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。     

基于模糊自适应推理系统的非线性信道参数辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,必须采用适当的非线性模型进行描述.为了实现对高速通信中非线性信道的辨识,提出采用自适应神经模糊推理系统进行信道辨识的方法.利用减法聚类法实现对 ANFIS 网络结构识别,在此基础上采用误差反传和最小二秉相结合的混合学习算法训练网络,从而实现对非线性信道的辨识.仿真结果表明,该方法与 BP 网络相比具有更高的收敛速度和识别精度,与基于网格划分的 ANFIS 相比,吴有更高的运算效率.     

基于模糊自适应推理系统的非线性信道参数辨识

当前对高速通信的需求导致对信道资源的利用已经超出了可以采用线性模型建模的范围,必须采用适当的非线性模型进行描述。为了实现对高速通信中非线性信道的辨识,提出采用自适应神经模糊推理系统进行信道辨识的方法。利用减法聚类法实现对ANFIS网络结构识别,在此基础上采用误差反传和最小二乘相结合的混合学习算法训练网络,从而实现对非线性信道的辨识。仿真结果表明,该方法与BP网络相比具有更高的收敛速度和识别精度,与基于网格划分的ANFIS相比,具有更高的运算效率。     

基于NGACH和ANFIS的调谐模型构建

针对传统的自适应模糊推理系统无法解决波动聚类现象,通过分析自适应模糊推理系统和非线性广义自回归条件方差的特性,提出了融合自适应模糊推理系统和非线性广义自回归条件方差的调谐模型.调谐模型实质是指在对ANFIS和NGARCH进行独立运行的基础上,对运行结果进行动态调谐操作,从而提高系统的预测精度.最后,结合实际的项目数据,证明调谐模型提高了传统ANFIS对于波动聚类现象的应对能力,获得较好的运行效果.     

基于多维ANFIS的T-S模糊控制规则聚类获取方法

T-S模糊模型与自适应神经模糊推理系统(ANFIS)的结合便于描述多输入系统模糊控制规则.为解决规则前件过多时传统ANFIS结构导致的维数灾难问题,同时进一步提高ANFIS对于复杂系统T-S规则在线获取速度,首先采用多维输入向量对ANFIS网络进行修正,在此基础上提出了T-S模糊控制规则聚类获取方法;其次,利用所提出的方法分别对倒立摆和二阶滞后系统进行了控制仿真,该方法同Mamdani规则自组织模糊控制的控制效果比较表明两者的最大超调量、振荡次数、过渡时间基本一致,上升时间要较Mamdani模糊控制器缩短3个采样周期,控制规则较Mamdani控制器减少了45条.     

基于模糊神经网络的MEMS陀螺温度漂移建模

微机电系统(MEMS)陀螺的温度漂移呈现复杂的非线性特性,常规的方法无法对其建模.本文提出了一种基于模糊神经网络(ANFIS)的陀螺温度漂移建模的方法,ANFIS具有良好的逼近非线性函数的能力,适合于非线性系统的建模.通过ANFIS对MEMS陀螺的温度漂移进行建模,经实测数据验证,该方法具有较好的效果.通过该模型的温度补偿算法,使MEMS陀螺的定位精度提高了20倍.     

ANN与ANFIS的拟合能力和推广预测能力的比较研究

岩土体位移与岩土体力学参数间的映射关系,具有高度非线性的特点.寻求一种能精确描述这种非线性映射关系的方法,是众多研究者正在大力研究的问题.为此, 采用一个多峰函数对ANN和ANFIS的拟合能力和推广预测能力进行了比较研究,结果表明,ANFIS的拟合能力和推广预测能力均优于ANN,更适合于用来建立岩土体位移与岩土体力学参数间的映射关系.     

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。     

粒子滤波和ANFIS级联滤波的去噪技术

为实现实际应用中的非线性、非高斯系统中的状态估计,结合粒子滤波非线性估计的优势和自适应神经模糊推理系统(ANFIS)的非线性逼近功能,建立了ANFIS粒子滤波模型。该模型首先通过ANFIS消除测量信号中有色噪声的影响,再运用粒子滤波实现对状态的最优估计,从而进一步提高估计精度。仿真结果表明ANFIS与PF的级联滤波较单一的粒子滤波均值减少了65%,方差减小了74.4%。ANFIS粒子滤波对于强非线性系统的噪声消除效果显著,使状态估计精度得到了较大提高,证明了该级联滤波模型的有效性。     

基于BP神经网络对时滞系统的模型参数辨识仿真

主要研究了基于BP神经网络对时滞系统的参数辨识,分析了两种辨识结构和两种建模方法,对系统被控对象的建模采用了神经网络正模型,辨识结构为串-并联型.考虑加强BP网络的泛化能力,用随机数据去训练网络,然后得到训练后的权值,给一个阶跃信号,利用交叉两点法,从而得到时滞系统的特征参数.通过仿真,基于BP网络对时滞系统的参数辨识是有效的.