导读:本文包含了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:神经网络,模糊,系统,神经,自适应,算法,抗压强度。
神经模糊系统论文文献综述
王靖坤[1]（2019）在《一类非线性系统的模糊神经网络全局滑模控制》一文中研究指出文中针对一类非线性系统提出了一种基于模糊神经网络的全局滑模控制策略。设计了模糊神经全局滑模函数,并根据Lyapunov稳定性理论设计出控制器和自适应律。文中以叁相并联型有源电力滤波器为实例在MATLAB平台上进行了仿真实验,电网电流谐波畸变率由24. 71%降低到1. 6%,表明所提出的方案具有很好的补偿性能。(本文来源于《信息技术》期刊2019年12期）
肖金球,周翔,潘杨,冯威,陈多观[2]（2019）在《GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例》一文中研究指出针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.(本文来源于《西南大学学报(自然科学版)》期刊2019年12期）
朱耀麟,周晓东,武桐,任学勤[3]（2019）在《模糊神经网络的长丝恒张力控制系统设计》一文中研究指出针对喷毛机长丝张力的不可控以及不稳定性问题,设计了基于单片机的长丝张力控制器,并介绍了硬件设计方案。首先将喷毛机被动退绕式改为主动退绕式,通过增加一个电机和长丝压杆来控制长丝的张力,然后在单片机的硬件平台基础上采用模糊神经网络PID控制策略控制电机的运行,检测长丝的实时张力,通过控制电机进而控制长丝的张力。实验结果表明,模糊神经网络算法要优于模糊控制算法、PID算法。(本文来源于《单片机与嵌入式系统应用》期刊2019年12期）
刘昕明,吕亮,罗伟[4]（2019）在《基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制》一文中研究指出焦炉集气管压力系统具有多变量、强耦合、非线性和纯滞后等特点,难以建立准确的数学模型。文章采用基于动态模糊神经网络的逆系统方法对集气管压力系统进行解耦,建立逆系统解耦器,并且设计了集气管压力单神经元PID控制器。该方法有效地实现了多焦炉集气管压力解耦控制,能较好地满足多焦炉集气管压力控制的工艺要求。(本文来源于《无线互联科技》期刊2019年21期）
李永亮,张怀清,杨廷栋,马载阳,李思佳[5]（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）
李英[6]（2020）在《基于模糊神经网络的液压式播种机电气控制系统研究》一文中研究指出播种机电液悬挂系统主要用于在使用过程中对播种机具进行调节,以实现播种深度和播种间距的控制。为了提高电液悬挂系统的控制精度和智能化水平,将模糊神经网络理论引入到了控制系统的设计上,通过PID反馈调节的方式,实现播种机具的自动化提升或者降低,保证播种机具在预定的耕深下工作。模拟免耕播种的作业环境,对模糊神经网络PID控制系统进行了测试,结果表明:在播深自动化调节过程中,系统的响应速度较快,响应精度较高,从而验证了方案的可行性。(本文来源于《农机化研究》期刊2020年07期）
田富国,汪庆华,贾康,邓东花[7]（2019）在《BP神经网络与Sugeno模糊积分融合的转子系统故障诊断》一文中研究指出目的针对BP神经网络对转子故障诊断方法存在的局限性,提出一种融合Sugeno模糊积分和BP神经网络的转子故障轴心轨迹识别诊断方法。方法首先利用轴心轨迹图像的不变矩为特征向量,提取常见旋转机械转子故障特征,随后利用多个BP神经网络对故障类型进行识别,最终采用Sugeno模糊积分对BP神经网络识别结果进行决策,从而构建转子故障诊断模型,并应用于转子系统故障的诊断。结果通过机械故障仿真模拟实验平台采集了6种常见转子系统故障信号,利用matlab2012a软件编程建模仿真处理,试验表明,该模型有效地提高了转子系统多类别故障的识别正确率。同时,该方法对同一故障类型识别所需样本少,大大节省了数据获取和处理的时间。结论该方法提出并用于转子系统故障诊断中,诊断准确性高,可靠性强,利用样本数据量少,节约时间,对小样本数据的故障诊断有着良好的效果。(本文来源于《装备环境工程》期刊2019年10期）
苏志鹏,王东风[8]（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）
吴忠强,张伟[9]（2019）在《基于终端滑模模糊神经网络的电力系统负荷频率控制研究》一文中研究指出针对区域互联电力系统受到风电及负荷扰动后,系统频率会出现大幅度波动问题,提出一种基于终端滑模模糊神经网络的多区域互联电力系统负荷频率控制(LFC)方法。在分析单一区域电力系统有功输出特性的基础上,建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制,有效的解决系统响应和扰动抑制的矛盾。将终端滑模模糊神经网络引入自适应逆系统,构建模糊神经网络辨识器,利用终端滑模在有限时间内可实现无静差跟踪的特点,进一步提高神经网络的辨识能力。仿真结果表明所设计的基于终端滑模模糊神经网络的自适应逆系统,不仅可以得到好的动态响应,还可以使风电及负荷扰动减小到最小。(本文来源于《模糊系统与数学》期刊2019年05期）
Seyed,Vahid,RAZAVI,TOSEE,Mehdi,NIKOO[10]（2019）在《神经模糊系统确定轻量化混凝土强度（英文）》一文中研究指出目前,自适应神经模糊推理系统(ANFIS)在混凝土技术中得到了广泛的应用。本研究利用神经模糊系统确定了轻量化混凝土的抗压强度。以废渣百分率和固化天数作为网络的输入参数,以抗压强度和抗拉强度作为输出参数。实验选用了100个模式,其中70%用于训练,30%用于测试。为了评估神经模糊系统的精度,比较了神经模糊系统和统计模型(LR)两种线性回归模型的训练和测试阶段。结果表明,神经模糊系统模型比统计模型具有更大的潜力、适应性性和精度。(本文来源于《Journal of Central South University》期刊2019年10期）
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：
针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.
（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。
神经模糊系统论文参考文献
[1].王靖坤.一类非线性系统的模糊神经网络全局滑模控制[J].信息技术.2019
[2].肖金球,周翔,潘杨,冯威,陈多观.GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例[J].西南大学学报(自然科学版).2019
[3].朱耀麟,周晓东,武桐,任学勤.模糊神经网络的长丝恒张力控制系统设计[J].单片机与嵌入式系统应用.2019
[4].刘昕明,吕亮,罗伟.基于动态模糊神经网络逆系统的焦炉集气管压力解耦控制[J].无线互联科技.2019
[5].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
[6].李英.基于模糊神经网络的液压式播种机电气控制系统研究[J].农机化研究.2020
[7].田富国,汪庆华,贾康,邓东花.BP神经网络与Sugeno模糊积分融合的转子系统故障诊断[J].装备环境工程.2019
[8].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
[9].吴忠强,张伟.基于终端滑模模糊神经网络的电力系统负荷频率控制研究[J].模糊系统与数学.2019
[10].Seyed,Vahid,RAZAVI,TOSEE,Mehdi,NIKOO.神经模糊系统确定轻量化混凝土强度（英文）[J].JournalofCentralSouthUniversity.2019
论文知识图
