基于ANFIS的电喷发动机故障诊断及仿真

对以自适应模糊神经网络为核心的电喷发动机故障检测系统的结构、组成及工作过程等进行了研究与分析，并给出了计算机仿真结果。     

基于ANFIS的环境激励下桥梁结构应变响应预测分析

为准确预测复杂环境荷载作用下混凝土连续梁桥结构应变响应，基于结构健康监测系统长期实测数据，分析桥梁结构温度场变化规律，进而基于主成分分析及自适应神经网络模糊推理系统，建立桥梁结构温度场与桥梁结构应变响应的复杂非线性关系。首先，利用小波分解技术分离环境荷载及车辆荷载作用下的桥梁结构实测应变响应；然后利用平行坐标轴，分析混凝土连续梁桥结构温度场变化规律，并利用主成分分析提取结构温度场实测温度数据主成分；最后基于自适应神经网络模糊推理系统，以应变测点处温度数据、桥梁结构温度场实测温度数据主成分和采样时间点数据为输入数据，分别建立不同输入变量组合与应变响应的复杂非线性关系，并对比分析不同工况下结构应变响应的预测精度。结果表明：桥梁结构各测点处实测温度数据变化趋势基本一致，同侧测点实测温度数据高度相关，但桥梁结构上、下表面测点温度变化存在明显差异，仅考虑应变测点处温度变化，难以准确预测桥梁结构应变响应；当考虑桥梁结构温度场变化时，能更精确地建立温度与应变响应之间的关系模型，进而基于实测温度数据准确预测桥梁结构应变响应；当缺乏结构温度场实测温度数据时，将采样时间点作为反映桥梁结构温度场变化规律的参数，可取得较好效果。     

基于ANFIS的高速列车制动控制仿真研究

将自适应神经模糊推理系统应用到高速列车制动控制当中,实现了高速列车制动过程的智能控制,具有控制安全性好,停车误差小,同时在模拟人操作方面有很好的效果。并且在MATLAB环境中进行了仿真研究,将ANFIS与SIMULINK有机地结合在一起,充分地发挥了各自的优势,简化了仿真过程。仿真结果表明了该方法的有效性与正确性。     

高速公路汽车追尾模型

应用自适应神经模糊推理系统,以两车车速差、跟随车的车速、行车间距为输入量,两车的追尾概率为输出量,建立了高速公路汽车追尾的ANFIS(自适应神经模糊推理系统)概率模型,计算出在不同车速差和行车间距时的高速公路汽车追尾概率.该概率模型为高速公路汽车追尾建模提供了一种新思路,对模型进行实时校正后用于追尾预测,对避免高速公路汽车追尾具有指导意义.     

基于自适应神经模糊推理的交通状态判别方法

文章针对交通状态具有模糊性和主观性的特点,建立能够真实反映人对交通拥塞程度感觉的自适应-神经模糊推理系统,使具有变化连续的交通流参数模糊化处理,实现了道路交通状态的准确、快速辨别。     

基于证据理论和模糊神经网络的汽车换挡平顺性评价方法

针对目前汽车换挡平顺性评价方法的不足,提出了一个基于证据理论和模糊神经网络的汽车换挡平顺性评价方法.运用证据理论对不同驾驶员给出的主观评价进行数据融合;通过模糊神经网络对由仪器测得的客观评价指标和经证据合成后的相应主观评价构成的样本向量进行学习和训练,建立了汽车换挡平顺性评价系统.计算和试验结果表明,该方法克服了主观评价和客观评价各自的缺点,能客观、准确、有效地评价汽车换挡平顺性.     

Semi-active H∞ control of high-speed railway vehicle suspension with magnetorheological dampers

In this paper, semi-active H∞ control with magnetorheological (MR) dampers for railway vehicle suspension systems to improve the lateral ride quality is investigated. The proposed semi-active controller is composed of a H∞ controller as the system controller and an adaptive neuro-fuzzy inference system (ANFIS) inverse MR damper model as the damper controller. First, a 17-degree-of-freedom model for a full-scale railway vehicle is developed and the random track irregularities are modelled. Then a modified Bouc–Wen model is built to characterise the forward dynamic characteristics of the MR damper and an inverse MR damper model is built with the ANFIS technique. Furthermore, a H∞ controller composed of a yaw motion controller and a rolling pendulum motion (lateral motion+roll motion) controller is established. By integrating the H∞ controller with the ANFIS inverse model, a semi-active H∞ controller for the railway vehicle is finally proposed. Simulation results indicate that the proposed semi-active suspension system possesses better attenuation ability for the vibrations of the car body than the passive suspension system.     

基于ANFIS的特高压输电线路故障分类识别方法

提出了一种基于自适应神经模糊推理系统(ANFIS)的特高压输电线路故障分类识别方法,以分类识别10种常见的输电线路故障.该方法以故障后1个工频周期内故障电流分量的标准差和四分位距作为故障分类识别的特征量.分析了噪声和谐波对这2个特征量的影响;建立了基于ANFIS的故障分类识别模型.大量仿真试验表明:提出的故障分类识别方法能快速、准确地识别各类故障,并且不易受故障初始角、故障位置和过渡电阻的影响,对噪声、谐波、电流互感器传变特性及采样频率有良好的适应性,分类识别正确率能达到99.5%.     

边坡变形时序分析的进化-自适应神经模糊推理模型

变形监测与预报是保证边坡工程施工安全与工程质量的重要措施,但由于位移时间序列的强非线性,边坡变形预报成为非常困难的问题．自适应模糊神经推理系统（ANFIS）有优越的学习和泛化性能,而遗传算法（GA）是优秀的全局优化工具．采用遗传算法优化ANFIS参数,并编制了相应的计算程序．结合三峡工程永久船闸施工变形监测和新滩滑坡变形监测,建立了边坡变形时序分析的GA-ANFIS智能模型．为了对比该模型的预测精度,采用GA优化支持向量回归（SVR）和BP神经网络的模型参数,编制了GA-SVR及GA-BP程序,对相同的算例进行了变形预测分析．按滚动预测法对三峡永久船闸高边坡和新滩滑坡的计算结果表明,文中提出的GA-ANFIS模型能够获得比GA-SVR和GA-BP模型更高的预测精度,可以应用于边坡工程变形监测预报分析,并为类似工程提供参考．     

ANFIS及其在控制系统中的应用

详细介绍了模糊推理系统FIS(FuzzyInferenceSystem)和自适应神经元模糊推理系统ANFIS(AdeptiveNeuro-fuzzyInferenceSystem)的基本概念,并着重论述了ANFIS在控制领域中的应用.最后举了一组通过样本数据对ANFIS进行训练的例子.实验结果表明,训练后的ANFIS能很好的控制实际的对象.