研究了逆變點(diǎn)焊電源恒流自適應(yīng)控制的模糊神經(jīng)網(wǎng)絡(luò)模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。利用bp算法,采用先正弦函數(shù)輸入后恒定輸入的方法對(duì)網(wǎng)絡(luò)進(jìn)行了分段訓(xùn)練,并使用matlab語(yǔ)言,對(duì)系統(tǒng)進(jìn)行了自適應(yīng)控制和比例因子影響的仿真分析。結(jié)果表明,逆變點(diǎn)焊電源恒流自適應(yīng)控制模糊神經(jīng)網(wǎng)絡(luò),能夠?qū)崿F(xiàn)在線(xiàn)調(diào)整隸屬函數(shù)參數(shù),控制系統(tǒng)可快速感知外來(lái)干擾和過(guò)程變化,平均控制相對(duì)誤差小于2.08%;比例因子的選取,對(duì)系統(tǒng)有很大影響,不同的比例因子在與訓(xùn)練好的網(wǎng)絡(luò)結(jié)合進(jìn)行控制時(shí),系統(tǒng)控制效果不同。

針對(duì)模糊邏輯在co2焊接逆變電源控制中存在響應(yīng)速度慢、精確性不高的問(wèn)題,嘗試采用模糊神經(jīng)網(wǎng)絡(luò)控制算法,對(duì)焊接電弧電壓進(jìn)行控制。闡述了模糊神經(jīng)網(wǎng)絡(luò)控制器的設(shè)計(jì)過(guò)程,并對(duì)所設(shè)計(jì)的模糊神經(jīng)網(wǎng)絡(luò)控制器和模糊邏輯控制器進(jìn)行仿真對(duì)比研究,結(jié)果表明模糊神經(jīng)網(wǎng)絡(luò)具有更快的響應(yīng)速度和更高的穩(wěn)定性;整體仿真研究也表明所設(shè)計(jì)的控制系統(tǒng)可以更加快速準(zhǔn)確地控制弧長(zhǎng)的穩(wěn)定。

利用多臺(tái)焊接電源同時(shí)對(duì)同一工件進(jìn)行焊接,當(dāng)外電壓波動(dòng)時(shí),眾焊接電源依靠自身控制系統(tǒng)進(jìn)行各自調(diào)節(jié)的過(guò)程也是對(duì)外電網(wǎng)干擾的再生過(guò)程。將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,并應(yīng)用于多焊接電源的群控。在分析和設(shè)計(jì)了狀態(tài)變量的隸屬度函數(shù)、推理規(guī)則、解模糊算法等基礎(chǔ)上,完成了基于t-s(tagaki-sugeno)模型的自適應(yīng)模糊神經(jīng)推理控制器設(shè)計(jì)。利用該控制模型在simulink搭建的焊接電源群控模型上進(jìn)行仿真。結(jié)果表明,該控制模型具有調(diào)整時(shí)間短,超調(diào)量小的優(yōu)點(diǎn)(與眾焊接電源各自單獨(dú)調(diào)節(jié)相比較,調(diào)整時(shí)間縮短了22%,超調(diào)量減小了40%),反映出良好的動(dòng)態(tài)特性。

為提高電阻點(diǎn)焊的控制精度和焊接質(zhì)量,根據(jù)電阻點(diǎn)焊過(guò)程的特點(diǎn)和要求,通過(guò)集成變論域、人工神經(jīng)網(wǎng)絡(luò)和模糊控制技術(shù),提出了基于變論域電阻點(diǎn)焊模糊人工神經(jīng)網(wǎng)絡(luò)控制方案,開(kāi)發(fā)了四層模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),分析了計(jì)算過(guò)程,推導(dǎo)了四層模糊神經(jīng)網(wǎng)絡(luò)各層的計(jì)算方法和計(jì)算公式,研究了輸入輸出變論域伸縮因子的確定方法,定義了輸入變量的7個(gè)模糊子集和輸出變量的13個(gè)模糊子集,確定了49條模糊控制規(guī)則,研究開(kāi)發(fā)了一種電阻點(diǎn)焊變論域模糊人工神經(jīng)網(wǎng)絡(luò)控制器,結(jié)合實(shí)際產(chǎn)品的設(shè)計(jì)開(kāi)發(fā)進(jìn)行了試驗(yàn)研究與分析,證明了變論域電阻點(diǎn)焊模糊神經(jīng)網(wǎng)絡(luò)控制方法的優(yōu)越性.

建立了基于模糊神經(jīng)網(wǎng)絡(luò)的最佳耦合頻率控制系統(tǒng)的模型,使得轉(zhuǎn)動(dòng)軸狀態(tài)變化時(shí),無(wú)線(xiàn)感應(yīng)電源的頻率被控為諧振頻率,從而保證能量傳輸過(guò)程處于最佳耦合狀態(tài)。設(shè)計(jì)了一套無(wú)線(xiàn)感應(yīng)電源的實(shí)驗(yàn)裝置,包括可控頻率的電磁振蕩發(fā)生器,能量接收天線(xiàn)和軸上ac／dc裝置。

基于模糊神經(jīng)網(wǎng)絡(luò)的深基坑變形預(yù)測(cè)——針對(duì)深基坑變形控制系統(tǒng)中的不確定性、模糊性因素多的問(wèn)題，將模糊控制理論與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，采用非線(xiàn)性神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，把對(duì)應(yīng)的網(wǎng)絡(luò)輸入、輸出表達(dá)為輸入、輸出停息的模糊數(shù)隸屬度，建立了一種基于模糊神...

為了有效解決網(wǎng)絡(luò)系統(tǒng)可能出現(xiàn)的故障,結(jié)合模糊神經(jīng)網(wǎng)絡(luò)提出了一種新的故障檢測(cè)算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據(jù)特征信息熵建立了故障檢測(cè)評(píng)價(jià)方法和最小偏差的優(yōu)化模型,設(shè)計(jì)了模糊神經(jīng)網(wǎng)絡(luò)中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過(guò)建立網(wǎng)絡(luò)仿真平臺(tái),深入分析了影響fdd-fnn算法的關(guān)鍵因素,同時(shí)對(duì)比研究了fdd-fnn算法與其他算法的性能情況,結(jié)果表明fdd-fnn算法具有較好的適應(yīng)性.

針對(duì)深基坑變形控制系統(tǒng)中的不確定性、模糊性因素多的問(wèn)題,將模糊控制理論與神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合,采用非線(xiàn)性神經(jīng)元構(gòu)成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),把對(duì)應(yīng)的網(wǎng)絡(luò)輸入、輸出表達(dá)為輸入、輸出信息的模糊數(shù)隸屬度,建立了一種基于模糊神經(jīng)網(wǎng)絡(luò)的深基坑施工變形預(yù)測(cè)模型.結(jié)果表明,利用模糊度隸屬函數(shù)對(duì)基坑施工進(jìn)行動(dòng)態(tài)控制具有較好的實(shí)用效果.

通過(guò)對(duì)原有感應(yīng)加熱電源溫度控制方法的分析,提出了一種適合于非線(xiàn)性系統(tǒng)基于模糊神經(jīng)網(wǎng)絡(luò)的溫度控制方法。與傳統(tǒng)的控制策略相比,模糊神經(jīng)網(wǎng)絡(luò)控制具有不依賴(lài)控制對(duì)象精確的數(shù)學(xué)模型,較強(qiáng)的魯棒性,控制方式簡(jiǎn)便等優(yōu)點(diǎn)。實(shí)驗(yàn)證明:該加熱方法優(yōu)于常規(guī)pid和模糊pid,可獲得良好的動(dòng)態(tài)特性,具有穩(wěn)態(tài)精度高,功率調(diào)節(jié)范圍寬,工作穩(wěn)定可靠的優(yōu)點(diǎn)。

為了解決當(dāng)前城市交通擁堵問(wèn)題,采用更加智能化的控制方法提高城市交通信號(hào)控制效率是當(dāng)前計(jì)算機(jī)應(yīng)用實(shí)踐的重點(diǎn)。根據(jù)模糊控制的原理,引入神經(jīng)網(wǎng)絡(luò)在自學(xué)習(xí)方面的優(yōu)勢(shì),提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的智能交通信號(hào)控制方法,以車(chē)輛排隊(duì)長(zhǎng)度和當(dāng)前信號(hào)周期作為輸入,以信號(hào)周期內(nèi)的信號(hào)周期增量作為輸出,通過(guò)模糊控制規(guī)則,進(jìn)而完成對(duì)信號(hào)周期的實(shí)時(shí)動(dòng)態(tài)控制,并及時(shí)調(diào)整交通信號(hào)燈相位差。通過(guò)matlab軟件對(duì)上述方案進(jìn)行仿真,驗(yàn)證了方案的可行性,為當(dāng)前城市車(chē)輛交通控制提供了一種可行方案。

本文對(duì)常見(jiàn)的電梯智能群控算法進(jìn)行了分析比較,重點(diǎn)研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對(duì)大廈客流的特征進(jìn)行長(zhǎng)期統(tǒng)計(jì)分析,進(jìn)而對(duì)電梯群交通模式進(jìn)行分類(lèi),利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯群的交通模式進(jìn)行了識(shí)別。根據(jù)系統(tǒng)的識(shí)別結(jié)果判定電梯群當(dāng)前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)派梯算法中各電梯響應(yīng)呼梯信號(hào)的可信度進(jìn)行計(jì)算,選取可信度最大的電梯響應(yīng)呼梯信號(hào),最終完成派梯。

本文對(duì)常見(jiàn)的電梯智能群控算法進(jìn)行了分析比較,重點(diǎn)研究了模糊神經(jīng)網(wǎng)絡(luò)算法。本文首先對(duì)大廈客流的特征進(jìn)行長(zhǎng)期統(tǒng)計(jì)分析,進(jìn)而對(duì)電梯群交通模式進(jìn)行分類(lèi),利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)電梯群的交通模式進(jìn)行了識(shí)別。根據(jù)系統(tǒng)的識(shí)別結(jié)果判定電梯群當(dāng)前處于的交通模式。然后再次利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)派梯算法中各電梯響應(yīng)呼梯信號(hào)的可信度進(jìn)行計(jì)算,選取可信度最大的電梯響應(yīng)呼梯信號(hào),最終完成派梯。

**資訊http://www.***.*** **資訊http://www.***.***

**資訊http://www.***.*** **資訊http://www.***.***

現(xiàn)如今市場(chǎng)經(jīng)濟(jì)競(jìng)爭(zhēng)十分激烈,實(shí)際招投標(biāo)工作要求能快速準(zhǔn)確地進(jìn)行工程造價(jià)的估算。無(wú)論業(yè)主還是承包商確定工程造價(jià)都要求快速、準(zhǔn)確,完善的快速估價(jià)系統(tǒng)能夠很好地解決這個(gè)問(wèn)題。模糊技術(shù)與神經(jīng)網(wǎng)絡(luò)結(jié)合是一種把經(jīng)驗(yàn)與數(shù)學(xué)模型結(jié)合,這種研究打破了過(guò)去人們所進(jìn)行的各種學(xué)科在邏輯上的獨(dú)立性,預(yù)示了人工智能的光明前景和希望。

首先在對(duì)供熱負(fù)荷預(yù)測(cè)算法的發(fā)展現(xiàn)狀主要成果闡述的基礎(chǔ)上,對(duì)影響供熱預(yù)測(cè)因素采用模糊量化的方式進(jìn)行研究處理,并由此推斷將模糊神經(jīng)網(wǎng)絡(luò)算法應(yīng)用于供熱負(fù)荷預(yù)測(cè)可以得到良好的效果.研究模型的設(shè)計(jì)核心是bp神經(jīng)網(wǎng)絡(luò),即將模糊量化后的影響因素作為系統(tǒng)的輸入值,去調(diào)整神經(jīng)網(wǎng)絡(luò)的權(quán)值,從而得到預(yù)測(cè)的網(wǎng)絡(luò)模型.建立預(yù)測(cè)模型和預(yù)測(cè)策略后,可以采用matlab科學(xué)計(jì)算軟件開(kāi)發(fā)程序?qū)︻A(yù)測(cè)模型效果進(jìn)行模擬仿真,結(jié)果表明,預(yù)測(cè)的結(jié)果能夠滿(mǎn)足要求,相對(duì)誤差在合理的范圍內(nèi),并且模糊神經(jīng)網(wǎng)絡(luò)算法比單純神經(jīng)網(wǎng)絡(luò)算法具有更好的預(yù)測(cè)精度和魯棒特性,從而達(dá)到節(jié)能的目的.且適應(yīng)性強(qiáng),可以應(yīng)用到類(lèi)似的供熱工程上.

基于補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)的制冷系統(tǒng)故障診斷研究——選擇反映制冷系統(tǒng)故障狀態(tài)的熱力參數(shù)集組成特征向量，并對(duì)其進(jìn)行模糊化處理，利用補(bǔ)償模糊神經(jīng)網(wǎng)絡(luò)建立故障狀態(tài)與熱力參數(shù)特征向量之間的映射關(guān)系。將神經(jīng)網(wǎng)絡(luò)和補(bǔ)償模糊邏輯相結(jié)合，采用動(dòng)態(tài)、全局優(yōu)化的運(yùn)算，...

本文提出一種基于模糊神經(jīng)網(wǎng)絡(luò)和建筑結(jié)構(gòu)系統(tǒng)辨識(shí)方法。利用模糊神經(jīng)網(wǎng)絡(luò)強(qiáng)大的非線(xiàn)性映射能力與學(xué)習(xí)能力以實(shí)測(cè)的結(jié)構(gòu)動(dòng)力響應(yīng)數(shù)據(jù)建立起結(jié)構(gòu)的動(dòng)力特性模型。不但可以克服以往傳統(tǒng)與智能辨識(shí)方法中存在的種種弊病，而且還將土一結(jié)構(gòu)相互作用以及結(jié)構(gòu)自身非線(xiàn)性對(duì)結(jié)構(gòu)動(dòng)力特性的影響考慮在內(nèi)，使得結(jié)構(gòu)系統(tǒng)辨識(shí)更具客觀(guān)性。具有物理意義明確，可擴(kuò)展性強(qiáng)，能夠用于實(shí)時(shí)在線(xiàn)控制與健康診斷等優(yōu)點(diǎn)。

提出了一種基于神經(jīng)模糊推理系統(tǒng)的商品住宅價(jià)格評(píng)估模型,分析了影響商品住宅價(jià)格的因素,給出了商品住宅價(jià)格評(píng)估指標(biāo)體系,探討了模型建立的原理及算法步驟。計(jì)算實(shí)例說(shuō)明了該模型用于商品住宅價(jià)格準(zhǔn)確評(píng)估的有效性和可行性,為房地產(chǎn)價(jià)格評(píng)估提供了科學(xué)的方法。

為了克服傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)精度差,易陷入局部極值的缺陷,提出了模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)。利用模糊粗糙集通過(guò)歷史負(fù)荷數(shù)據(jù)信息的模糊化替代負(fù)荷變化的離散化,快速尋找出樣本數(shù)據(jù)間的連續(xù)屬性的信息,將其與傳統(tǒng)bp神經(jīng)網(wǎng)絡(luò)結(jié)合組成模糊神經(jīng)網(wǎng)絡(luò)對(duì)熱負(fù)荷進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明:該模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果的相對(duì)誤差很小不超過(guò)2%,在短期負(fù)荷預(yù)測(cè)方面具有的優(yōu)越性。

智能家居中的環(huán)境因素對(duì)人體有著不容忽視的影響,智能家居環(huán)境舒適度已成為智能家居評(píng)估指標(biāo)中重要的一項(xiàng),通過(guò)對(duì)智能家居監(jiān)測(cè)系統(tǒng)信息融合技術(shù)進(jìn)行研究,運(yùn)用結(jié)合模糊推理和神經(jīng)網(wǎng)絡(luò)算法優(yōu)點(diǎn)的模糊神經(jīng)網(wǎng)絡(luò)對(duì)智能家居監(jiān)測(cè)系統(tǒng)采集的各環(huán)境因素進(jìn)行處理分析,從而能夠智能有效的提高人們的室內(nèi)生活質(zhì)量。

基于模糊神經(jīng)網(wǎng)絡(luò)的房地產(chǎn)價(jià)格評(píng)估問(wèn)題研究——提出了一種基于神經(jīng)模糊揄系統(tǒng)的商品住宅價(jià)格評(píng)估模型，分析了影響商品住宅價(jià)格的因素，給出了商品住宅價(jià)格評(píng)估指標(biāo)體系，探討了模型建立的原理及算法步驟。計(jì)算實(shí)例說(shuō)明了該模型用于商品住宅價(jià)格準(zhǔn)確評(píng)估的有效性...