复杂工序关系的模糊网络计划分析与建模

剖析模糊网络计划在进行时间参数计算时的矛盾，即工序间因网络拓扑结构存在内在的相关性而计算中要求工序时间参数是相互独立的这一矛盾，为此将概率统计方法引进模糊网络计算中，先把模糊数量化并给出模糊数大小比较的原则，进而提出了模糊数运算的新定义．在建立模糊网络计划模型时，同时考虑了工序间的逻辑组织关系和搭接及特殊时间限定两类关系．在工序最早时间参数计算的基础上，直接计算工序的时差，避开了通过求取网络最迟时间参数再求取时差时可能出现时间参数为负值的矛盾局面．借助Visual C^＋＋语言编制的程序，实现了模型的时间参数计算、关键性分析和工期风险分析等功能．最后通过一个包含10项工序的模糊网络算例，阐明了模型的应用过程，并将计算结果与另一模型的计算结果进行了对比分析，验证了本模型的有效性．     

施工网络计划的Fuzzy方法

采用模糊数学的方法,确定了网络图中工序时间的隶属函数,利用λ-截集时间参数的计算公式,可求得模糊网络各工序λ-截集的时间参数及关键线路的模糊完成期,此方法可行、实用,更接近工程实际,优于传统的PERT法。     

模糊网络的工期与关键线路分析

基于模糊数学的基本理论和计算方法,对具有模糊时间参数的施工网络进行了分析,通过比较现有文献,提出了实用的算法,可用于指导实际的工程活动。     

基于支持向量机的模糊小波神经网络

针对高维输入小波网络的初始参数和网络结构非常复杂且计算量大的问题,提出用支持向量机(SVM)确定小波网络的初始参数和网络结构的方法。首先,使用有监督模糊聚类算法从聚类中抽取模糊规则,然后对每一个规则的后件使用支持向量机方法确定小波网络的结构和初始参数,最后采用梯度下降方法调节模糊小波网络中的参数,使得模糊小波网络输出与期望输出之间的误差较小。仿真结果表明:该算法与传统的模糊神经网络(FNN)相比显著提高了分类精度。     

模糊神经网络控制及其学习方法的研究

对模糊神经网络的学习方法进行了研究.该方法中,在分层训练的基础上通过改变隐层节点数目、训练样本数目和BP算法参数来对网络进行训练.仿真结果表明该方法精简了网络的结构,减少了训练的时间,为模糊神经网络用于实时控制系统提供了可能的条件.     

并行工程计划问题的模糊网络分析方法

基于网络流模型,本文提出了确定模糊网络关键路线的参数线性规划方法,并给出了反映决策者偏好信息的模糊网络关键路线和工程模糊完工期的隶属函数形式,从而得到了模糊网络关键路线性质的更全面结果。最后,针对模糊环境下的并行工程计划问题,给出了模糊网络的分析方法。     

基于结构元理论的模糊网络分析

针对模糊网络分析中模糊数运算的复杂性以及模糊数比较大小的困难,引入基于结构元理论的模糊数运算,提出新的模糊数比较大小定义以及基于加法运算的计算模糊网络最迟时间参数和工序总时差,得到了更有意义的计算结果,为工程项目提供决策分析依据。     

基于聚类和文化算法的补偿模糊神经网络建模方法

根据补偿模糊神经网络的建模特点,提出了基于聚类和文化算法的补偿模糊神经网络建模方法。该网络的学习分为两步:结构辨识和参数辨识。在结构辨识中,采用改进的聚类算法确定模糊规则数及初始参数,构造一个初始模糊模型;在参数辨识中,采用基于多层信念空间的文化算法对具有5层结构的补偿模糊神经网络参数进一步优化,使其具有更高的精度。通过对TE过程的故障诊断建模,结果表明该网络在建模精度和收敛速度上均优于常规补偿模糊神经网络和常规模糊神经网络。     

分析网络参数对Modular预报结果的影响

以实验数据为基础,分析网络参数对Modular预报30MnSi金属塑性变形抗力结果的影响,找出最佳网络参数,提高预报准确性.同时指出,在采用模糊神经网络进行预报时,分析网络参数对预报精度影响的必要性.     

最优模糊神经网络参数的设计--混沌模拟退火学习法

提出了一种新型优化算法———混沌模拟退火学习法,将混沌算法和模拟退火算法相结合学习模糊神经网络的结构和参数。首先将混沌变量引入模糊神经网络参数的优化搜索中,利用混沌变量的遍历性寻优,根据性能指标寻找较优的模糊神经网络控制器,然后在混沌优化确定的网络基础上,把经混沌搜索后得到的全局次优解作为模拟退火学习算法的初始值,再用模拟退火方法进一步学习网络的隶属函数和权值参数,找到一个全局最优的网络。仿真结果表明:混沌模拟退火学习法优于传统优化方法,其控制结果具有精度高、超调小和响应快的优点,为解决模糊神经网络控制器参数全局最优设计提供了一种切实有效的方法。     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

网络安全风险评估方法的研究

根据当前网络安全所面临的风险,探讨评价网络安全风险的指标体系,通过定性分析与定量计算相结合的方法,引入模糊数学的概念,提出网络安全风险的评估模型,以期为网络安全建设提供依据和尺度.     

基于模糊神经网络的压边力优化控制专家系统

说明了压边力优化控制模糊神经网络专家系统的总体结构框架及系统各模块的功能,对模糊神经元的选取、模糊神经网络的构造和模型神经推理机制进行了深入的阐述,针对板料拉深过程中的变量选取了模糊神经网络的输入输入参数。在板料拉深过程中,应用压边力优化控制模糊神经网络专家系统实现了冲压成形过程的智能化控制。     

电力系统负荷预报的模糊理论方法

基于电力负荷预测工作是整个电力系统规划设计和安全运行的基础,将模糊理论应用到电力系统的负荷预报中,建立了电力负荷预测的模糊时间序列模型．提出了确定系统模糊度最小的方法,并将其应用于实际的电力负荷预报工作．结果表明,该模型预测可以达到较高的精度,效果良好．     

一种规则生成和参数自调整模糊控制器及其应用研究

控制过程中,对象常具有非线性、时滞、不确定性和参数时变的特点,而普通模糊控制器因控制规则固定,影响控制效果.针对这些问题,基于模糊神经网络的方法,设计一种模糊控制器,对学习算法进行推导,实现模糊控制规则的自生成和参数自调整.经仿真实验并根据其特点,将之应用于烧结控制过程,表明该控制器有良好的控制性能.     

汽轮发电机组转子振动故障的模糊聚类分析

针对汽轮发电机组多个振动故障与多个振动信号之间综合关系研究的不足，阐述了模糊聚类分析的理论、方法及聚类效果的判别原则，并将其应用于汽轮发电机组转子振动故障的诊断研究中．提出了合适的聚类参数，从而对多故障发生与多故障特征情况下的故障进行分层，指出应优先诊断的范围，从而使诊断工作量和诊断时间大为减少．理论计算与现场检查结果相符，并且与神经网络方法相比，在综合判断振动故障方面显示了优越性     

基于实时仿真的地下洞室群施工进度预测与控制

针对水电工程地下洞室群的施工特性,采用循环网络仿真与网络计划分析技术,提出了基于实时仿真的地下洞室群施工进度预测与控制方法.该方法能够充分反映实际施工工艺、资源配置等施工条件的动态变化;根据当前施工现状,可以在施工任意时刻分析预测施工工序持续时间与工程后期施工进度;通过调整施工参数,制订更切实际的动态进度计划,达到施工进度实时控制的目的.实际应用结果表明,该方法可以对施工过程中不同的进度调整措施进行有效性评价,为选择合理的进度控制措施提供有力的决策支持,从而增强进度控制的主动性.     

基于模糊集理论的施工项目工期—成本—质量权衡优化方法研究

基于模糊集理论对施工项目工期、成本和质量多目标权衡优化这一问题进行系统研究.研究表明:采用三角模糊数能够有效表达施工活动持续时间和成本的不确定性,通过建立质量模糊评语集及其隶属函数,可以对质量水平进行合理的量化评估.利用Pareto最优化原理,设计基于非支配排序遗传算法的运算程序,从而建立不确定条件下施工工期、成本和质量多目标权衡优化模型,决策者可以从模型获得的一系列Pareto最优解中寻求满意方案.