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非线性系统辨识与仿真

针对非线性系统的模糊性、不确定性等特点，将模糊推理系统和神经网络相结合，介绍了一种自适应神经模糊推理系统，并将其应用于非线性系统辨识中，仿真结果表明：训练后的ANFIS能够很好地逼近实际的非线性系统，并且辨识精度高。     

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。     

开采地面沉陷预测的自适应神经模糊推理方法研究

现行各种开采地面沉陷预测方法均存在着一个共同的缺陷,均不能在集成以往开采地面沉陷工程实 例的基础上对某一地下采矿工程所引起的地面沉陷进行预测,而只能根据某种物理的或力学的方法对其进行预 测。人类在工程实践中所创造的开采地面沉陷方面的经验是非常宝贵的财富,应当在建立开采地面沉陷预测方 法时加以充分利用。以所收集的开采地面沉陷工程实例为基础现行各种开采地面沉陷预测方法均存在着一个共同的缺陷,均不能在集成以往开采地面沉陷工程实 例的基础上对某一地下采矿工程所引起的地面沉陷进行预测,而只能根据某种物理的或力学的     

浅谈异步电动机软启动

近三十多年来,国外对晶闸管三相交流调压电路进行了广泛的研究,在工业应用领域得到广泛应用,在某些领域应用显示出独特的技术优势。文章对异步电动机软启动做了分析。     

浅析异步电动机软启动

近三十多年来,国外对晶闸管三相交流调压电路进行了广泛的研究,在工业应用领域得到广泛应用,在某些领域应用显示出独特的技术优势。本文对异步电动机软启动做了分析。     

基于自适应模糊推理的电力变压器故障诊断研究

将自适应神经网络的自学习优点与模糊数学的模糊推理方法进行有效的结合,解决了变压器绝缘故障诊断中模糊规则难以确定的问题,利用自适应神经网络的自学习功能,通过神经网络的学习确定了模糊规则和模糊隶属度。建立了变压器故障诊断的ANFIS模型,实现了电力设备故障诊断,反映了变压器的实际运行状态。     

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。     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题.自适应模糊神经推理系统(ANFIS)有优越的学习和泛化性能,而遗传算法(GA)是优秀的全局优化工具.采用遗传算法优化ANFIS参数,并编制了相应的计算程序.结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型.为了对比该模型的预测精度,采用GA优化支持向量回归(SVR)和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析.按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考.     

三相异步电动机的启动及软启动研究

三相异步电动机软起动器作为电动机的配套设备,能够在交流电动机空负荷或者低负荷时,自动调节输入电动机的电压,而不会影响电动机的转距。软起动器一问世,便受到了从事于各个行业的生产企业欢迎,虽然目前在价格,性能等方面有一定困难,但是随着晶闸管器件制造技术的发展,可以预见在不远的将来,软起动器必将成为一种提高交流电动机应用深度的必要配套设备。     

交流变频调速系统的自适应神经模糊控制研究

针对交流电动机参数变化和负载波动等因素对交流变频调速系统性能的影响,利用神经网络实现模糊控制,设计了一种基于自适应神经网络模糊推理(ANFIS)的速度调节器.仿真实验结果表明,具有ANFIS的交流变频调速控制系统不仅动态和静态性能都得到提高,而且具有较强的鲁棒性.     

基于ANFIS的软测量模型在浮选中的应用

以浮选过程为研究对象,提出一种基于自适应神经-模糊推理系统的经济技术指标软测量模型。该模型采用主元分析进行输入数据集降维,运用最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统结构参数进行优化设计。该混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明,提出的模型能很好地实现浮选过程经济技术指标的全局预测,满足优化浮选药剂添加的计算要求。     

可变电抗式电机软启动器研究

针对感应电机起动电流大的问题,提出应用可变电抗式软启动器降低起动电流．建立了软启动器的数学模型,通过分析晶闸管导通角与电机电流之间的关系,得出了晶闸管导通角与电机电流的数学解析表达式,为降低起动电流提供一定的技术支持．     

基于神经网络的感应电动机的模型参考自适应速度控制系统

系统中分别设计了一个神经网络系统辨识器(NNP I)和一个模型参考自适应神经网络控制器(NNP IC),NNP I自适应地在线辨识出系统的集中不确定量,NNP IC能使到系统输出跟踪参考模型的输出。仿真实验表明,与常规的控制器相比,本文设计的速度控制方案能取得优良的控制性能,且在负载转矩和电机内部参数变化的情况下有很强的鲁棒性。     

基于CPLD的电动机软启动控制系统中功率因数角的测量

分析了基于CPLD进行功率因数角测量的基本原理,给出了硬件实现电路及VHDL源程序,简化了电路,提高了系统的可靠性和灵活性,获得了很高的测相位精度和稳定性.     

感应电动机模型参考自适应辨识及其应用

针对直接转矩控制的感应电动机调速系统由于电机参数变化引起的低速特性不稳定问题，推导了一种基于感应电动机直接转矩控制系统的定子磁链自适应辨识方法。根据磁链的辨识值计算出电磁转矩；并讨论了感应电动机部分参数变化时引起磁链变化导致的转速动态变化和自适应律调节器中参数的调节规律，最后给出了在MATLAB／SIMULINK环境下的仿真结果，证明所提出方案可以较好地解决直接转矩控制的调速系统在低速范围内的静差问题。     

感应电机转子磁链自适应观测器的研究与仿真

介绍了自适应控制原理应用于系统状态观测器的方法,应用MRAS设计了感应电机的转子磁链观测器,并在矢量控制系统上对控制算法进行仿真,给出了仿真波形。     

自适应控制在无刷直流电动机调速系统中的应用

采用模型参考自适应控制的思维方式,结合电机专用控制芯片控制和单片机控制的同时简化自适应控制器,提出了自适应控制与PID控制相结合的无刷直流电动机(以下简称为BLDC)调速方案,实验证明该方案能有效地提高系统的稳速性能,并具有很好的适应性和鲁棒性     

基于MAX+PLUSII的异步电动机软起动过程的仿真

用FPGA实现异步电动机软起动.通过MAX+PLUSII软件用VHDL语言对FPGA进行编程,并在MAX+PLUSII/SIMULATOR中进行了仿真,给出了仿真结果.