王京慧[1]2003年在《一类复合型模糊神经网络的递归算法研究及应用》文中研究说明论文针对动态非线性系统建模、辨识和控制等问题,提出了一类由递归函数网络和规则网络构成的递归复合型模糊神经网络。其中规则网络通过对生产过程先验知识的利用,确定规则推理和学习的模糊神经网络结构,实现操作区域的划分;递归函数网络则运用常规模糊神经网络进行相应过程操作区域内的非线性函数逼近,并在其第二层内部引入了递归环节,利用内部反馈,记录系统前一时刻的信息。此种网络结构不但能有效地利用对象的先验知识,而且对动态系统具有很好的响应。论文采用了几类动态非线性函数模型分别对模糊神经网络、动态模糊神经网络、复合型模糊神经网络和递归复合型模糊神经网络进行了仿真研究,结果表明递归复合型模糊神经网络较之其他网络在动态系统响应能力和网络学习精度方面都有显着的提高,其内部递归反馈的结构比外反馈的网络结构网络规模小,性能好。论文还研究了当数据样本集中含有噪声的情况,仿真实验的结果说明递归复合型模糊神经网络具有较强的抗干扰能力,适当的调整网络结构,可有效的抑制有色噪声的影响。最后,论文将递归复合型模糊神经网络应用于DMF(双塔)回收系统,利用现场的实时数据,采用递归复合型模糊神经网络对系统进行辨识和建模,获得了满意的结果。研究表明,论文所研究的递归复合型模糊神经网络在处理动态非线性系统问题上具有良好的性能,在实际生产过程的应用上有广泛的前景。
郝利军[2]2008年在《一类复合型模糊神经网络的改进及应用研究》文中研究说明对于一类复合型模糊神经网络,论文首先进行了多方面的改进研究尝试。第一,对于递归复合型模糊神经网络采用了改进的BP学习方法,如引入动态学习率和动量项等,仿真证明网络逼近速度有所提高;第二,通过对递归复合型模糊神经网络的动态研究发现,引入多层递归环节对于网络的动态逼近能力有着显着的增强;第叁,实际工业过程中,往往有许多先验知识,而复合型模糊神经网络可以利用其规则网络对先验知识进行融合,为此,深入研究了规则网络的先验知识利用;第四,深入探讨了多层递归复合型模糊神经网络对于数据噪声的抑制能力。将模糊神经网络与预测控制相结合,是提高系统鲁棒性和克服系统不确定性的有效手段,也是解决不确定性系统控制难题的有效方法,论文采用多层递归复合型模糊神经网络作为预测模型,构建了模糊预测控制方案,仿真研究表明了其有效性。对于具有区域特征的复杂对象,提出了对于不同区域采用各自适合的子网络进行逼近的方法,以多个子网络的结合,共同逼近复杂过程对象。每个子网络表现为具有自适应性的模糊神经网络,网络的结构随着对象区域的不同而改变。
何谦[3]2000年在《基于模糊神经网络的非线性系统建模及其工业应用研究》文中提出论文针对化工过程非线性系统建模问题，提出了一类由函数网络和规则网络构成的复合型模糊神经网络。其中，函数网络采用改进型模糊神经网络结构实现非线性函数逼近功能；而规则网络基于过程先验知识，用于实现对操作区间的划分。论文中采用了几类非线性函数模型分别对改进型模糊神经网络和复合型模糊神经网络进行了仿真研究，结果表明，复合型模糊神经网络较之普通模糊神经网络在训练精度和测试精度上都有显着的提高，表现出了优异的预测和泛化能力。论文对模型混有白噪声干扰的情况也进行了仿真研究，结果说明复合型模糊神经网络具有较强的鲁棒性和抗干扰能力。论文还对具有外反馈动态结构的复合型模糊神经网络进行了初步探讨，并采用一类二阶动态非线性函数模型对它进行了仿真，仿真结果表明，这类动态结构的复合型模糊神经网络能够具有一定的动态性能。最后，论文将复合型模糊神经网络应用于泸天化集团公司尿素高压圈工段的叁个重要液位系统中，从现场采集了大量的实时数据，采用复合型模糊神经网络对液位系统进行建模和预测，并且获得了满意的结果。 研究表明，论文提出的复合型模糊神经网络不仅在建模精度上有着明显的优势，而且在实际生产过程的应用上具有良好前景。
曹卫群[4]2003年在《集装箱港口竞争的博弈模型及基于神经网络的吞吐量预测研究》文中指出在集装箱港口竞争越来越激烈的背景下，针对港口布局缺乏整体规划、港口无序竞争、综合竞争力较差等问题，本文首先对港口集装箱运输的发展趋势、集装箱港口市场结构进行了全面分析。根据港口产业的特点，结合港口市场所具有的寡头垄断市场的特征，从集装箱港口的发展规律出发，建立了其需求供给模型，分析了港口定价、提高服务质量、适度超前建设等各种竞争策略。 然后，根据港口之间的竞争存在竞争策略相互影响、相互作用的特点，建立了港口竞争的博弈模型，对不同竞争环境下的港口博弈竞争进行了数字模拟，求出其纳什均衡解，揭示了港口之间竞争的规律，为港口集装箱运输发展规划和采取竞争策略提供了借鉴意义。 在集装箱吞吐量预测方面，针对传统预测方法的不足，在分析了影响集装箱吞吐量的各种因素之后，使用人工神经网络方法，建立了适于港口集装箱吞吐量预测的递归神经网络的模型和改进的BP神经网络模型，而且都要比传统的BP神经网络性能要好，并结合大连港的历史统计数据，对大连港集装箱吞吐量进行了预测。 最后，根据世界集装箱港口的发展规律，以大连港为例，在分析了大连港集装箱运输发展的腹地经济、自然条件、口岸环境以及面临的竞争环境等基础上，根据集装箱吞吐量预测结果和我国北方港口竞争形势，提出了大连港应采取的竞争策略，以形成港口集装箱运输发展和地区经济发展的良性互动。
周杉杉[5]2018年在《基于自组织递归模糊神经网络的PM2.5浓度预测研究》文中研究说明近几年,雾霾天气以越来越高的频率,越来越大的范围出现在我们的生活中,严重影响身体健康和正常的生产生活,空气质量也逐渐成为人们关注的热点问题。PM2.5作为造成雾霾天气的主要因素,其浓度变化受到污染物直接排放、污染物二次转化、气象条件、地形地势等多种因素的影响,具有明显的非线性动态特性,预测难度较大。因此,文章对PM2.5的预测方法进行了研究,并完成了预测软件的开发,将研究结果应用到我们的日常生活。论文的主要研究内容有以下几点:1.针对PM2.5影响变量较多且变量之间互相影响关系复杂问题,提出了基于互信息和粒子群优化(Particle Swarm Optimization,PSO)的filter-wrapper混合特征选择算法。在filter阶段,充分考虑各个变量与PM2.5的最大相关性以及变量之间的冗余性,基于互信息最大相关最小冗余原则(Maximum Relevance Minimum Redundancy,MRMR)对变量排序,进行特征子集初选。然后在wrapper阶段,以初选特征子集为初始搜索范围,以神经网络预测精度作为PSO优化算法的适应度函数进行寻优,从而确定最优特征子集。最后将该特征选择方法与其他方法进行了实验对比,验证了该方法的有效性。2.设计了一种基于模糊规则完备性和偏最小二乘法(partial least squares,PLS)的自组织递归模糊神经网络。首先在模糊神经网络的规则层加入含内部变量的反馈连接构成递归模糊神经网络(Recurrent Fuzzy Neural Network,RFNN)以增强网络的动态信息处理能力。然后针对RFNN结构难以确定的问题,提出了基于模糊规则完备性和PLS的结构自组织机制。同时,为了加快神经网络训练时的收敛速度,采用学习率自适应梯度下降算法调整网络参数。最后通过两个经典非线性实验,从网络结构和逼近精度两方面验证了所设计的神经网络的有效性。3.建立了PM2.5浓度预测模型。以北京市某空气质量监测站为研究对象,采集该站点的小时气象数据和污染物数据,利用filter-wrapper的特征选择方法,以自组织递归模糊神经网络(Self-Organizing Recurrent Fuzzy Neural Network,SORFNN)的预测精度为PSO的适应度函数确定了7维的特征子集,将该7维变量作为SORFNN的输入进行PM2.5小时浓度的预测。与其他算法的性能比较结果表明,所设计的预测模型能够有效的预测PM2.5的小时浓度。4.开发了一款PM2.5智能预测手机应用软件,使用户能够更方便快捷的获知PM2.5预测浓度。该软件以SORFNN预测方法为理论依据,在Eclipse Java EE开发环境下使用Java语言进行开发,包括模型训练、服务器端、android客户端叁个模块,可以实现PM2.5小时浓度预测、天气和空气状况实时查询、历史数据查询等功能。
李大海[6]2007年在《智能控制在大惯性、非线性系统的应用研究》文中研究表明随着现代科学技术的发展,人们所面临的问题日益复杂多变,所研究的对象也都存在复杂性、非线性、时变性和不确定性等问题,以数学模型为基础的传统控制理论与技术已不能满足对这些复杂的对象与过程控制的需要,必须发展新的控制策略。首先对模糊控制、神经网络及模糊神经网络的背景、发展和原理等进行了综述;然后针对大惯性、非线性系统难以用传统方法辨识的特点,使用联想记忆神经网络结构作为建模工具,以再现被控对象的特征,为控制做好铺垫。针对密度控制系统的非线性特点,设计一种新型的模糊神经网络控制器,应用多层前馈网络构造模糊变量隶属函数和模糊推理控制模型,使神经网络不再表现为黑箱式映射,其所有节点和参数都具有模糊系统等价意义。该算法可根据在线调整确定初始隶属函数和发现规则的存在,并可优化调整隶属函数,获得理想输出。并利用该控制策略进行了仿真研究,证明该控制策略的可行性。密度控制系统是典型的非线性、大惯性控制系统,根据提出的联想记忆神经网络辨识器,与模糊神经网络控制器相结合,建立模型参考自适应控制方案,成功的实现了对混砂车的控制,并可在相关领域推广。
邱东强, 涂亚庆[7]2001年在《神经网络控制的现状与展望》文中指出对神经网络在控制中的应用进行了综述 ,特别对现阶段几种较重要的神经 (网络 )控制的现状进行了评述 ,并对神经控制的发展作了展望 ,最后对神经网络用于控制中存在的几个问题进行了探讨
崔慧敏[8]2017年在《基于神经网络的光纤陀螺误差补偿和平台稳定控制技术研究》文中认为陀螺稳定平台是光电跟瞄系统的核心,它能够隔离载体运动、风阻力矩、内部摩擦等因素的影响,保持平台上探测设备的视轴在惯性空间稳定,因此被广泛应用于军用及民用领域。本文以两轴陀螺稳定平台为研究对象,主要从补偿光纤陀螺信号误差和改善稳定环伺服控制性能两个方面进行了深入的研究。首先,本文概述了陀螺稳定平台国内外的研究状况,介绍了陀螺稳定平台发展面临的问题,光纤陀螺误差补偿方法以及光电平台稳定控制常用算法,针对现有的神经网络,归纳概述了其学习算法,稳定性研究现状。从设计指标出发,制定了总体设计方案,完成了器件选型和单轴伺服系统数学模型的建立。在此基础上分析了影响光电平台稳定精度的因素,系统隔离外界扰动的运动学原理,推导了平台稳定精度与隔离度之间的关系,从而为伺服控制系统的设计提供了理论依据。其次,为了分析光纤陀螺的随机误差对平台稳定精度造成的影响,介绍了光纤陀螺工作原理,噪声来源,以及ALLAN方差原理,在光纤陀螺随机误差建模过程中针对非平稳分型噪声较难模拟的问题,采用白噪声通过多级串联滤波器进行仿真的方法,并用多种功率谱密度方法验证了该种建模方法的准确性,相较于已有的运用正交小波进行模拟的方法,该方法相对简单方便。并通过对陀螺随机误差对平台角速率和角位置影响的仿真分析,说明了补偿陀螺误差对提高平台稳定精度具有重要意义。接着,为提高陀螺输出精度,提出对陀螺输出信号在小波滤波的基础上进行单神经元逼近补偿的方法。为此提出了一种单乘法递归神经元模型,并提出一种线性递减惯性权重萤火虫差分进化算法来训练该神经元模型,该方法可以有效克服BP算法易陷入局部极小值,收敛速度慢,鲁棒性差的缺点,为神经元的快速收敛奠定了基础。通过ALLAN方差对补偿前后的陀螺误差进行对比分析,结果表明提出的改进算法可以有效补偿陀螺误差,从而有效削弱误差对平台稳定精度的影响。然后,针对光电平台稳定环伺服系统设计了PID控制器,基于频域法设计了串联校正控制器,并结合单神经元PID控制和递归Adaline神经网络的优点设计了自适应复合控制器。并从动态响应,稳定精度方面对这叁种控制器的控制效果进行了分析,实验结果表明基于神经网络的自适应复合控制器由于充分结合了传统控制方法和神经网络的优点,因而具有更大的优越性。最后,作为对基于神经网络的光电平台控制方法的进一步探讨,针对直流力矩电机系统设计了基于递归RBF神经网络的backstepping鲁棒控制器,对控制器的稳定性进行了数学证明并给出了仿真实例,由于该方法无需系统辨识,在光电平台稳定控制方面具有很大优势。同时,针对光电平台系统对实时性要求较高而神经网络具有延时,且易受到脉冲和反应扩散影响产生发散的问题,本文提出了一种简便的神经网络全局稳定性判定方法,并给出了严格的理论证明。这为日后神经网络在光电平台稳定控制等相关领域中的实际应用做出了积极的理论贡献。
王曦[9]2012年在《基于模态分解和定量递归分析的电能质量扰动信号分析与识别》文中研究表明随着国民经济和科学技术的迅猛发展,电力系统中的非线性、冲击性、非对称型负荷显着增加,电能质量问题带来的经济损失越来越严重,如何有效的治理电能质量问题已经成为广大科技工作者研究的重点。改善和提高电能质量的首要前提就是对电能质量扰动类型进行检测、分析与识别,只有快速准确的检测出电能质量问题,并进行有效的分析,识别扰动的类型,才能对其进行有效的控制和治理。本文分别对无噪声的电能质量仿真信号和含30dB噪声的电能质量扰动信号进行分析,比较了电能质量信号在有、无噪声时的递归图识别结果,并结合NMF方法对递归图进行特征提取进而对其进行智能识别。电能质量扰动信号进行相空间重构后得到的递归图和重构轨迹图,直观的显现出了不同扰动信号的扰动特征。无噪声扰动信号的递归图是比较平滑的,可以明显的体现出扰动信号的扰动特征,添加噪声后的递归图受到了噪声的影响,图中出现复杂的线条和图形,但是图中的扰动特征并没有因此而受到太大的影响,识别效果是十分明显的。文中利用EMD方法对电能质量扰动信号进行滤波处理,并与递归定量分析相结合,实现了电能质量扰动信号的检测识别和定位。研究了使用EMD去噪方法对含30dB噪声的六类电能质量扰动信号(电压中断、电压暂升、电压暂降、暂态振荡、电压尖峰和暂态谐波)的去噪,去掉高频噪声保留其余分量并重构新的信号,结果表明EMD方法去噪可以去掉原有信号中的噪声干扰,去噪的同时保留了低频信号的扰动特征分量。研究了EMD结合软阈值去噪的方法,去噪后的各类信号的递归图和重构轨迹图中表现出了明显的不同,并在随后的试验中进行了递归定量分析,选择具有明显变化趋势的递归参数进行神经网络的智能分类识别和扰动定位,结果证明该方法对于电能质量问题的研究是非常有效的。EEMD在消除端点问题和模态混迭方面明显要优于EMD方法,更适合于对电能质量扰动信号的研究,尤其是在处理复合型扰动信号方面,可以将信号中包含的不同扰动类型分解出来。利用EEMD方法对电能质量信号的分解效果做了研究,本文在含噪声的各类电能质量扰动信号的基础上进行了信号分解和特征分量提取的工作,结合递归图和重构轨迹图观察不同扰动信号的扰动特征。将提取的特征分量进行定量递归分析,选择具有明显变化趋势的递归参数进行了扰动类型的识别。递归定量分析的方法在其他领域的应用已经非常广泛,但是在电能质量问题领域的研究还很不足,因此本文的研究方法对今后进一步研究该方法在电能质量领域的应用是非常有意义的。将递归图和定量递归分析技术引入非平稳电能扰动信号处理研究中的方法是有效的,经EMD去噪后的电能质量扰动信号二维相空间图和递归图体现了不同模式的电能扰动信号内部动力学机理的递归现象,递归量化参数定量地表征电能扰动信号的递归特性,利用定量递归分析提取的不同参数和BP神经网络可以区分不同的电能质量扰动模式。递归分析的重构率参数可以定位扰动出现的起始点和结束点。从仿真结果可以发现,递归定量分析是一种新的电能质量扰动模式识别方法,也为由多种扰动信号混迭的复杂干扰信号识别的后续研究提供了依据。
赵欣莅[10]2015年在《基于多模态信息融合的RoboCup3D仿真机器人自定位技术研究》文中指出随着智能控制技术、计算机技术、仿生学、人工智能等学科的飞速发展,智能移动机器人技术的研究越来越受到重视,而自主定位是移动机器人进行自主导航和探索研究的基础,同时多种传感器相互协助提供了丰富的机器人内部状态和外部周围环境的感知信息。本文的研究工作主要是移动机器人在已知环境中的多模态信息融合理论和自主定位算法这两个方面。首先,介绍了移动机器人自定位技术,阐述了移动机器人基于多模态信息融合定位技术的研究意义及国内外发展现状和趋势。讨论了多模态信息融合技术及应用于移动机器人自定位领域的一些方法。其次,建立了长短时记忆神经网络模型,对陀螺仪信息、加速度计信息、视觉信息和机器人关节运动信息多种模态信息进行了有效的融合,通过训练后的网络模型完成机器人自定位。重点研究了基于长短时记忆神经网络模型的多模态信息融合的机器人自定位方法,同时分析了传统的扩展卡尔曼滤波和粒子滤波的机器人自定位方法。最后,设计了基于多模态信息融合的移动机器人自定位实验,验证了长短时记忆神经网络模型应用于多模态信息融合的移动机器人自定位中的有效性并取得了良好的效果。同时和扩展卡尔曼滤波和粒子滤波两种传统定位方法进行了比较,对实验结果进行了深刻分析和讨论。
参考文献：
[1]. 一类复合型模糊神经网络的递归算法研究及应用[D]. 王京慧. 北京化工大学. 2003
[2]. 一类复合型模糊神经网络的改进及应用研究[D]. 郝利军. 北京化工大学. 2008
[3]. 基于模糊神经网络的非线性系统建模及其工业应用研究[D]. 何谦. 北京化工大学. 2000
[4]. 集装箱港口竞争的博弈模型及基于神经网络的吞吐量预测研究[D]. 曹卫群. 大连理工大学. 2003
[5]. 基于自组织递归模糊神经网络的PM2.5浓度预测研究[D]. 周杉杉. 北京工业大学. 2018
[6]. 智能控制在大惯性、非线性系统的应用研究[D]. 李大海. 中国石油大学. 2007
[7]. 神经网络控制的现状与展望[J]. 邱东强, 涂亚庆. 自动化与仪器仪表. 2001
[8]. 基于神经网络的光纤陀螺误差补偿和平台稳定控制技术研究[D]. 崔慧敏. 中国科学院长春光学精密机械与物理研究所. 2017
[9]. 基于模态分解和定量递归分析的电能质量扰动信号分析与识别[D]. 王曦. 昆明理工大学. 2012
[10]. 基于多模态信息融合的RoboCup3D仿真机器人自定位技术研究[D]. 赵欣莅. 天津大学. 2015
标签：自动化技术论文; 递归论文; 电能质量论文; 模糊神经网络论文; 递归算法论文; 网络模型论文; 预测控制论文; 预测模型论文; 线性系统论文; 模糊理论论文; 仿真软件论文; 模糊算法论文; 递归神经网络论文; 模态分析论文; 定位精度论文; 动态模型论文; 非线性论文;