导读:本文包含了自适应神经模糊推理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,神经,系统,矩阵,浓度。
自适应神经模糊推理论文文献综述
徐博,李盛新,王连钊,段腾辉,姚贺[1]（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[2]（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）
陈桂妹,苗保彬[3]（2019）在《基于减聚类-自适应神经模糊推理的船舶航向保持控制设计》一文中研究指出为解决船舶在非线性和不确定性条件下的常规航向保持控制参数难以确定和性能较差的问题,提出一种基于减法聚类和神经模糊推理系统(SC-ANFIS)的船舶航向保持控制设计。基于鲁棒PID控制,借助减法聚类算法的学习能力对输入样本进行聚类分析,优化模糊量化和模糊规则,继而用神经-模糊推理的方法解决船舶的不确定性问题和非线性控制问题;同时,为避免维数灾难等问题发生,采用多维隶属度函数设计一种可在线自调整的基于SC-ANFIS的航向保持控制系统,并设计仿真试验进行对比分析。仿真试验结果表明,在存在模型参数摄动和干扰的情况下,基于SC-ANFIS的航向保持控制系统可行、有效,能取得良好的控制效果。(本文来源于《船舶工程》期刊2019年04期）
姚彤悦,喻云舟,潘锋,邹进[4]（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[5]（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[6]（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）
毛彪,杨松[7]（2019）在《基于自适应神经模糊推理系统的复杂系统故障预测》一文中研究指出为提高复杂系统的保障水平,实现系统中重要部件的故障预测,研究采用自适应神经-模糊推理系统(ANFIS)构建故障预测模型,并利用模糊C均值聚类算法将典型故障数据分类,降低数据复杂性,提高ANFIS运行效率;同时将最陡下降法与最小二乘法应用到ANFIS模型参数的优化中,提高了故障预测的准确性,最后将此法嵌入到某型装甲装备瞄准镜控制盒的故障预测系统中。实例分析表明:此法能够有效提高故障预测效率,具有更高的准确性、稳定性、适用性。(本文来源于《自动化应用》期刊2019年01期）
王宇钢,修世超[8]（2018）在《基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法》一文中研究指出为了实现对数控机床绿色度的智能评价,提高数控机床绿色度预测精度,提出了一种基于聚类和自适应神经模糊推理系统(ANFIS)的评价方法。采用改进的粒子群优化模糊C均值聚类算法实现样本的自适应分类,生成辅助ANFIS学习的训练样本集;建立基于ANFIS的评价模型,通过对训练样本集的学习自动生成模糊规则,消除评价指标的模糊性和随机性对评价结果的影响;训练后的评价模型可用于评价样本的自适应推理。最后利用提出的评价方法对数控机床绿色度进行实例分析,验证了该评价方法的有效性。(本文来源于《中国机械工程》期刊2018年23期）
朱丹,王伟,付东山[9]（2018）在《小波分解结合自适应神经模糊推理系统的呼吸预测研究》一文中研究指出目的:研究一种方法精确预测胸腹部肿瘤放射治疗中的非规则呼吸运动。方法:提出基于小波分解和自适应神经模糊推理系统的呼吸运动预测方法(WANFIS),利用小波分解将呼吸信号分成基线、低频和高频叁部分,并分别采用线性拟合、自适应神经模糊推理系统(ANFIS)、简单移动平均进行预测,然后综合叁部分预测值作为呼吸运动预测结果。基于30例临床数据回顾性分析,将WANFIS算法与神经网络(NN)、CyberKnife放射外科系统的Synchrony呼吸同步追踪系统、ANFIS这叁种典型预测算法进行对照比较。结果:本文提出的WANFIS算法的归一化均方根误差(nRMSE)平均值为0.09,小于NN的0.17、Synchrony的0.11以及ANFIS的0.11。结论:WANFIS能更好地预测非规则呼吸信号,更有效地补偿放疗系统时间延迟。(本文来源于《天津医科大学学报》期刊2018年06期）
张宇献,郭佳强,钱小毅,王建辉[10]（2019）在《有混合数据输入的自适应模糊神经推理系统》一文中研究指出现有数据建模方法大多依赖于定量的数值信息,而对于数值与分类混合输入的数据建模问题往往根据分类变量组合建立多个子模型,当有多个分类变量输入时易出现子模型数据分布不均匀、训练耗时长等问题.针对上述问题,提出一种具有混合数据输入的自适应模糊神经推理系统模型,在自适应模糊推理系统的基础上,引入激励强度转移矩阵和结论影响矩阵,采用基于高氏距离的减法聚类辨识模型结构,通过混合学习算法训练模型参数,使数值与分类混合数据对模糊规则的前后件参数同时产生作用,共同影响模型输出.仿真实验分析了分类数据对模型规则后件的作用以及结构辨识算法对模糊规则数的影响,与其他几种混合数据建模方法对比表明本文所提出的模型具有较高的预测精度和计算效率.(本文来源于《自动化学报》期刊2019年09期）
自适应神经模糊推理论文开题报告
（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：
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。
（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。
自适应神经模糊推理论文参考文献
[1].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
[2].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
[3].陈桂妹,苗保彬.基于减聚类-自适应神经模糊推理的船舶航向保持控制设计[J].船舶工程.2019
[4].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
[5].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
[6].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
[7].毛彪,杨松.基于自适应神经模糊推理系统的复杂系统故障预测[J].自动化应用.2019
[8].王宇钢,修世超.基于聚类和自适应神经模糊推理系统的数控机床绿色度评价方法[J].中国机械工程.2018
[9].朱丹,王伟,付东山.小波分解结合自适应神经模糊推理系统的呼吸预测研究[J].天津医科大学学报.2018
[10].张宇献,郭佳强,钱小毅,王建辉.有混合数据输入的自适应模糊神经推理系统[J].自动化学报.2019
论文知识图
