检索结果-内蒙古大学图书馆

作者：李斌中南大学

学位级别：硕士

板形精度是板带材的重要质量指标之一。板形自动控制系统(Automatic Flatness Control System,简称AFC系统)是轧机自行化系统中不可或缺的一部分。但由于轧制工艺的复杂性,AFC系统控制参数存在不确定性,要建立精确的数学模型比较困难,... 详细信息

板形精度是板带材的重要质量指标之一。板形自动控制系统(Automatic Flatness Control System,简称AFC系统)是轧机自行化系统中不可或缺的一部分。但由于轧制工艺的复杂性,AFC系统控制参数存在不确定性,要建立精确的数学模型比较困难,采用智能技术为轧机板形自动控制提供了一条有效途径。首先本文介绍了板形的基本知识,研究了铝板材生产过程中使板形产生偏差的主要原因。在此基础上,分析了调整板形偏差的方式和几种AFC系统的工作原理。其次,在弯辊控制系统的设计中,提出了分级控制的控制思路。在对称板形偏差较大时,采用粗略模糊控制器,控制系统能有较快的响应速度;在对称板形偏差很小时,则使用精细模糊控制器,可以使控制系统工作稳定。并对分级控制系统的工厂现场应用结果进行了分析。最后针对局部板形控制中,由于没有基于被控系统变量特征的先验模型结构,同时被控系统各变量之间建模困难,故采用自适应神经模糊推理系统,完成对被控对象的建模。通过生产现场采集的数据检验,自适应神经模糊推理系统能较好的完成控制任务。

关键词：板形精度弯辊控制分级控制局部板形自适应神经模糊推理系统

来源：评论

学校读者我要写书评

暂无评论

基于ANFIS的非线性信道的辨识

引用

计算机仿真 2008年第5期25卷 129-131,221页

作者：王晓里曲强鞍山市产品质量监督检验所辽宁鞍山114006 辽宁科技大学电子与信息学院辽宁鞍山114044

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,所以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,提出了采用自适应神经模糊推理系统(ANFIS)进行信道辨识的方法,并对ANFI... 详细信息

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,所以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,提出了采用自适应神经模糊推理系统(ANFIS)进行信道辨识的方法,并对ANFIS网络的结论参数采用最小二乘法进行辨识,对前提参数采用误差反传的方法进行学习,最后,运用MAT-LAB实现了对非线性信道进行辨识及均衡的仿真,并将仿真结果与BP网辨识结果进行比较,说明ANFIS网络能很好地逼近非线性信道的传递函数,并在收敛速度及辨识精度方面优于BP网络。

关键词：自适应神经模糊推理系统非线性反向传播网络信道辨识

来源：评论

学校读者我要写书评

暂无评论

基于减法聚类模糊推理系统的短期负荷预测

引用

电脑知识与技术 2008年第20期3卷 363-365页

作者：郭恒隋明祥中山职业技术学院计算机工程系

采用减法聚类辅助模糊推理系统进行电力系统短期负荷预测。首先用减法聚类建立T-S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,最后利用梯度下降混合最小二乘算法精调参数。利用某局网负荷数据对ANFIS... 详细信息

采用减法聚类辅助模糊推理系统进行电力系统短期负荷预测。首先用减法聚类建立T-S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,最后利用梯度下降混合最小二乘算法精调参数。利用某局网负荷数据对ANFIS网络模型进行训练和检测,然后用于负荷预测,所得结果表明该算法鲁棒性好,抗干扰能力强,并且预测时间较ANFIS大大减少。

关键词：减法聚类辅助模糊推理系统自适应神经模糊推理系统电力系统短期负荷预测

来源：评论

学校读者我要写书评

暂无评论

用自适应模糊推理系统预测电力短期负荷

引用

高电压技术 2007年第4期33卷 129-133页

作者：杨帆吴耀武熊信银娄素华彭丰华中科技大学电力安全与高效湖北省重点实验室武汉430074 湖北超高压输变电公司武汉430050

为寻求有效的电力系统负荷预测方法以提高预测结果的准确度,提出了基于Takagi-Sugeno(T-S)模型的自适应神经模糊推理系统(ANFIS)。该系统采用减法聚类初始化模糊推理,把神经网络学习机制引入到逻辑推理中,并用混合学习算法调整前件参数... 详细信息

为寻求有效的电力系统负荷预测方法以提高预测结果的准确度,提出了基于Takagi-Sugeno(T-S)模型的自适应神经模糊推理系统(ANFIS)。该系统采用减法聚类初始化模糊推理,把神经网络学习机制引入到逻辑推理中,并用混合学习算法调整前件参数和结论参数,自动产生模糊规则。考虑气象、日期类型等因素后将学习样本分为3组进行训练和检测。该方法对于受天气影响较明显的电网,能有效防止不合理预测结果的出现。对于武汉地区实际负荷的预测结果的分析表明该方法有较高的预测准确度,取得了令人满意的结果。

关键词：短期负荷预测 Takagi-Sugeno模型减法聚类自适应神经模糊推理系统神经网络混合学习算法

来源：评论

学校读者我要写书评

暂无评论

模糊神经网络的二级倒立摆稳定控制分析

引用

北京机械工业学院学报 2008年第4期23卷 24-28页

作者：胡阳王吉芳北京信息科技大学机电系统测控北京市重点实验室北京100192

在MATLAB环境下,针对二级倒立摆系统稳定控制问题,引入新的智能控制策略,该种方法采用BP算法与最小二乘(LSE)算法结合的混合算法对Takagi-Sugeno模糊模型中的前件及后件参数进行优化修正,在已获得的客观输入、输出样本集的基础上,提出... 详细信息

在MATLAB环境下,针对二级倒立摆系统稳定控制问题,引入新的智能控制策略,该种方法采用BP算法与最小二乘(LSE)算法结合的混合算法对Takagi-Sugeno模糊模型中的前件及后件参数进行优化修正,在已获得的客观输入、输出样本集的基础上,提出一种基于自适应神经网络的模糊推理系统ANFIS来对倒立摆系统进行"倒立"控制。实时控制结果表明,所提出的控制方法是可行而且有效的。

关键词：二级倒立摆模糊神经网络自适应神经模糊推理系统实时稳定控制

来源：评论

学校读者我要写书评

暂无评论

基于模糊自适应推理系统的非线性信道参数辨识

引用

辽宁科技大学学报 2008年第1期31卷 11-14页

作者：王晓里曲强鞍山市产品质量监督检验所辽宁鞍山114006 辽宁科技大学电子与信息工程学院辽宁鞍山114051

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... 详细信息

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。

关键词：自适应神经模糊推理系统非线性信道辨识减法聚类

来源：评论

学校读者我要写书评

暂无评论

ANFIS训练参数设置研究

引用

南华大学学报（自然科学版） 2008年第2期22卷 1-5页

作者：张志军丁德馨南华大学核资源与安全工程学院湖南衡阳421001

针对自适应神经模糊推理系统的特点,分析了其两种建模方式的优缺点,并最终选择了采用减法聚类算法进行建模.进一步地,针对ANFIS的减法聚类算法4个训练参数初始值的设置问题,采用一多峰函数对其进行了研究,分析了预测结果随该4个参数调... 详细信息

针对自适应神经模糊推理系统的特点,分析了其两种建模方式的优缺点,并最终选择了采用减法聚类算法进行建模.进一步地,针对ANFIS的减法聚类算法4个训练参数初始值的设置问题,采用一多峰函数对其进行了研究,分析了预测结果随该4个参数调节而变化的特点.

关键词：自适应神经模糊推理系统减法聚类算法参数设置

来源：评论

学校读者我要写书评

暂无评论

非线性系统的神经-模糊建模方法的研究

引用

江西农业学报 2008年第9期20卷 112-114页

作者：郝昕玉姬长英南京农业大学工学院江苏南京210031

提出了一种基于自适应神经-模糊推理系统(ANFIS)的非线性系统辨识方法,介绍了神经-模糊建模的设计原理,并且对ANFIS在不同的输入下进行仿真,实验仿真结果表明,ANFIS进行非线性系统辨识是可行的,其辨识精度很高。

关键词：自适应神经模糊推理系统非线性系统辨识建模方法

来源：评论

学校读者我要写书评

暂无评论

ANFIS在局部板形控制中的建模与仿真

引用

湖南工程学院学报（自然科学版） 2008年第4期18卷 5-8页

作者：李斌张立华中南大学机电工程学院长沙410083

在轧制生产过程中,局部板形动态特性往往表现出非线性、多变量、强耦合和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达轧制过程及实施优化控制.针对局部板形控制建模难的现状,为达到建立精确非线性模型的目的,采用... 详细信息

在轧制生产过程中,局部板形动态特性往往表现出非线性、多变量、强耦合和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达轧制过程及实施优化控制.针对局部板形控制建模难的现状,为达到建立精确非线性模型的目的,采用自适应神经模糊系统(ANFIS)模糊建模方法.该方法通过对模糊系统的结构辨识和参数辨识,使神经模糊网络能够自主、迅速有效地收敛到要求的输入和输出关系,从而达到精确建模的目的.Matlab仿真结果表明,通过anfis训练及检验的模型是有效的,具有较高的控制精度.

关键词：局部板形模糊控制自适应神经模糊推理系统

来源：评论

学校读者我要写书评

暂无评论

ANFIS神经网络在城市大气SO_2含量预测中的应用

引用

安徽工业大学学报（自然科学版） 2008年第3期25卷 312-314页

作者：疏靖田丽安徽商贸职业技术学院计算机系安徽芜湖241000 安徽工程科技学院电气工程系安徽芜湖241000

分析自适应神经模糊推理系统(ANFIS)的构造,经过网络设计、初始化、训练等步骤,构成网络预测系统。利用该系统模型对某城市大气中SO2含量进行预测。结果表明:自适应神经模糊推理系统用于大气污染物含量预测可行,具有一定的实用价值。

关键词：自适应神经模糊推理系统 SO2 大气污染

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：