本文對(duì)常見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。

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.

為了達(dá)到準(zhǔn)確地對(duì)汽車液壓泵進(jìn)行故障診斷的目的,深入地研究了模糊神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用。首先,分析了模糊rbf神經(jīng)網(wǎng)絡(luò)模型以及對(duì)應(yīng)的算法流程;接著,根據(jù)汽車液壓泵所存在的故障建立了故障診斷的數(shù)據(jù)樣本對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;最后,利用訓(xùn)練后的模糊神經(jīng)網(wǎng)絡(luò)對(duì)汽車液壓泵進(jìn)行故障診斷,結(jié)果表明,模糊神經(jīng)網(wǎng)絡(luò)具有非常高的故障診斷效率。

將模糊理論與神經(jīng)網(wǎng)絡(luò)相結(jié)合,構(gòu)成了模糊神經(jīng)網(wǎng)絡(luò);針對(duì)熱泵空調(diào)五種常見故障,分析了模糊神經(jīng)網(wǎng)絡(luò)在熱泵空調(diào)故障診斷中的應(yīng)用。與傳統(tǒng)故障診斷方法相比,基于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷方法對(duì)單一故障具有很好的識(shí)別能力,可以提高診斷精度。

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、輸出停息的模糊數(shù)隸屬度，建立了一種基于模糊神...

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.

提出故障診斷系統(tǒng)的總體構(gòu)造和各個(gè)故障原因診斷的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，依據(jù)模糊推理和ｉｆ—ｔｈｅｎ型產(chǎn)生式規(guī)則，采用隸屬度傳遞法則，進(jìn)行故障知識(shí)處理，把表示原因和癥狀間因果關(guān)系的頻數(shù)分布作為網(wǎng)絡(luò)層間單元的權(quán)重。這個(gè)診斷方法的主要特征是能夠定量地表示所歸納的故障原因，以建筑設(shè)備備用電源的柴油機(jī)故障診斷為例說明該方法的應(yīng)用步驟

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

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

對(duì)不確定混沌系統(tǒng)的控制問題,研究了基于權(quán)值直接確定模糊神經(jīng)網(wǎng)絡(luò)(wddfnn)的插值補(bǔ)償控制方法。建立了基于數(shù)據(jù)驅(qū)動(dòng)的wddfnn,并使用wddfnn實(shí)現(xiàn)對(duì)混沌系統(tǒng)的辨識(shí),然后使用wddfnn模型對(duì)混沌系統(tǒng)進(jìn)行模糊插值補(bǔ)償控制?；趌yapunov穩(wěn)定性理論,證明混沌系統(tǒng)在所提最優(yōu)控制律作用下是漸進(jìn)穩(wěn)定的。仿真實(shí)驗(yàn)表明,該控制方法既可以實(shí)現(xiàn)快速跟蹤任意參考信號(hào),又可以有效抑制參數(shù)攝動(dòng)、外部干擾,控制精度較高。

針對(duì)變頻空調(diào)常規(guī)模糊控制系統(tǒng)的隸屬函數(shù)和控制規(guī)則的獲取受限于專家經(jīng)驗(yàn)的問題,根據(jù)神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)能力強(qiáng)的特點(diǎn),將模糊控制與神經(jīng)網(wǎng)絡(luò)相結(jié)合,對(duì)空調(diào)的控制系統(tǒng)進(jìn)行改進(jìn),并據(jù)此設(shè)計(jì)模糊神經(jīng)網(wǎng)絡(luò)控制器,在此基礎(chǔ)上進(jìn)行了理論分析和模擬實(shí)驗(yàn),驗(yàn)證了這一控制系統(tǒng)的有效性。

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)在線控制與健康診斷等優(yōu)點(diǎn)。

文章提出一種基于模糊神經(jīng)網(wǎng)絡(luò)的控制算法應(yīng)用于ｉｂ系統(tǒng)的聯(lián)動(dòng)控制，有效地解決了傳統(tǒng)單一閾值控制逄法難以達(dá)到的復(fù)雜控制問題。這種ｆｎｎｃ控制器可以根據(jù)實(shí)際需要進(jìn)行學(xué)習(xí)，具有很強(qiáng)的適應(yīng)能力。

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。

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。

針對(duì)無機(jī)房電梯檢修維護(hù)困難、費(fèi)時(shí)費(fèi)力且人力成本較高的現(xiàn)狀,設(shè)計(jì)了無機(jī)房電梯的智能故障診斷系統(tǒng)。該系統(tǒng)由下位mcu、上位故障診斷系統(tǒng)和無線gprs通信系統(tǒng)三部分組成。其中下位系統(tǒng)實(shí)現(xiàn)對(duì)安裝在電梯上各種功能傳感器的數(shù)據(jù)采集、處理和存儲(chǔ),并根據(jù)上位系統(tǒng)要求進(jìn)行無線的數(shù)據(jù)傳送;上位系統(tǒng)實(shí)現(xiàn)無機(jī)房電梯的預(yù)測(cè)故障診斷和健康狀態(tài)分析,為無機(jī)房電梯故障診斷和健康狀態(tài)分析提供網(wǎng)絡(luò)化的信息服務(wù)。

隨著科技的發(fā)展進(jìn)步,越來越多的高效,便捷的技術(shù)產(chǎn)品被人們所發(fā)明,并運(yùn)用到了實(shí)際的生活當(dāng)中。電梯行業(yè)中當(dāng)今最熱門的要屬無機(jī)房電梯。但維修程序復(fù)雜,人工成本昂貴的缺點(diǎn),給電梯廠商以及維護(hù)者帶來了不小的難題。而新型無機(jī)房電梯的智能故障診斷系統(tǒng)實(shí)現(xiàn)了解決這類難題的辦法。本文將對(duì)該種智能故障診斷系統(tǒng)原理以及操作方法進(jìn)行深一步的論述。

運(yùn)用模糊理論的故障征兆與故障原因之間的模糊關(guān)系,確定了bp神經(jīng)網(wǎng)絡(luò)的輸入層和輸出層,并結(jié)合水輪發(fā)電機(jī)組故障診斷具體實(shí)例建立神經(jīng)網(wǎng)絡(luò)的輸入樣本集,對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,輸入機(jī)組故障征兆向量,得出故障原因,從而驗(yàn)證了模糊神經(jīng)網(wǎng)絡(luò)的可行性與優(yōu)越性。

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。

紅外圖像中的微弱目標(biāo)檢測(cè)與跟蹤是數(shù)字圖像處理領(lǐng)域中的研究熱點(diǎn)。針對(duì)紅外圖像中微弱目標(biāo)灰度的統(tǒng)計(jì)特點(diǎn)以及模糊神經(jīng)網(wǎng)絡(luò)在自適應(yīng)噪聲消除的應(yīng)用,提出一種基于增強(qiáng)型動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)算法用于紅外圖像噪聲消除。經(jīng)過自適應(yīng)噪聲消除后,可有效的有自動(dòng)閾值門限分割法進(jìn)行微弱目標(biāo)檢測(cè)。

提出采用模糊處理與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法，有效地實(shí)現(xiàn)對(duì)建筑物變形的短期預(yù)測(cè)，并用實(shí)例加以驗(yàn)證說明。