像中的边缘信息而无需进行图像滤波预处理过程。仿真结果表明,新算法提取边缘信息的能力明显优于传统的边缘检测算法。     

基于NFI直推式学习算法的故障诊断方法

在故障特征数据空间中,搜索输入数据最相邻的训练数据作为子训练数据集,用最速下降法对模型模糊规则参数进行优化。用Fisher's iris数据集仿真并同自适应神经模糊推理系统(ANFIS)比较,平均试验误差降低了15%,运算速度提高了约30%。将一组采自航空发动机实际试车故障特征数据输入到诊断模型中,模型能准确识别发动机存在的三类故障状态,说明了此算法对解决一些故障诊断问题的有效性。     

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。     

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。     

基于ANFIS高精度光照度计的仿真研究

为提高光照度计的检测精度,针对光照度检测系统,应用Takagi-Sugeno模型的自适应神经模糊推理方法(ANFIS)到光照度检测系统,对光照度检测电路进行了误差补偿,并给出了硅光电池高精度光照度计的软件仿真。最后利用光照度检测实验平台实测数据作为样本数据,在MATLAB软件下的仿真结果表明：自适应神经模糊推理方法通过自学习,可以调整模糊规则和隶属函数参数,提高了光照度计的检测精度。     

ANFIS在水电站地下厂房围岩变形预测中应用

针对目前应用人工神经网络(ANN)方法预测地下洞室围岩变形时间序列的缺陷,提出一种将神经元网络和模糊逻辑有机结合的新型模糊推理系统——ANFIS(adaptive-network-based fuzzy inference systems),该系统采用反向传播算法和最小二乘法的混合算法分别调整前提参数和结论参数,充分地利用了神经网络的学习能力和模糊逻辑的表达能力,实现了回归模型的自适应调整.通过龙滩电站的实例应用可以发现,ANFIS预测系统较传统ANN方法具有简单、快速以及预测精度高等特点.     

基于SaCE-ELM的地铁牵引控制单元快速故障诊断

地铁牵引控制单元(TCU)在地铁运行过程中有重要的作用,及时有效地对其进行故障诊断,是保证地铁正常运行的重要环节.针对传统故障诊断方法的学习速度慢、易陷入局部最优、预测精度较差等缺点,提出一种使用自适应差分进化算法(SaCE)进行优化的极限学习机(SaCE-ELM),即通过自适应差分进化算法对极限学习机的输入权重、隐含层参数和输出权重进行优化.其中,差分进化算法的变异策略通过基于混沌序列的自适应机制产生,其他参数使用正态分布随机生成;网络的输出权重使用Moore-Penrose广义逆矩阵计算得出.SaCE-ELM不需要人工选择变异策略和参数,自适应策略比SaE-ELM更加简单.实验结果表明,与E-ELM、SaE-ELM、LM-NN、SVM相比,SaCE-ELM具有更好的预测精度.此外,SaCE-ELM在所有数据集上训练时间比SaE-ELM和SVM更少,有效地改善了生成模型的效率.     

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.      

ANFIS网络在噪声消除中的应用研究

通过对自适应模糊神经网络推理系统（AN-FIS）消除噪声原理的分析与研究,构建了一个自适应噪声消除的原理模型,给出了非线性动态系统特性的实验模型与仿真结果。结果表明ANFIS在消除噪声的应用中起到了良好的消噪作用。     

扁平化管理模式下露天矿山生产调度系统群集拟生态优化研究

根据露天矿山工艺系统特性,构建经营决策层的生产计划系统,过程控制层的穿孔爆破系统、卡车运输调度系统,中间层的制造执行系统的露天矿山生产调度系统三层扁平化管理模式结构.应用自适应模糊推理技术及群集拟生态算法优化生产调度系统,以获得系统参数的全局最优解.     

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.     

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。     

ANFIS在局部板形控制中的建模与仿真

在轧制生产过程中，局部板形动态特性往往表现出非线性、多变量、强耦合和大惯性等特点，这使得难以对其建立比较精确的模型，从而难于精确表达轧制过程及实施优化控制．针对局部板形控制建模难的现状，为达到建立精确非线性模型的目的，采用自适应神经模糊系统（ANFIS）模糊建模方法．该方法通过对模糊系统的结构辨识和参数辨识，使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系，从而达到精确建模的目的．Matlab仿真结果表明，通过anfis训练及检验的模型是有效的，具有较高的控制精度．     

基于模糊最早价值时间优先的动态调度算法

实时控制系统调度中,最早截止时间优先（EDF）算法在超载时会造成系统控制性能急剧下降且严重影响了系统的稳定性,限制了其应用。为此,本文提出了模糊最早价值时间优先（FEVF）的调度方法。该算法基于模糊思想,构造了任务截止期的模糊隶属度函数,并根据任务的在线执行情况对任务进行价值度评价,从而动态地获得任务的价值时间,价值时间越早,任务的优先级越高。仿真结果表明,FEVF算法调度下系统的稳定性能在一定重载下保持较好的状态,可实现大范围负载内的优雅降级,使系统不致突然出现失效或崩溃。     

基于自适应神经模糊系统模型的锅炉汽包应力在线计算与监测

汽包寿命的在线监测是关系到自然循环锅炉运行安全与经济性的重要课题 .实现寿命监测的关键是寻找适合在线计算的应力模型 .针对建立模型的需要 ,制订了假想工况变动过程 ,并以此作为边界条件对锅炉汽包的温度、应力状况进行了三维有限元计算 .采用自适应神经模糊系统( ANFIS)再现有限元数值计算结果 ,从而建立了新的应力模型 .在所建模型的基础上对原有电站锅炉汽包应力监测系统的测点布置做出了相应的调整 .改进后的方法不仅提高了运算速度 ,减少了测点数量 ,而且继承了数值计算的精度 .由于数值计算的引入 ,克服了现场实验方法难以获得大样本数量的缺陷 ,并有利于进行事故状态的模拟 .