模糊神經網絡PID控制在振動打樁機中應用

針對變頻空調常規(guī)模糊控制系統(tǒng)的隸屬函數和控制規(guī)則的獲取受限于專家經驗的問題,根據神經網絡自學習能力強的特點,將模糊控制與神經網絡相結合,對空調的控制系統(tǒng)進行改進,并據此設計模糊神經網絡控制器,在此基礎上進行了理論分析和模擬實驗,驗證了這一控制系統(tǒng)的有效性。

文章提出一種基于模糊神經網絡的控制算法應用于ｉｂ系統(tǒng)的聯(lián)動控制，有效地解決了傳統(tǒng)單一閾值控制逄法難以達到的復雜控制問題。這種ｆｎｎｃ控制器可以根據實際需要進行學習，具有很強的適應能力。

針對空調房間這樣一個多干擾、大慣性、高度非線性系統(tǒng)控制性能優(yōu)化較困難,傳統(tǒng)的控制策略不但在控制精度、靈敏度以及系統(tǒng)穩(wěn)定性上存在缺餡,而且能耗大。為了提高空調制冷和供暖效果,提出一種新的基于bp神經網絡的pid控制方案,通過bp算法修正bp網絡自身權系數,實現(xiàn)了pid控制器參數的在線調整。仿真結果顯示bp神經網絡pid控制系統(tǒng)比單純的bp神經網絡或pid控制系統(tǒng)建模時間短,系統(tǒng)更穩(wěn)定,超調量更小,更適合應用于復雜的空調系統(tǒng)控制中。

將同步控制思想應用在振動打樁機中,實現(xiàn)在線無級調頻調矩,從而提高打樁效率。針對電液伺服系統(tǒng)存在的非線性、時變性以及模型不確定性等特點,利用單片機的計算優(yōu)勢,融合復合式同步控制策略和模糊控制理論,構成一種智能型模糊pid參數同步控制系統(tǒng)。實驗結果表明:模糊pid控制器可以改善系統(tǒng)的動態(tài)特性,控制效果明顯優(yōu)于常規(guī)pid控制器。

由于在非線性系統(tǒng)中采用傳統(tǒng)pid控制不易建立精確模型,導致難以整定系統(tǒng)參數的問題,本文提出了一種基于模糊神經網絡的pid控制算法,該算法融合了pid算法、模糊算法以及神經網絡算法的優(yōu)點,構成了一種先進的智能控制算法,并應用在plc溫度控制系統(tǒng)中,實驗結果表明,模糊神經網絡pid控制器提高了控制質量,很好地克服對象變參數、非線性等問題,提高系統(tǒng)的魯棒性。

基于模糊神經網絡的深基坑變形預測——針對深基坑變形控制系統(tǒng)中的不確定性、模糊性因素多的問題，將模糊控制理論與神經網絡技術相結合，采用非線性神經元構成的神經網絡結構，把對應的網絡輸入、輸出表達為輸入、輸出停息的模糊數隸屬度，建立了一種基于模糊神...

為了有效解決網絡系統(tǒng)可能出現(xiàn)的故障,結合模糊神經網絡提出了一種新的故障檢測算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).該算法根據特征信息熵建立了故障檢測評價方法和最小偏差的優(yōu)化模型,設計了模糊神經網絡中輸入層、模糊化層、模糊規(guī)則層和解模糊層,并且給出了具體的算法流程.通過建立網絡仿真平臺,深入分析了影響fdd-fnn算法的關鍵因素,同時對比研究了fdd-fnn算法與其他算法的性能情況,結果表明fdd-fnn算法具有較好的適應性.

針對深基坑變形控制系統(tǒng)中的不確定性、模糊性因素多的問題,將模糊控制理論與神經網絡技術相結合,采用非線性神經元構成的神經網絡結構,把對應的網絡輸入、輸出表達為輸入、輸出信息的模糊數隸屬度,建立了一種基于模糊神經網絡的深基坑施工變形預測模型.結果表明,利用模糊度隸屬函數對基坑施工進行動態(tài)控制具有較好的實用效果.

紅外圖像中的微弱目標檢測與跟蹤是數字圖像處理領域中的研究熱點。針對紅外圖像中微弱目標灰度的統(tǒng)計特點以及模糊神經網絡在自適應噪聲消除的應用,提出一種基于增強型動態(tài)模糊神經網絡算法用于紅外圖像噪聲消除。經過自適應噪聲消除后,可有效的有自動閾值門限分割法進行微弱目標檢測。

對不確定混沌系統(tǒng)的控制問題,研究了基于權值直接確定模糊神經網絡(wddfnn)的插值補償控制方法。建立了基于數據驅動的wddfnn,并使用wddfnn實現(xiàn)對混沌系統(tǒng)的辨識,然后使用wddfnn模型對混沌系統(tǒng)進行模糊插值補償控制?；趌yapunov穩(wěn)定性理論,證明混沌系統(tǒng)在所提最優(yōu)控制律作用下是漸進穩(wěn)定的。仿真實驗表明,該控制方法既可以實現(xiàn)快速跟蹤任意參考信號,又可以有效抑制參數攝動、外部干擾,控制精度較高。

提出了一種用于運動目標檢測的基于ｂｐ算法的模糊神經網絡，并通過實驗證明了將之應用于運動目標的信號檢測與裝置故障診斷的正確性。

中央空調作為廣泛使用的高能耗系統(tǒng),其節(jié)能問題受普遍關注。針對傳統(tǒng)的定流量方法存在的問題,本文提出采用改進的負荷隨動跟蹤方法,實時監(jiān)測中央空調的負荷,并由計算機控制水泵電機,降低主機能耗。利用模糊神經網絡理論,建立符合隨動跟蹤的模型,并利用實際數據進行系統(tǒng)仿真。仿真結果表明,此方法提高中央空調的工作效率,實現(xiàn)良好的節(jié)能效果。

空調系統(tǒng)為非線性設備,由于它的干擾嚴重、各參數耦合性強、大滯后性、參數時變性和受環(huán)境影響大等特點,使空調系統(tǒng)的節(jié)能問題變的被受關注。對于空調系統(tǒng),使用常規(guī)的控制方法很難實現(xiàn)最佳效果。本文基于熱傳遞原理,分析了室內溫度變化規(guī)律,建立了室內溫度數學模型,提出了模糊pid控制策略?？照{系統(tǒng)為非線性設備,由于它的干擾嚴重、各參數耦合性強、大滯后性、參數時變性和受環(huán)境影響大等特點,使空調系統(tǒng)的節(jié)能問題變的被受關注。對于空調系統(tǒng),使用常規(guī)的控制方法很難實現(xiàn)最佳效果。本文基于熱傳遞原理,分析了室內溫度變化規(guī)律,建立了室內溫度數學模型,提出了模糊pid控制策略。

在介紹變壓器計算機測試系統(tǒng)的基礎上,通過對傳統(tǒng)調節(jié)方式的分析后,提出了基于智能規(guī)則的模糊-pid雙模調節(jié)技術在測試系統(tǒng)中的應用方案;并通過實例詳細說明了系統(tǒng)輸入變量的定義、構造及模糊量化原則、模糊規(guī)則庫的形成以及雙模調節(jié)過程,最后結合單一pid調節(jié)進行調節(jié)性能對比分析,從而驗證雙模調節(jié)的優(yōu)越性。

模糊神經網絡在無線隧道照明節(jié)能控制系統(tǒng)中的應用 我國高速公路建設事業(yè)在迅速發(fā)展，高速公路隧道亦日趨增加。車速的提高、交通流量 的增大和車流密度的增加，給高速公路隧道的行車安全造成很大的威脅。尤其在進入高速公 路隧道時，視野內光線的明暗急劇變化，人的視力會驟然下降，這給行車在通過隧道時，造

為解決電力系統(tǒng)密閉配電柜內恒溫恒濕的問題,針對配電柜溫濕度控制系統(tǒng),設計一種以dsp為處理器,基于模糊神經網絡的pid控制器,用于溫濕度控制系統(tǒng)。分析了配電柜溫濕度控制器的組成,綜合模糊控制和神經網絡的優(yōu)點,將神經網絡、模糊控制和pid相融合,通過matlab軟件對系統(tǒng)進行仿真,結果表明,該系統(tǒng)比普通溫濕度控制系統(tǒng)具有更好的動態(tài)特性。

針對目前傳統(tǒng)pid控制對模型依賴性強,難以在線調整控制參數,具有非線性,而神經網絡控制在誤差控制方面又有不足之處,在變風量汽車雙溫區(qū)自動空調中都難以得到較好的控制效果,文章提出了將bp算法的神經網絡和pid加以混合的一套控制系統(tǒng),減少因為參數模糊性、非線性問題以及外界不穩(wěn)定的干擾對汽車空調系統(tǒng)的影響,從而提高系統(tǒng)的魯棒性。

將rbf神經網絡引入pid控制中,建立了一個三層神經網絡模型。通過rbf神經網絡的在線辨識對pid控制的三個參數進行在線調整,從而改善系統(tǒng)的控制效果。仿真結果表明:基于rbf神經網絡的pid控制與傳統(tǒng)pid控制相比,具有較強的魯棒性和自適應能力,控制精度高,效果好,安全可靠。

基于補償模糊神經網絡的制冷系統(tǒng)故障診斷研究——選擇反映制冷系統(tǒng)故障狀態(tài)的熱力參數集組成特征向量，并對其進行模糊化處理，利用補償模糊神經網絡建立故障狀態(tài)與熱力參數特征向量之間的映射關系。將神經網絡和補償模糊邏輯相結合，采用動態(tài)、全局優(yōu)化的運算，...

本文提出一種基于模糊神經網絡和建筑結構系統(tǒng)辨識方法。利用模糊神經網絡強大的非線性映射能力與學習能力以實測的結構動力響應數據建立起結構的動力特性模型。不但可以克服以往傳統(tǒng)與智能辨識方法中存在的種種弊病，而且還將土一結構相互作用以及結構自身非線性對結構動力特性的影響考慮在內，使得結構系統(tǒng)辨識更具客觀性。具有物理意義明確，可擴展性強，能夠用于實時在線控制與健康診斷等優(yōu)點。

提出了一種基于神經模糊推理系統(tǒng)的商品住宅價格評估模型,分析了影響商品住宅價格的因素,給出了商品住宅價格評估指標體系,探討了模型建立的原理及算法步驟。計算實例說明了該模型用于商品住宅價格準確評估的有效性和可行性,為房地產價格評估提供了科學的方法。

提出采用模糊處理與人工神經網絡相結合的方法，有效地實現(xiàn)對建筑物變形的短期預測，并用實例加以驗證說明。