ANFIS在企业人力资源预测中的应用

企业人力资源是影响其生存发展的关键因素,以此为研究对象,建立自适应神经模糊推理系统(ANFIS)预测模型,通过对某集团公司的人力资源进行预测来探讨自适应神经模糊推理系统在这一领域的应用前景,并将预测结果与普通FUZZY模型进行比较.结果表明,前者预测误差较小,满足精度要求,具有很高的理论价值和实际应用价值.     

基于LIPM的机器人快速行走优化

针对双足机器人,在线性倒立摆模型(LIPM)的基础上,提出了无双足支撑阶段的机器人快速行走优化方法.该方法在当前单足支撑阶段中寻找合适的换足时刻,使前后单足支撑阶段的质心位置与速度相匹配,达到了消除双足支撑阶段,提高行走速度的目的.在NAO机器人上进行对比实验发现:采用优化后的行走方法,机器人行走速度得到了明显提升.     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

基于CPG的双足机器人NAO的行走控制

基于中枢模式发生器(CPG)机理实现双足机器人NAO的行走控制.利用Kimura振荡神经元设计双足机器人的重心轨迹,得益于CPG丰富的动态特性,机器人的重心轨迹可以通过调节CPG参数来灵活调节.进一步利用生成的重心轨迹信息来在线规划机器人的脚掌轨迹,得到具有环境适应性的脚掌轨迹从而达到适应性行走的目的.通过开放动力学引...     

基于单目立体视觉的NAO机器人的目标定位与抓取

为了实现NAO机器人对空间目标的定位与抓取,提出了一种单目立体视觉的导航方法.首先利用机器人上部摄像机的平动获取两幅目标图像,等效于双目立体视觉,采用FFT频域互相关和累加求和快速算法,进行两幅目标图像的立体匹配,实现目标位置的快速检测;然后根据测得的目标高度,运用视野中心算法和三角测量原理计算出目标距离,进行目标的跟踪逼近,当机器人到达目标邻近区域时使用下部摄像机进行目标检测并进行姿态调整,直到距离误差落在目标中心许可的圆形区域内,进行目标抓取,实际测试表明采用这种视觉导航方法的NAO机器人抓取成功率在90%以上.     

变电站巡检机器人视觉导航模糊控制

利用导航线,通过机器人自身前景视觉获得机器人偏离导航线的距离和方向,采用Sugeno模糊推理法生成左右轮速,实现变电站巡检机器人视觉导航自主运动控制.基于博创UP-VoyagerII型机器人进行实际测试,机器人能够准确、平稳地实时追踪导航线.实验表明了算法的有效性.     

基于ANFIS的挖掘机器人挖掘轨迹仿真

为提高液压挖掘机器人工作装置挖掘作业轨迹规划控制精度,将挖掘机器人工作装置简化为斗杆、铲斗两关节二维机械臂进行分析.在建立逆运动学模型时,要将铲斗末端位姿空间与工作装置关节空间和油缸空间联系起来进行轨迹规划,以便在各个空间实现对挖掘机器人的控制.为提高跟踪期望轨迹精度,采用两个自适应神经模糊推理系统(ANFIS)分别学...     

自适应模糊神经网络在某电力公司一产用电量预测中的应用

运用自适应神经网络模糊推理系统(ANFIS)理论,建立了某电力一产用电量预测模型,并与常用的一些预测方法所建模型进行了比较.结果表明,应用自适应神经网络建模方法简单可靠,精度极高.     

PSA-ANFIS方法的研究

矿山中的岩土工程灾害预测问题,是采矿工程领域亟需研究解决的重大课题.本文即针对这些问题,采用正交试验设计法和模式搜索算法研究了自适应神经模糊推理系统(ANFIS)的训练参数和模型结构的优化方法,提出和建立了基于模式搜索算法的自适应神经模糊推理方法(PSA-ANFIS).进一步采用一多峰函数进行离散,构建了训练数据对、检测数据对和预测数据对,对PSA-ANFIS的拟合能力和预测能力进行了研究.结果表明,无论是在拟合精度和预测精度上,还是在训练参数的调整、模型结构的建立和训练过程上,PSA-ANFIS均适合于解决矿山岩土工程灾害预测这一高度非线性的映射问题.     

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。