ANFIS及其在控制系统中的应用

详细介绍了模糊推理系统FIS（Fuzzy Inference System）和自适应神经元模糊推理系统ANFIS（Adeptive Neuro-fuzzy Inference System）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。     

船舶航向的自适应神经模糊控制系统

针对模糊控制器中的量化因子、模糊规则等难以人工整定的困难,文中提出了一种基于自适应神经模糊推理系统(ANFIS)的船舶航向控制算法,利用船舶航向模糊控制器两端获取的数据来训练ANFIS控制器,并将其控制效果和船舶航向模糊控制器的控制效果进行了比较,仿真结果表明,在不同风速和流速干扰作用下,基于ANFIS的航向控制器无论在超调量、响应时间和稳态误差方面都具有更好的控制品质,在干扰下仍然能够满足船舶航向实时控制的要求.     

基于小波变换的神经模糊系统的一种非线性滤波方法

针对信号中含有复杂噪声难以滤除的问题,提出了一种把自适应神经模糊推理系统(ANFIS)与小波变换相结合的方法,该方法通过ANFIS具有万能逼近原理,及小波变换中小波的分解与重构,来调整适当的阈值来达到最终滤波的效果。仿真结果表明对于一个含有复杂噪声的信号而言,此种结合的方法与单独利用ANFIS或小波变换相比,滤波效果更佳。而且对实际中含有未知噪声的去除问题提出了一种可行的方法。     

基于鲁棒模糊控制的船舶转向及航向保持

为更好的满足船舶转向和航向保持对自动舵系统的不同要求,首先基于一阶闭环增益成形算法对船舶转 向过程分三段进行控制器设计,在自适应模糊推理系统(ANFIS)离线模型辨识正确的前提下得到每个控制器的模糊隶属度函数,然后对三个控制器的输出进行T-S模糊综合.以实习船"育龙"轮的非线性响应模型为控制对象,考虑不同的干扰和模型摄...     

基于ReliefF-ANFIS方法的船舶安全评估

船舶安全评价一直是行业热点,论文利用特征选择算法(ReliefF)计算出船舶评价指标的分类特征,淘汰掉相对其他评价指标不合适或者计算中容易产生冗余的特征指标。利用自适应神经模糊推理系统(ANFIS)建立风险预测模型,通过"高河轮"的数据对ReliefF-ANFIS安全评价系统进行了验证并取得了较高的评价精度。     

基于FCM-ANFIS模型的船舶交通流预测

提出一种基于模糊C均值聚类自适应神经模糊推理系统(Fuzzy C-Means Clustering Algorithm with Adaptive Neural-Fuzzy Inference System,FCM-ANFIS)的船舶海上交通流预测模型,采用相关分析法预测网络模型的输入变量个数;采用模糊C均值聚类算法对仿真数据进行分析和模糊聚类,从而确定模型的聚类中心,进而建立ANFIS预测网络结构。该模型采用BP算法与最小二乘算法相结合的混合学习算法进行网络参数训练,可克服传统预报模型收敛速度慢和局部最优等问题,进而提高预报精度。同时,选用船舶自动识别系统(Automatic Identification System,AIS)记录的船舶交通流数据进行仿真预报,仿真结果验证了该模型的可行性和有效性,并取得良好的效果。     

自适应神经模糊推理系统在月径流预测中的应用

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)三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。     

基于ANFIS网络模型的城市泵站优化控制

水是生命的源泉,是经济社会发展不可获缺的资源。城市河网地区水流缓慢、水体自净能力差,水质问题突出。另一方面,城市化的发展使得城市不透水面积增大,城市对暴雨洪水的敏感性增强。泵站是城市防洪排涝与水资源优化调度的主要设施,所以实现城市泵站的优化控制十分重要。自适应模糊神经网络综合了模糊系统与神经网络的优点,具有模糊性、自学习与自适应性。为提高城区河道配水的科学化水平,本研究开发了以自适应模糊神经网络(adaptive neuro fuzzy inference system,ANFIS)为核心的城市泵站优化控制模型。研究区域位于杭州市上塘河流域,七堡闸站是流域的出境控制站。为验证模型的有效性,加入倒传递神经网络(back propagation neural network,即BP)模型进行对比,评价指标选取平均绝对误差、均方误差、相关系数。对七堡泵站的控制预测结果表明(1)人工神经网络可实现对泵站的智能控制,当丁桥水位T(t)与泵站开机P(t)、P(t-1)三个变量作为输入变量时,BP模型的表现要优于ANFIS模型。(2)在模型的输入变量中加入丁桥的预报水位T(t+1)、T(t+2)时,各模型表现排序如下:ANFIS(5)BP(5)BP(3)ANFIS(3)。(3)两条If-Then规则可高效地完成模型的推理计算,人工神经网络模型的可解释性得到增强。     

基于模糊神经网络的一种船舶碰撞危险度计算方法

利用神经网络与模糊推理提出一种船舶碰撞危险度的计算方法.用神经网络替代模糊推理过程,建立基于碰撞危险度计算的模糊神经网络推理框架,利用推理规则生成用于网络训练的样本.实例验证了方法的可行性.     

潜艇指挥决策控制模型及仿真研究

在分析模糊神经网络(FNN)结构的基础上,根据潜艇指挥决策控制的特点,提出了利用模糊神经网络建立潜艇指挥决策控制模型.潜艇指挥决策控制过程是一个典型的模糊过程,模糊神经网络能够较好地处理模糊信息,并具备模糊推理能力.文中给出了适应潜艇指挥决策控制特点的模糊神经网络结构,推导了模糊神经网络学习算法,并探讨了基于模糊神经网络的潜艇指挥决策控制模型在潜艇指挥控制系统中的应用.