导读:本文包含了自适应神经模糊系统论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:模糊,自适应,神经网络,系统,神经,浓度,混沌。
自适应神经模糊系统论文文献综述
李永亮,张怀清,杨廷栋,马载阳,李思佳[1]（2019）在《基于自适应神经模糊系统的杉木冠幅估算方法》一文中研究指出【目的】基于相邻木特征与对象木冠幅间的复杂关系,提出一种基于自适应神经模糊系统的冠幅估算方法,以提高林木冠幅智能化估算水平。【方法】以杉木为研究对象,根据相邻木相对对象木的距离和方位,采用象限补树法构建空间结构单元。测定100组4方向冠幅、距离和方位角,提出相邻木冠幅、距对象木距离2个自变量的计算方法,以对象木冠幅与相邻木冠幅的比值作为因变量。根据样本数据,分析变量间非线性映射关系,建立25条模糊逻辑推理规则,设计以2个自变量为输入、1个因变量为输出的零阶Takagi-Sugeno模型,以70组数据训练自适应神经模糊系统,以30组数据检验系统冠幅估算效果,并与多元线性回归法和BP神经网络法进行对比。【结果】3种方法冠幅估算值与真实值的线性关系均达显着水平,经检验,本研究方法、BP神经网络法和多元线性回归法的判定系数分别为071、067和066。【结论】基于自适应神经模糊系统的冠幅估算方法可在自变量不含对象木属性特征的情况下,根据空间结构单元内相邻木特征,直接实现对象木冠幅的智能化估算。(本文来源于《林业科学》期刊2019年11期）
苏志鹏,王东风[2]（2019）在《基于自适应神经模糊系统的锅炉汽轮机建模》一文中研究指出热工对象由于其自身大延迟、强耦合等特点,较难建立其较为精确的模型。针对锅炉汽轮机模型,使用Bell-Astr?m锅炉汽轮机模型产生数据,采用自适应神经模糊系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)进行建模。而后,对传统的ANFIS采用Fletcher-Reeves update法进行改进,并与改进前的ANFIS建模效果进行对比,验证改进的有效性。(本文来源于《仪器仪表用户》期刊2019年11期）
李洪梅,高媛,陈向坚[3]（2019）在《基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制》一文中研究指出该文提出的鲁棒的自适应区间二型模糊神经网络控制(RAITIIFNNC)系统由一个区间二型模糊神经网络识别器与一个鲁棒性控制器组成。识别器完成了对场地不确定性的在线评估,鲁棒控制器用来减小逼近错误,两者结合可以获得更好地跟踪与同步混沌系统。所有的参数学习算法来源于Lyapunov稳定理论以保证网络汇聚的同时有稳定同步的表现。算例分析证明:新系统在同步两个Lorenz混沌系统时具有更好的效率。(本文来源于《南京理工大学学报》期刊2019年04期）
徐博,李盛新,王连钊,段腾辉,姚贺[4]（2019）在《一种基于自适应神经模糊推理系统的多AUV协同定位方法》一文中研究指出针对多自主水下航行器(AUVs)在恶劣水下环境通信数据包丢失的情况,提出了一种基于自适应神经模糊推理系统(ANFIS)的多AUV协同定位方法。将传统的扩展卡尔曼滤波(EKF)与ANFIS相结合。在协同定位系统正常通信时,跟随AUV的位置由EKF估计得到,并利用该阶段收集的数据对ANFIS模型进行训练;当通信包丢失时,ANFIS进入预测过程,ANFIS根据输入数据预测跟随AUV的位置。利用湖试数据验证了所提方法的有效性。实验结果表明,当通信包丢失时,ANFIS能够根据输入数据有效地预测AUV的位置。在通信包丢失时,所提方法平均定位误差与无ANFIS辅助的EKF滤波比较,平均定位误差减小78%,均方根误差减少77%,具有更好的准确性和稳定性。(本文来源于《中国惯性技术学报》期刊2019年04期）
赵昊旭[5]（2019）在《基于自适应神经模糊推理系统的潮流发电水轮机变桨距控制策略》一文中研究指出变桨距水轮机能在低流速下保持最小桨距角实现功率的最大捕获,还可在高流速下通过变桨来实现恒功率输出,减少了过载冲击。通过分析变桨距伺服控制系统,改进了基于自适应神经模糊推理系统的变桨控制方法,实现了更为平滑高效的变桨操作,并在Matlab/Simulink下进行了系统仿真,验证了所提控制方法的有效性。(本文来源于《水电能源科学》期刊2019年06期）
李鹏飞,李占旗,王述勇[6]（2019）在《基于模糊神经网络的自适应巡航控制系统设计》一文中研究指出基于分层架构思路,设计了自适应巡航控制系统。决策控制层,结合前车运动状态动态计算可变车间时距,进一步通过期望车间距与实际间距的比较判定巡航控制模式;车距模式下,采用模糊神经网络通过驾驶数据训练自动生成隶属函数和模糊规则的模糊神经网络控制器进行跟车控制。执行控制层,基于车辆动力及制动系统特性,通过驱动或制动力矩控制实现车速与车间距的精确控制。通过构建"ACC控制策略-车辆动力学-交通场景"闭环系统模型,采用叁类典型工况进行验证,仿真结果表明车辆响应较快且跟随稳定,满足控制目标和舒适度的要求。(本文来源于《新型工业化》期刊2019年06期）
张国奇[7]（2019）在《基于T-S模糊神经网络温室自适应控制系统的研究》一文中研究指出现代智能温室控制系统的研究涉及到控制器设计、常规控制与最优控制等控制决策的选择,以及精准农业与保护农业所包含交叉学科、多学科互联技术等跨学科融合技术的研究。同时,现代化农业正在随着社会的需求而变化,要求通过节水、减少农用化学品和削减农作物种植面积等方式确保农产品供应,它需要高质量作物的生产系统作为保证。由此本文对基于T-S模糊网络的温室自适应控制系统进行研究与设计,选取最佳的温室环境控制器与最优的控制决策,采用智慧互联多学科与多科技融合技术,实现温室大棚智能控制系统,达到智慧农业、保护农业与精准农业叁者的共同需求。本文融合T-S模糊神经网络控制、自适应控制、计算机应用技术、传感器物联网应用技术等,提出了温室控制系统总体设计方案与温室大棚系统结构框架的层次化结构设计。设计了智能温室控制系统的硬件和软件部分,设计了控制器模块的硬件设计、监测控制模块的硬件设计、无线通讯模块的硬件设计。控制器模块设计了嵌入式CORTEX-M4控制模块、人机交互控制模块、电源模块。监测控制模块选取Atmega328微控制器为主控芯片微控制模块、SIM900A与GSM无线通讯模块、继电器输出控制模块以及各个传感器参数采集模块,无线通讯模块分析设计了RF905收发模块和DM642转发模块。其中监测控制模块既可以完成数据的采集任务,也可以完成一些基本的操作控制,两种无线通讯模式,GSM模块完成与手持移动终端的通讯,无线收发与转发模块主要完成与下位机主控制系统的通讯,下位机与上位机通讯通过RS485转接口实现。智能温室控制系统的软件设计主要包括上位机的软件设计和下位机的软件设计,上位机软件主要设计了LabVIEW监控系统工作流程、串口通讯、软件交互界面,下位机软件主要设计了人机交互模块、数据采集模块以及模糊神经网络自适应控制器,针对智慧农业菜园与太原当地的农业气候,在智能温室大棚中能够对CO_2浓度、光照强度、湿度和温度等一些影响农作物生长的重要参数提供实时高效检测策略与自适应控制策略融合的一种智能控制方案,达到智慧农业的控制目标。(本文来源于《太原理工大学》期刊2019-06-01）
姚彤悦,喻云舟,潘锋,邹进[8]（2019）在《自适应神经模糊推理系统在月径流预测中的应用》一文中研究指出径流分析是水文分析计算中的重要组成部分。在人类活动、地理位置和气候变化等诸多因素的作用下,径流的变化错综复杂,导致径流预测变得较为困难。本文选取黄河上游的兰州站1955～1985年共31年的月径流数据资料,通过MATLAB的编程实现自适应神经模糊推理系统(ANFIS)在兰州站月径流预测中的应用,并通过相对误差(δ)、均方根误差(RMSE)、相关系数(R)叁个指标对预测结果进行评价。结果表明,通过ANFIS对兰州站进行月径流预测,所得到的预测值较为准确,同时,该方法对月径流的变化趋势预测同样较为准确,具有较强的适应性。因此,该方法是一种在径流预测或水文预测中值得探索或推广的方法。(本文来源于《中国水运(下半月)》期刊2019年04期）
解铭,牛红亚,齐丹媛,吉伟卓[9]（2019）在《自适应神经模糊推理系统在交通污染物浓度预测中的应用》一文中研究指出城市交通带来的废气排放已经成为城市大气污染的主要来源之一。交通污染问题的成因和机理较为复杂,变化规律具有较强非线性和周期性特征。将自适应神经模糊推理系统(adaptive neuro fuzzy inference system,ANFIS)应用于交通污染物浓度时序数据预测时呈现出良好的泛化能力。本文以长沙市CO小时浓度数据为研究目标,通过分析CO浓度时序数据的自相关性、偏自相关性,以及交通流对CO浓度的时滞性影响,确定ANFIS预测模型的输入变量。结果表明,相较于传统的时间序列预测模型以及机器学习模型,ANFIS模型预测结果具有更高的精度,能够对交通环境污染进行预测及预警,为防止城市灾害性大气污染事件发生奠定理论研究基础并提供有效决策支持。(本文来源于《模糊系统与数学》期刊2019年01期）
鲍伟强,陈娟,谢伟,熊涛[10]（2019）在《一种基于自适应神经模糊推理系统的短期负荷预测方法》一文中研究指出随着智能电网技术的发展,电网问题的管理变得尤为重要,负荷预测是电网管理的主要内容之一。本文针对小区域范围内电力系统负荷预测问题,提出了一种基于自适应神经模糊推理(ANFIS)方法,在每小时测量和记录电力负荷数据的基础上,利用提出的ANFIS模型进行了负荷预测。在所提的ANFIS模型中,只需要确定历史负荷参数,模型中的其他参数可由历史负荷参数计算得到。将实际负荷及其对时间的一阶导数、时间信息作为ANFIS模型的输入,预测下一个小时的负荷需求。采用均方根误差、标准均方根误差和平均偏差误差作为模型评价指标。实验结果表明,该方法适用于小区域的负荷预测。(本文来源于《电气开关》期刊2019年01期）
自适应神经模糊系统论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
热工对象由于其自身大延迟、强耦合等特点,较难建立其较为精确的模型。针对锅炉汽轮机模型,使用Bell-Astr?m锅炉汽轮机模型产生数据,采用自适应神经模糊系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)进行建模。而后,对传统的ANFIS采用Fletcher-Reeves update法进行改进,并与改进前的ANFIS建模效果进行对比,验证改进的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应神经模糊系统论文参考文献
[1].李永亮,张怀清,杨廷栋,马载阳,李思佳.基于自适应神经模糊系统的杉木冠幅估算方法[J].林业科学.2019
[2].苏志鹏,王东风.基于自适应神经模糊系统的锅炉汽轮机建模[J].仪器仪表用户.2019
[3].李洪梅,高媛,陈向坚.基于二型模糊神经网络的不确定混沌系统鲁棒性自适应控制[J].南京理工大学学报.2019
[4].徐博,李盛新,王连钊,段腾辉,姚贺.一种基于自适应神经模糊推理系统的多AUV协同定位方法[J].中国惯性技术学报.2019
[5].赵昊旭.基于自适应神经模糊推理系统的潮流发电水轮机变桨距控制策略[J].水电能源科学.2019
[6].李鹏飞,李占旗,王述勇.基于模糊神经网络的自适应巡航控制系统设计[J].新型工业化.2019
[7].张国奇.基于T-S模糊神经网络温室自适应控制系统的研究[D].太原理工大学.2019
[8].姚彤悦,喻云舟,潘锋,邹进.自适应神经模糊推理系统在月径流预测中的应用[J].中国水运(下半月).2019
[9].解铭,牛红亚,齐丹媛,吉伟卓.自适应神经模糊推理系统在交通污染物浓度预测中的应用[J].模糊系统与数学.2019
[10].鲍伟强,陈娟,谢伟,熊涛.一种基于自适应神经模糊推理系统的短期负荷预测方法[J].电气开关.2019
论文知识图
