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.

根據(jù)我國(guó)當(dāng)前智能建筑中央空調(diào)控制系統(tǒng)傳統(tǒng)pid控制存在的問(wèn)題,依據(jù)控制對(duì)象為一大滯后大慣性環(huán)節(jié)的特點(diǎn),對(duì)一種模糊神經(jīng)網(wǎng)絡(luò)的控制器進(jìn)行了仿真研究,以期改善空調(diào)控制系統(tǒng)的動(dòng)靜態(tài)特性,并能達(dá)到節(jié)能的效果。

針對(duì)水下機(jī)器人機(jī)械手抓取專用工具及操作準(zhǔn)確、快速、可靠平穩(wěn)的要求,設(shè)計(jì)一種應(yīng)用rov的模糊神經(jīng)網(wǎng)絡(luò)控制器。該控制器將pid控制、模糊控制和神經(jīng)網(wǎng)絡(luò)相結(jié)合,設(shè)計(jì)一種基于模糊神經(jīng)網(wǎng)絡(luò)(fnn)的復(fù)合控制器,并將其應(yīng)用于機(jī)械手的位置控制中,研究變軌跡變周期情況下機(jī)械手的位移跟蹤特性。仿真結(jié)果表明:該控制器具有良好的動(dòng)態(tài)、穩(wěn)定性能以及較強(qiáng)的魯棒性,能夠使水下機(jī)器人的機(jī)械手操作快速準(zhǔn)確平穩(wěn)。

變風(fēng)量空調(diào)系統(tǒng)末端的模糊神經(jīng)網(wǎng)絡(luò)控制研究——針對(duì)目前傳統(tǒng)pid控制對(duì)模型依賴性強(qiáng)，難以在線調(diào)整，有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動(dòng)態(tài)性能差的特點(diǎn)，提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng)．建立了模糊神經(jīng)網(wǎng)絡(luò)控制器．基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的...

以精密注射成型中的料筒溫度控制為研究對(duì)象,應(yīng)用現(xiàn)代人工智能控制理論,將模糊控制和人工神經(jīng)網(wǎng)絡(luò)控制二者有機(jī)結(jié)合,創(chuàng)建了注塑機(jī)料筒溫度模糊神經(jīng)網(wǎng)絡(luò)控制的基本結(jié)構(gòu)及其算法模型;運(yùn)用matlab軟件編寫(xiě)模糊神經(jīng)網(wǎng)絡(luò)代碼,對(duì)3段料筒溫度的模糊神經(jīng)網(wǎng)絡(luò)控制進(jìn)行了仿真,獲得了比較滿意的控制效果。仿真表明,提出的新型控制策略,對(duì)于提高精密注塑機(jī)料筒的溫度控制精度,具有重要的參考價(jià)值。

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。

針對(duì)目前傳統(tǒng)pid控制對(duì)模型依賴性強(qiáng),難以在線調(diào)整,對(duì)具有非線性和不確定性的變風(fēng)量(vav)空調(diào)系統(tǒng)的控制動(dòng)態(tài)性能差的特點(diǎn),提出將模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用于該系統(tǒng).建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,基于變風(fēng)量空調(diào)系統(tǒng)末端裝置的數(shù)學(xué)模型進(jìn)行了仿真研究.結(jié)果表明,該控制策略比傳統(tǒng)pid控制更適合于vav系統(tǒng),控制系統(tǒng)具有更好的魯棒性和自適應(yīng)能力,可以取得更優(yōu)的動(dòng)態(tài)性能.

在鋁包鋼絲生產(chǎn)過(guò)程中,采用在線中頻感應(yīng)加熱方式。基于中頻感應(yīng)加熱條件,針對(duì)鋼絲直徑、鋼絲運(yùn)行速度、加熱溫度、中頻頻率、中頻電壓、中頻電流、中頻功率、加熱爐長(zhǎng)度之間的函數(shù)關(guān)系,建立了連續(xù)包覆過(guò)程的多變量神經(jīng)網(wǎng)絡(luò)控制方法。經(jīng)過(guò)多次實(shí)驗(yàn)和篩選,選出有效數(shù)據(jù),多個(gè)模式反復(fù)學(xué)習(xí),直至網(wǎng)絡(luò)全局誤差函數(shù)e小于預(yù)先設(shè)定的一個(gè)極小值。通過(guò)網(wǎng)絡(luò)訓(xùn)練和仿真分析得到較佳的解決方法,該方法應(yīng)用在鋁包鋼絲連續(xù)包覆生產(chǎn)線上,較好地解決了鋼絲加熱控制難的問(wèn)題。

介紹了第3代結(jié)構(gòu)風(fēng)振控制基準(zhǔn)問(wèn)題的定義。通過(guò)觀測(cè)部分樓層加速度和控制力輸出,建立了模糊神經(jīng)網(wǎng)絡(luò)控制器,解決了傳統(tǒng)控制中有限的傳感器數(shù)目對(duì)系統(tǒng)振動(dòng)狀態(tài)估計(jì)的困難;利用模糊神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)構(gòu)的控制行為,消除了閉環(huán)控制系統(tǒng)中存在的時(shí)滯;通過(guò)模糊神經(jīng)網(wǎng)絡(luò)控制器的學(xué)習(xí)功能,解決了土木工程復(fù)雜結(jié)構(gòu)模糊控制中難以依據(jù)專家的主觀經(jīng)驗(yàn)來(lái)確定模糊控制規(guī)則和語(yǔ)言變量隸屬函數(shù)等困難。以風(fēng)振控制的基準(zhǔn)問(wèn)題為研究對(duì)象,編制了程序?qū)κ芸叵到y(tǒng)進(jìn)行數(shù)值仿真分析。分析表明,模糊神經(jīng)網(wǎng)絡(luò)控制策略能有效地抑制高層建筑的風(fēng)振反應(yīng)。

中央空調(diào)作為廣泛使用的高能耗系統(tǒng),其節(jié)能問(wèn)題受普遍關(guān)注。針對(duì)傳統(tǒng)的定流量方法存在的問(wèn)題,本文提出采用改進(jìn)的負(fù)荷隨動(dòng)跟蹤方法,實(shí)時(shí)監(jiān)測(cè)中央空調(diào)的負(fù)荷,并由計(jì)算機(jī)控制水泵電機(jī),降低主機(jī)能耗。利用模糊神經(jīng)網(wǎng)絡(luò)理論,建立符合隨動(dòng)跟蹤的模型,并利用實(shí)際數(shù)據(jù)進(jìn)行系統(tǒng)仿真。仿真結(jié)果表明,此方法提高中央空調(diào)的工作效率,實(shí)現(xiàn)良好的節(jié)能效果。

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.

設(shè)計(jì)與施工的交互耦合分析對(duì)建設(shè)工程的發(fā)展具有極其重要的研究意義。這種交互耦合關(guān)系能從客觀上反映出兩個(gè)系統(tǒng)的耦合程度和耦合協(xié)調(diào)發(fā)展態(tài)勢(shì)。為了較科學(xué)地研究?jī)烧叩鸟詈蠎B(tài)勢(shì)情況,文章建立了設(shè)計(jì)與施工兩個(gè)系統(tǒng)交互耦合的數(shù)學(xué)模型,并系統(tǒng)性分析了2010—2015年設(shè)計(jì)與施工耦合度、耦合協(xié)調(diào)度曲線變化情況。研究表明,設(shè)計(jì)與施工過(guò)程處于高水平耦合階段,且兩系統(tǒng)的整體發(fā)展水平表現(xiàn)不均衡。在此基礎(chǔ)上利用pso-bp神經(jīng)網(wǎng)絡(luò)算法對(duì)2016—2017年的交互耦合態(tài)勢(shì)進(jìn)行預(yù)測(cè),選取了1996—2015年建筑業(yè)設(shè)計(jì)、施工相關(guān)數(shù)據(jù)作為訓(xùn)練樣本,從中均勻抽取4組作為測(cè)試樣本。該測(cè)試結(jié)果得到的預(yù)測(cè)值與實(shí)際值符合程度比較好,且預(yù)測(cè)精度較高。最后文章給出了設(shè)計(jì)與施工兩個(gè)系統(tǒng)在處于高水平耦合階段下,提高耦合協(xié)調(diào)度的建議。

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,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,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。

針對(duì)目前對(duì)高壓電纜的溫度測(cè)量方法大都是只能測(cè)量當(dāng)前的溫度,滯后控制,不能進(jìn)行提前辨識(shí)的問(wèn)題,對(duì)傳統(tǒng)電纜測(cè)溫方法進(jìn)行研究,提出用神經(jīng)網(wǎng)絡(luò)控制器對(duì)高壓電纜溫度進(jìn)行測(cè)量的方法.在3種常規(guī)控制器的基礎(chǔ)上設(shè)計(jì)了3種基于神經(jīng)網(wǎng)絡(luò)的控制器:神經(jīng)自校正控制器、神經(jīng)pid(proportionintegrationdifferentiation)控制器和神經(jīng)自適應(yīng)控制器,不僅對(duì)它們進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練,而且用matlab軟件進(jìn)行仿真.通過(guò)仿真結(jié)果最終選用神經(jīng)pid控制器,并將其應(yīng)用于實(shí)際高壓電纜測(cè)溫系統(tǒng)當(dāng)中,經(jīng)在新疆供電系統(tǒng)檢驗(yàn),效果良好.

用可逼近任意非線性函數(shù)的神經(jīng)網(wǎng)絡(luò)構(gòu)造了辨識(shí)器和控制器，通過(guò)ｂｐ算法對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，修正其權(quán)系數(shù)及閾值，使學(xué)習(xí)訓(xùn)練誤差趨于零．將該方案應(yīng)用于紡織廠羊絨生產(chǎn)車(chē)間的空調(diào)系統(tǒng)，并給出了仿真實(shí)驗(yàn)結(jié)果．

本文設(shè)計(jì)了一種模糊cmac(flcmac)控制器,這種控制器將傳統(tǒng)的cmac神經(jīng)網(wǎng)絡(luò)和模糊邏輯控制原理相結(jié)合,同時(shí)具備了cmac的快速學(xué)習(xí)能力和模糊邏輯的將專家經(jīng)驗(yàn)融入系統(tǒng)利用模糊規(guī)則處理信息的優(yōu)點(diǎn),又克服了cmac的精度低和模糊邏輯的缺乏學(xué)習(xí)能力的缺點(diǎn),將其應(yīng)用于空調(diào)控制器的設(shè)計(jì)中,仿真結(jié)構(gòu)驗(yàn)證了其有效性。

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.

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,能量接收天線和軸上ac／dc裝置。

本文探討了模糊神經(jīng)網(wǎng)絡(luò)在確定工程造價(jià)中的應(yīng)用方法和途徑。分析影響工程造價(jià)的因素,提取特征值,利用madalines網(wǎng)絡(luò)和rbf網(wǎng)絡(luò)估測(cè)工程造價(jià),通過(guò)實(shí)例計(jì)算,表明運(yùn)用模糊神經(jīng)網(wǎng)絡(luò)估測(cè)土建工程造價(jià)和工程工料消耗量是可行和有效的。

針對(duì)礦井空調(diào)被控對(duì)象時(shí)滯、時(shí)變、非線性的特點(diǎn),基于神經(jīng)網(wǎng)絡(luò)方法,設(shè)計(jì)了一種基于bp算法的神經(jīng)模糊控制器,通過(guò)采用matlab提供的神經(jīng)網(wǎng)絡(luò)工具箱和simulink軟件包對(duì)其進(jìn)行了仿真。結(jié)果表明,該控制器比經(jīng)典pid控制及單純模糊控制具有較好的魯棒性,動(dòng)態(tài)性能好,控制迅速,適于我國(guó)煤礦企業(yè)廣泛使用的礦井空調(diào)控制系統(tǒng)。

針對(duì)混凝土橋梁耐久性歷史評(píng)估數(shù)據(jù)的特點(diǎn),提出一種基于bp神經(jīng)網(wǎng)絡(luò)與gm(1,1)模型的橋梁耐久性組合預(yù)測(cè)方法。通過(guò)gm(1,1)模型,以部分?jǐn)?shù)據(jù)作為樣本進(jìn)行預(yù)測(cè),在此基礎(chǔ)之上,引入bp神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)測(cè)的殘差序列進(jìn)行處理,旨在克服單一預(yù)測(cè)模型的不足,取得更高的預(yù)測(cè)精度。算例表明,本文算法精度明顯高于傳統(tǒng)gm(1,1)模型,與類似算法相比,精度上也有所提高。