基于模糊神经网络的逆变点焊电源恒电流控制设计及仿真
推导了逆变点焊过程控制模型,并构建了逆变点焊模糊神经网络恒电流控制系统结构。根据该模型采用先正弦后恒定输入的方法对模糊神经网络(FNN)进行分段离线学习,提高网络的泛化能力和自适应能力。在线控制时,利用训练后的网络仅做正向模糊计算,输出逆变桥开关管占空比改变量的方法保证逆变器恒电流输出。最后使用MATLAB高级语言编程,完成了整个系统的仿真实验。仿真结果表明:分段训练后的FNN使用该方法可以实现逆变点焊电源的恒电流控制。
基于模糊神经网络的电阻焊机恒电流控制研究
由于建立实际电阻点焊过程精确的数学模型比较困难,使得常规的人工调节pid控制器参数较难实现良好的匹配,从而难以获得满意的控制效果。针对该问题,将智能调节与pid控制方法相结合,利用模糊神经网络设计了参数kp、ki、kd自适应调整的pid控制器,构建了逆变电阻点焊电源的系统模型,通过对系统运行状态的在线学习智能化地修正pid的三个参数。pid控制输出量通过pwm发生器产生四路独立的、占空比实时变化的pwm波形,进而控制逆变器的功率开关器件导通时间,最终实现对系统恒电流的输出控制。仿真结果表明,该方法能根据系统的运行状态自行匹配对应最优控制规律下的pid三个参数,能有效地控制焊接电流的恒定,达到满意的效果。
基于BP算法的逆变点焊电源模糊神经网络控制研究
引入动量因子对常规bp学习算法进行了改进。在分析模糊神经网络控制模型的基础上,针对模糊神经网络规则多、训练时间长的缺点,采用了给模糊控制规则增加阈值,减少网络训练运算量的优化方法。最后将此优化方法和改进的训练算法应用到逆变点焊电源模糊神经网络(fnn)恒电流控制系统中,通过使用matlab语言编程,对该系统进行了仿真分析。仿真结果表明,动量因子的引入不但减小了bp算法学习过程的振荡趋势,加快了收敛速度,而且较好解决了bp网络容易陷入局部极小点的缺陷。模糊规则阈值的引入,有效减少了网络的训练时间。
逆变点焊电源模糊神经网络自适应控制模型研究
研究了逆变点焊电源恒流自适应控制的模糊神经网络模型,设计了模糊神经网络结构。利用bp算法,采用先正弦函数输入后恒定输入的方法对网络进行了分段训练,并使用matlab语言,对系统进行了自适应控制和比例因子影响的仿真分析。结果表明,逆变点焊电源恒流自适应控制模糊神经网络,能够实现在线调整隶属函数参数,控制系统可快速感知外来干扰和过程变化,平均控制相对误差小于2.08%;比例因子的选取,对系统有很大影响,不同的比例因子在与训练好的网络结合进行控制时,系统控制效果不同。
基于模糊神经网络控制的CO_2焊接逆变电源
针对模糊逻辑在co2焊接逆变电源控制中存在响应速度慢、精确性不高的问题,尝试采用模糊神经网络控制算法,对焊接电弧电压进行控制。阐述了模糊神经网络控制器的设计过程,并对所设计的模糊神经网络控制器和模糊逻辑控制器进行仿真对比研究,结果表明模糊神经网络具有更快的响应速度和更高的稳定性;整体仿真研究也表明所设计的控制系统可以更加快速准确地控制弧长的稳定。
基于T-S模型和模糊神经网络的焊接电源群控
利用多台焊接电源同时对同一工件进行焊接,当外电压波动时,众焊接电源依靠自身控制系统进行各自调节的过程也是对外电网干扰的再生过程。将模糊理论与神经网络相结合,并应用于多焊接电源的群控。在分析和设计了状态变量的隶属度函数、推理规则、解模糊算法等基础上,完成了基于t-s(tagaki-sugeno)模型的自适应模糊神经推理控制器设计。利用该控制模型在simulink搭建的焊接电源群控模型上进行仿真。结果表明,该控制模型具有调整时间短,超调量小的优点(与众焊接电源各自单独调节相比较,调整时间缩短了22%,超调量减小了40%),反映出良好的动态特性。
基于变论域电阻点焊模糊神经网络控制方法
为提高电阻点焊的控制精度和焊接质量,根据电阻点焊过程的特点和要求,通过集成变论域、人工神经网络和模糊控制技术,提出了基于变论域电阻点焊模糊人工神经网络控制方案,开发了四层模糊神经网络结构,分析了计算过程,推导了四层模糊神经网络各层的计算方法和计算公式,研究了输入输出变论域伸缩因子的确定方法,定义了输入变量的7个模糊子集和输出变量的13个模糊子集,确定了49条模糊控制规则,研究开发了一种电阻点焊变论域模糊人工神经网络控制器,结合实际产品的设计开发进行了试验研究与分析,证明了变论域电阻点焊模糊神经网络控制方法的优越性.
基于模糊神经网络的无线感应电源频率控制器
建立了基于模糊神经网络的最佳耦合频率控制系统的模型,使得转动轴状态变化时,无线感应电源的频率被控为谐振频率,从而保证能量传输过程处于最佳耦合状态。设计了一套无线感应电源的实验装置,包括可控频率的电磁振荡发生器,能量接收天线和轴上ac/dc装置。
基于模糊神经网络的深基坑变形预测
基于模糊神经网络的深基坑变形预测——针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出停息的模糊数隶属度,建立了一种基于模糊神...
基于模糊神经网络的故障检测算法
为了有效解决网络系统可能出现的故障,结合模糊神经网络提出了一种新的故障检测算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).该算法根据特征信息熵建立了故障检测评价方法和最小偏差的优化模型,设计了模糊神经网络中输入层、模糊化层、模糊规则层和解模糊层,并且给出了具体的算法流程.通过建立网络仿真平台,深入分析了影响fdd-fnn算法的关键因素,同时对比研究了fdd-fnn算法与其他算法的性能情况,结果表明fdd-fnn算法具有较好的适应性.
基于模糊神经网络的深基坑变形预测
针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.
基于模糊神经网络的中频感应加热电源的研究
通过对原有感应加热电源温度控制方法的分析,提出了一种适合于非线性系统基于模糊神经网络的温度控制方法。与传统的控制策略相比,模糊神经网络控制具有不依赖控制对象精确的数学模型,较强的鲁棒性,控制方式简便等优点。实验证明:该加热方法优于常规pid和模糊pid,可获得良好的动态特性,具有稳态精度高,功率调节范围宽,工作稳定可靠的优点。
基于模糊神经网络的智能交通信号控制设计
为了解决当前城市交通拥堵问题,采用更加智能化的控制方法提高城市交通信号控制效率是当前计算机应用实践的重点。根据模糊控制的原理,引入神经网络在自学习方面的优势,提出了一种基于模糊神经网络的智能交通信号控制方法,以车辆排队长度和当前信号周期作为输入,以信号周期内的信号周期增量作为输出,通过模糊控制规则,进而完成对信号周期的实时动态控制,并及时调整交通信号灯相位差。通过matlab软件对上述方案进行仿真,验证了方案的可行性,为当前城市车辆交通控制提供了一种可行方案。
基于模糊神经网络的电梯群控算法研究
本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。
基于模糊神经网络的电梯群控算法研究
本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。
基于模糊神经网络的工程估价系统的研究与设计
**资讯http://www.***.*** **资讯http://www.***.***
基于模糊神经网络的工程估价系统的研究与设计 (2)
**资讯http://www.***.*** **资讯http://www.***.***
基于模糊神经网络的工程估价系统的研究与设计
现如今市场经济竞争十分激烈,实际招投标工作要求能快速准确地进行工程造价的估算。无论业主还是承包商确定工程造价都要求快速、准确,完善的快速估价系统能够很好地解决这个问题。模糊技术与神经网络结合是一种把经验与数学模型结合,这种研究打破了过去人们所进行的各种学科在逻辑上的独立性,预示了人工智能的光明前景和希望。
基于模糊神经网络的供热负荷预测
首先在对供热负荷预测算法的发展现状主要成果阐述的基础上,对影响供热预测因素采用模糊量化的方式进行研究处理,并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果.研究模型的设计核心是bp神经网络,即将模糊量化后的影响因素作为系统的输入值,去调整神经网络的权值,从而得到预测的网络模型.建立预测模型和预测策略后,可以采用matlab科学计算软件开发程序对预测模型效果进行模拟仿真,结果表明,预测的结果能够满足要求,相对误差在合理的范围内,并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特性,从而达到节能的目的.且适应性强,可以应用到类似的供热工程上.
基于补偿模糊神经网络的制冷系统故障诊断研究
基于补偿模糊神经网络的制冷系统故障诊断研究——选择反映制冷系统故障状态的热力参数集组成特征向量,并对其进行模糊化处理,利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系。将神经网络和补偿模糊逻辑相结合,采用动态、全局优化的运算,...
基于模糊神经网络的建筑结构系统辨识
本文提出一种基于模糊神经网络和建筑结构系统辨识方法。利用模糊神经网络强大的非线性映射能力与学习能力以实测的结构动力响应数据建立起结构的动力特性模型。不但可以克服以往传统与智能辨识方法中存在的种种弊病,而且还将土一结构相互作用以及结构自身非线性对结构动力特性的影响考虑在内,使得结构系统辨识更具客观性。具有物理意义明确,可扩展性强,能够用于实时在线控制与健康诊断等优点。
基于模糊神经网络的房地产价格评估问题研究
提出了一种基于神经模糊推理系统的商品住宅价格评估模型,分析了影响商品住宅价格的因素,给出了商品住宅价格评估指标体系,探讨了模型建立的原理及算法步骤。计算实例说明了该模型用于商品住宅价格准确评估的有效性和可行性,为房地产价格评估提供了科学的方法。
基于模糊神经网络的供热负荷预测
为了克服传统bp神经网络预测精度差,易陷入局部极值的缺陷,提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化,快速寻找出样本数据间的连续属性的信息,将其与传统bp神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明:该模糊神经网络预测结果的相对误差很小不超过2%,在短期负荷预测方面具有的优越性。
基于模糊神经网络的智能家居监测系统
智能家居中的环境因素对人体有着不容忽视的影响,智能家居环境舒适度已成为智能家居评估指标中重要的一项,通过对智能家居监测系统信息融合技术进行研究,运用结合模糊推理和神经网络算法优点的模糊神经网络对智能家居监测系统采集的各环境因素进行处理分析,从而能够智能有效的提高人们的室内生活质量。
基于模糊神经网络的房地产价格评估问题研究
基于模糊神经网络的房地产价格评估问题研究——提出了一种基于神经模糊揄系统的商品住宅价格评估模型,分析了影响商品住宅价格的因素,给出了商品住宅价格评估指标体系,探讨了模型建立的原理及算法步骤。计算实例说明了该模型用于商品住宅价格准确评估的有效性...
文辑推荐
知识推荐
百科推荐
职位:项目安全总监
擅长专业:土建 安装 装饰 市政 园林