检索结果-内蒙古大学图书馆

光学精密工程 2011年第6期19卷 1406-1413页

作者：李迪陈向坚续志军杨帆牛文达中国科学院长春光学精密机械及物理研究所吉林长春130033

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区... 详细信息

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。

关键词：自组织递归区间二型模糊神经网络卡尔曼滤波梯度下降法噪声干扰动态时变系统辨识

来源：评论

学校读者我要写书评

暂无评论

基于模糊聚类的二型模糊神经网络系统辨识

引用

科学技术与工程 2020年第4期20卷 1454-1460页

作者：施建中梁绍华南京工程学院能源与动力工程学院南京211167

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适... 详细信息

二型模糊神经网络结合了二型模糊系统描述实际情况不确定性和神经网络的学习能力,在非线性系统的辨识中得到了广泛应用。二型模糊神经网络参数学习使用最多的是反向传播算法算法,该算法原理简单,易于实现。但是该算法对初值敏感,不合适的初始会导致算法收敛于非最优解或者发散。针对反向传播算法的这一缺点,提出了一种基于模糊C均值聚类的区间二型模糊神经网络辨识算法。该算法选择高斯型隶属度函数,将模糊C均值算法得到的聚类中心初始化高斯函数的中心,而高斯函数的宽度利用模糊C均值聚类算法的隶属度和中心求取。通过2个非线性系统的辨识效果表明,提出的辨识算法具有较高的辨识精度,收敛速度较快。

关键词：二型模糊集合二型模糊神经网络模糊C均值非线性辨识反向传播

来源：评论

学校读者我要写书评

暂无评论

基于二型模糊神经网络的NOx排放预测

引用

运筹与模糊学 2024年第4期14卷 427-439页

作者：王懋譞李振国吴撼明邵元凯孟令伟刘强张旺天津大学机械工程学院天津中国汽车技术研究中心有限公司移动源污染排放控制技术国家工程实验室天津

为提高柴油机NOx排放预测精度及减少试验成本,本文提出了二型模糊神经网络(Type-2 Fuzzy Neural Networks,T2FNNs)的柴油机NOx排放预测方法。首先利用随机森林算法进行了输入变量的重要性分析并约简优化了输入变量,然后对本文提出T2FNN... 详细信息

为提高柴油机NOx排放预测精度及减少试验成本,本文提出了二型模糊神经网络(Type-2 Fuzzy Neural Networks,T2FNNs)的柴油机NOx排放预测方法。首先利用随机森林算法进行了输入变量的重要性分析并约简优化了输入变量,然后对本文提出T2FNNs预测模型的参数分别采用梯度下降法和递推最小二乘进行训练寻优,基于寻优后的最优预测模型进行了训练和验证,并取得了较好的预测效果。在训练集和验证集上NOx的回归决定系数(R^(2))分别为0.985和0.962。最后对T2FNNs预测模型进行了泛化性测试,并与其他神经网络预测模型进行了对比。结果表明在测试集上其R^(2)值为0.961,相较于训练集和验证集仅分别下降了2.4%和0.1%,说明T2FNNs预测模型具有极强的泛化能力。在与其他预测模型的对比中,T2FNNs预测模型也表现出了更好的性能特性。

关键词：柴油机排放预测二型模糊神经网络参数训练

来源：评论

学校读者我要写书评

暂无评论

基于二型模糊神经网络的电子战效能评估

引用

舰船电子对抗 2015年第3期38卷 74-76,80页

作者：夏军成李迪李超中国船舶重工集团公司第723研究所扬州225001

电子战系统效能是一个综合指标,其部分因素包含信息不完全和不确定性,效能评估过程也相对涉及许多难以量化的模糊因素。为了评估电子战系统作战效能,首先给出了效能评估的指标体系,然后提出了基于二型模糊神经网络的电子战效能模型。仿... 详细信息

电子战系统效能是一个综合指标,其部分因素包含信息不完全和不确定性,效能评估过程也相对涉及许多难以量化的模糊因素。为了评估电子战系统作战效能,首先给出了效能评估的指标体系,然后提出了基于二型模糊神经网络的电子战效能模型。仿真结果表明该方法简单有效而可行。

关键词：二型模糊神经网络电子战效能模型效能评估

来源：评论

学校读者我要写书评

暂无评论

基于区间二型模糊神经网络污水处理过程溶解氧控制

基于区间二型模糊神经网络污水处理过程溶解氧控制

引用

第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年

作者：韩红桂刘峥乔俊飞北京工业大学信息学部计算智能与智能系统北京市重点实验室

针对城市污水处理过程溶解氧浓度难以精确控制问题,文中提出了一种基于区间二型模糊神经网络(Interval type-2 fuzzy neural networks,IT2FNN)的溶解氧控制方法。首先,将IT2FNN应用于城市污水处理过程溶解氧浓度控制器的设计,获得了一种... 详细信息

针对城市污水处理过程溶解氧浓度难以精确控制问题,文中提出了一种基于区间二型模糊神经网络(Interval type-2 fuzzy neural networks,IT2FNN)的溶解氧控制方法。首先,将IT2FNN应用于城市污水处理过程溶解氧浓度控制器的设计,获得了一种IT2FNN溶解氧浓度控制器。其次,采用梯度下降算法对控制器的参数进行在线调整,提高了控制器的精度。最后,将提出的IT2FNN溶解氧浓度控制器应用于基准仿真2号模型(Benchmark simulation model No.2,BSM2)平台;实验结果表明,IT2FNN控制器能够实现第五分区溶解氧浓度的精确控制,具有较好的控制效果。

关键词：二型模糊神经网络污水处理过程溶解氧控制器基准仿真2号模型

来源：评论

学校读者我要写书评

暂无评论

张量化模糊神经网络研究

张量化模糊神经网络研究

引用

作者：李捷内蒙古大学

学位级别：硕士

二型模糊逻辑是能够有效刻画计算模型在逼近真实世界建模对象时所产生的不确定性的有力工具。二型模糊神经网络集合了模糊逻辑系统与神经网络的优势,是一种前景广阔的数据建模技术。随着数据规模的急剧增长,张量模型已经被应用在二型模... 详细信息

二型模糊逻辑是能够有效刻画计算模型在逼近真实世界建模对象时所产生的不确定性的有力工具。二型模糊神经网络集合了模糊逻辑系统与神经网络的优势,是一种前景广阔的数据建模技术。随着数据规模的急剧增长,张量模型已经被应用在二型模糊神经网络的建模过程中,形成了张量化模糊模型建模策略。本文以二型模糊集、二型模糊神经网络和张量化建模策略为基本工具,利用基于张量计算和张量方程设计的张量回归过程,提出了三个张量化模糊神经网络模型,研究了张量化模糊神经网络的构造方法和优化策略。本文的主要工作概括如下:1.基于张量结构的空间特征,在张量化模糊神经网络的建模框架下,采用堆叠的方式融合了三个模糊神经网络,并利用各独立神经网络的隐藏层输出结果构造区间二型模糊集,以张量堆叠的方式融合非线性映射的结果,最终建立了多个神经网络的并行学习结构。2.基于张量化建模策略,将二型模糊集中的全部不确定信息用于了数据建模过程,同时将二型模糊集的类三维空间特性表征为了张量的高维特性,在此过程中结合了二型模糊集的降型结果和各隶属度的映射结果,减少了二型模糊神经网络的设计参数。3.基于张量计算和张量方程,设计并实现了两种张量回归方法,第一种结合了张量分解与矩阵回归方法,另一种结合了张量间的爱因斯坦积和张量的逆,并将二型模糊神经网络的学习过程转化为了张量方程的求解过程。4.基于由二型模糊神经网络的张量化建模策略和张量回归组成的张量化模糊神经网络协同建模方案,研究了基于具有不规则核的卷积变换策略的张量化模糊神经网络冗余数据约简方法,有效地降低了模型的数据冗余风险,其次,设计了基于两种不同正则化方法的张量回归约束策略,降低了模型的过拟合风险。总体而言,本文建立了可行的张量化模糊神经网络构造方案,并结合张量理论进一步扩宽了二型模糊集、二型模糊神经网络和张量模型的研究内容和建模方法,提供了现实世界中高维复杂数据的建模思路。

关键词：二型模糊集二型模糊神经网络张量回归张量化模糊神经网络

来源：评论

学校读者我要写书评

暂无评论

基于事件触发的PMSM预设性能自适应控制

引用

组合机床与自动化加工技术 2024年第12期 81-84,90页

作者：李昊罗绍华李枫韵申林雪贵州大学机械工程学院贵阳550025 南京航空航天大学能源与动力学院南京210016

针对具有系统建模不精确、外部扰动和节约通讯资源的永磁同步电机(PMSM)系统高性能控制问题,提出了一种基于事件触发机制的PMSM预设性能自适应控制方法。采用性能函数并进行误差变换,将角度跟踪误差限制在预先设定的边界内,保证了系统... 详细信息

针对具有系统建模不精确、外部扰动和节约通讯资源的永磁同步电机(PMSM)系统高性能控制问题,提出了一种基于事件触发机制的PMSM预设性能自适应控制方法。采用性能函数并进行误差变换,将角度跟踪误差限制在预先设定的边界内,保证了系统的动态性能;通过二型模糊神经网络(T2FNN)逼近系统中的未知动态,有效消除了系统中不确定性的影响;在控制器和执行器通道之间设计了事件触发机制来节约控制器的通讯资源;通过李雅普诺夫稳定性理论证明了PMSM闭环系统的稳定性且避免了事件触发中的Zeno行为;最后,仿真实验结果验证了所提控制方案的有效性。

关键词：永磁同步电机预设性能控制事件触发机制二型模糊神经网络反步控制

来源：评论

学校读者我要写书评

暂无评论

区域二型模糊系统建模在光伏功率预测中的应用

区域二型模糊系统建模在光伏功率预测中的应用

引用

作者：刘齐波兰州交通大学

学位级别：硕士

近年来,随着光伏发电以及光伏并网技术的快速发展,光伏装机容量在世界范围内稳步增长。然而,光伏发电的随机性和间歇性极大地影响了光伏并网系统的安全稳定运行,增加了管理和运营调度的难度,准确预测光伏输出功率是解决上述问题的有效... 详细信息

近年来,随着光伏发电以及光伏并网技术的快速发展,光伏装机容量在世界范围内稳步增长。然而,光伏发电的随机性和间歇性极大地影响了光伏并网系统的安全稳定运行,增加了管理和运营调度的难度,准确预测光伏输出功率是解决上述问题的有效手段之一。鉴于区间二型模糊逻辑系统(FLS)模型对建模中存在的不确定性具有更好的解释性,以及非线性卡尔曼滤波(KF)算法的成功应用,针对短期光伏功率预测,本文提出了基于非线性KF算法优化的区间二型Takagi-Sugeno-Kang(TSK)模糊神经网络(FNN)模型,同时,考虑到光伏功率数据的特性,将基于自组织映射(SOM)神经网络的区域划分算法与之结合,以达到进一步提高预测精度的目的。论文的主要研究成果包含如下方面:(1)研究区间二型Mamdani和区间二型TSK FLS模型,提出结合模糊c均值(FCM)聚类的SOM-FCM算法,并进一步给出基于SOM-FCM算法的区域二型FLS模型。将不同的区间二型Mamdani和TSK FLS方法分别用于无噪声以及噪声Mackey-Glass混沌时间序列的预测,其他一型Mamdani和TSK FLS方法用于对比。结果表明在无噪声以及有噪声的情形下,区间二型A2-C0 TSK FLS方法的预测精度略优于区间二型Mamdani FLS方法,并且明显优于其他对比一型Mamdani和TSK FLS方法。将基于SOM-FCM算法的区域二型Mamdani和TSK FLS方法分别用于3个不同光伏电站的短期输出功率预测。结果表明,相较于基于Mamdani和TSK的各区域一型、二型FLS方法,在不同光伏电站的预测中,区域二型A2-C0 TSK FLS方法的预测精度最高。(2)研究基于EKF的区间二型A2-C0 FNN模型,提出结合Davies-Bouldin指数(DBI)的SOM-DBI算法,并进一步给出基于SOM-DBI算法的区域二型A2-C0 FNN模型。将区间二型A2C0-EKF FNN方法分别用于无噪声以及噪声Mackey-Glass混沌时间序列的预测,基于BP算法调整的区间二型A2-C0(A2C0-BP)FLS方法用于对比。结果表明在无噪声以及有噪声的情形下,区间二型A2C0-EKF FNN方法的预测都是最优的。将基于SOM-DBI算法的区域二型A2C0-EKF FNN方法用于澳大利亚某电站短期光伏输出功率预测,各区间一型、二型Mamdani,TSK FLS方法用于对比。结果表明,在不同季节的不同天气条件下,区域二型A2C0-EKF FNN方法的预测精度都是最高的。相较于其他对比方法,区域二型A2C0-EKF FNN方法的均方根误差(RMSE)在各季的平均下降依次为16.36%,5.11%,23.29%以及44.69%。(3)研究基于平方根无迹KF(SUKF)学习算法的区间二型A2-C0 FNN模型,提出结合天气类型分类技术(WT)的WT-SOM算法,并进一步给出基于WT-SOM算法的区域二型A2-C0 FNN模型。将区间二型A2C0-SUKF FNN方法分别用于无噪声以及噪声Mackey-Glass混沌时间序列的预测,区间二型A2C0-BP FLS方法以及区间二型A2C0-EKF FNN方法用于对比。结果表明在无噪声以及有噪声的情形下,区间二型A2C0-SUKF FNN方法的预测都是最优的。将基于WT-SOM算法的区域二型A2C0-SUKF FNN方法用于澳大利亚某电站短期光伏输出功率预测,分别结合WT-SOM算法的区域二型A2C0-BP FLS方法以及区域二型A2C0-EKF FNN方法用于对比,另外包括SUKF学习算法调整的区域递归神经网络(RNN-SUKF)方法。结果表明,在不同季节的不同天气类型下,提出的区域二型A2C0-SUKF方法的预测精度都是最高的。(4)研究基于平方根容积KF(SUKF)学习算法的区间二型A2-C0 FNN模型,将WT-SOM算法与区间二型A2C0-SCKF FNN相结合,提出区域二型A2C0-SCKF FNN模型。将区间二型A2C0-SCKF FNN方法分别用于无噪声以及噪声Mackey-Glass混沌时间序列的预测,区间二型A2C0-BP FLS,区间二型A2C0-EKF FNN以及区间二型A2C0-SUKF FNN用于对比。结果表明在无噪声以及有噪声的情形下,区间二型A2C0-SCKF FNN方法的预测都是最优的。将基于WT-SOM算法的区域二型A2C0-SCKF FNN方法用于澳大利亚某电站的短期光伏输出功率预测,分别结合WT-SOM算法的区域二型A2C0-BP FLS方法,区域二型A2C0-EKF FNN方法以及区域二型A2C0-SUKF FNN方法用于对比,另外包括SCKF学习算法训练的区域递归神经网络(RNN-SCKF)方法。结果

关键词：光伏功率预报二型模糊神经网络 SOM神经网络非线性卡尔曼滤波区域划分算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：