基于GA与L-M优化算法的变压器故障诊断研究

利用MATLAB环境建立一个用于变压器故障诊断的BP网络模型。首先利用具有全局寻优功能的遗传算法对BP神经网络的初始权值和阈值进行优化,然后采用L-M（Levenberg-Marquardt）优化算法对BP神经网络进行训练,从而达到加快网络训练速度,避免训练过程陷入局部极小点的目的。最后,详细记录网络的实际输出,并与期望输出做对比研究。最终证实了此网络达到了设计要求,可用于变压器的故障诊断。     

一种模糊人工神经网络控制器的设计与研究

模糊控制与人工神经网络控制有许多相似之处，如何最大程度地发挥这两种控制的优点是一个很重要的问题。本文利用模糊控制算法快速、简便的优点弥补了人工神经网络算法复杂、缓慢的缺点，利用神经元特征函数使数控制更容易处理，以此为基础研制出一种模糊人工神经网络控制器。     

基于L-M算法的光纤中的受激拉曼增益谱的分析

在对光纤中的受激拉曼增益谱进行分析时,由于光纤的主要组成成分为石英,在这样的材料中,分子的振动能级展宽成频带,无法准确的知道能级之间的受激跃迁形式．可以通过将光纤中的受激拉曼增益谱分解为高斯谱的线性叠加形式进行分析,本文对S波段的受激拉曼散射增益谱进行测量,并进行分解．发现增益谱在0-945cm^-1之间可以用10个高斯谱来拟合,且发现增益谱的极大值处并不一定是高斯谱的最大值处,分解的结果还表明泵浦波长的选择对一些波段上的增益有很大影响．     

基于BP神经网络的温度模糊PID控制器设计

根据BP神经网络对温度控制的要求设计出一种模糊PID控制器,采用误差和误差变化率作为模糊PID控制器的输入,PID参数作为模糊PID控制器的输出,使用一组模糊规则实现对PID参数的在线优化调节。采用Simulink图形化工具平台对模糊PID控制器和传统的PID控制器进行建模和仿真,结果表明和传统PID控制器相比,模糊PID控制器性能优良,使系统响应速度加快,超调减小。     

基于S7-200 PLC的模糊神经网络算法设计

随着智能信息技术的发展,模糊神经网络算法广泛应用于工业控制.但该算法尚未应用于PLC.针对这种现状,给出基于S7-200PLC的模糊神经网络算法设计.利用模糊神经网络算法的理论知识,在S7-200的平台上采用梯形图和指令表两种模式编程设置.并利用PLC仿真软件对其仿真,仿真结果达到预期目标.     

基于L-M算法的光纤中的受激拉曼增益谱的分析

在对光纤中的受激拉曼增益谱进行分析时,由于光纤的主要组成成分为石英,在这样的材料中,分子的振动能级展宽成频带,无法准确的知道能级之间的受激跃迁形式。可以通过将光纤中的受激拉曼增益谱分解为高斯谱的线性叠加形式进行分析,本文对S波段的受激拉曼散射增益谱进行测量,并进行分解。发现增益谱在0～945cm~(-1)之间可以用10个高斯谱来拟合,且发现增益谱的极大值处并不一定是高斯谱的最大值处,分解的结果还表明泵浦波长的选择对一些波段上的增益有很大影响。     

一种神经网络模糊控制器的合成

论述了一种神经网络模糊控制器的合成方法，提出了单元-单元映象方法及利用模糊神经网络确定模糊中心，识别模型规则，调节隶属函数参数。仿真试验表明该模糊控制器相比PID控制器具有较好的性能。     

一种基于神经网络算法的频谱分析方法

提出了一种基于神经网络算法的频谱分析方法,研究了神经网络算法的收敛性,给出了频谱分析的应用实例.研究结果表明,本文提出的频谱分析方法不涉及复数的乘法运算和加法运算,计算精度高,且速度快,便于软件和硬件实现,特别适合于DSP软硬件实现,因而是一种有效的频谱分析方法.     

一种模糊神经网络智能控制器及其应用

本文提出了一种模拟推理神经网络模型，并用于实现模糊控制，在此基础上提出了基于模糊神经网络的自组织控制器和有效的快速Ｋａｌｍａｎ学习算法，经仿真结果和实际温度控制表明，这种新型的自组织控制器性能优于一般Ｆｕｚｚｙ自组织控制器。     

自寻优模糊集的模糊控制器算法＊

文献讨论了简单模糊控制器的基本原理和实现方法.文献考虑了简单模糊控制器的动态性能与稳态精度之间的矛盾,但是他是采取用线性切换的办法,没有充分发挥模糊控制器的功能。本文讨论了简单模糊控制器中模糊集的改变对系统性能的影响,为了解决简单模糊控制器的动态性能与稳态精度之间的矛盾,提出了可变模糊集的模糊控制器,仿真试验的结果表明,可变模糊集的模糊控制系统可以大大改善系统的响应性能。在可变模糊集的模糊控制器的基础上,进一步讨论了模糊集自寻优问题,提出模糊集自寻优算法。仿真结果表明,寻优后的模糊集模糊控制系统效果非常好,表明算法是行之有效的。     

基寸S7-200PLC的模糊神经网络算法设计

随着智能信息技术的发展,模糊神经网络算法广泛应用于工业控制。但该算法尚未应用于PLC。针对这种现状．给出基于S7-200PLC的模糊神经网络算法设计。利用模糊神经网络算法的理论知识,在S7—200的平台上采用梯形图和指令表两种模式编程设置。并利用PLC仿真软件对其仿真,仿真结果达到预期目标。     

一种基于BP神经网络算法PID控制器的研究与仿真

文中将BP神经网络的原理应用于参数辨识过程,结合传统的PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取得较高的辨识精度。针对BP神经网络对权系初始值敏感的缺点,优化BP神经网络的初始权系数。通过BP算法修正BP网络自身权系数．实现PID参数的在线调整。仿真结果显示了该算法收敛速度快、精度高、鲁棒性强、稳定性好。表明了该算法的可行性与有效性。     

一种基于遗传算法的解析模糊控制器

提出了一种解析规则模糊控制器的改进结构，并引入了能够动态调整模糊控制规则的修正函数；同时，通过遗传算法，实现了模糊控制器控制参数的组合优化设计。仿真结果表明这种设计方法是有效的。     

基于模糊神经网络的执行器故障诊断

针对神经网络在故障诊断中的局限性,提出了一种将模糊理论与BP神经网络结合的故障诊断方法,使其应用到执行器故障诊断中.通过和BP神经网络学习算法对执行器故障诊断的结果比较来证明模糊神经网络算法的优越性.首先介绍执行器常见故障;其次对故障征兆进行模糊化预处理,获得了神经网络训练样本,最后应用Matlab软件进行了系统仿真.仿真结果表明:该方法收敛速度快、诊断精度高、自适应性强,能够有效地诊断执行器故障.     

遗传算法优化模糊控制器参数的方法研究

基于遗传算法对模糊控制器参数进行寻优,首先采用模糊规则,通过模糊推理的方法对二阶系统进行仿真实验,仿真结果表明系统动态响应超调小、调节时间短,具有良好的性能;然后采用遗传算法,按照ITAE准则对控制器的参数进行优化,仿真结果表明动态性能比模糊控制显著改善,显示出遗传算法对模糊控制器参数寻优的有效性和优越性。     

基于模糊神经网络的目标识别

结合模糊推理和神经网络两种方法的优点,从网络的结构、工作过程、学习算法等方面,探讨了一种基于模糊神经网络(FNN)的目标识别方法。通过仿真结果证明,此方法确实可行。     

基于模糊神经网络的胎儿心电提取法

针对当前间接法提取胎儿心电中导联多、连接复杂、背景噪声大、胎儿心电过于微弱等问题,研究基于两导联非侵入式提取胎儿心电的模糊神经网络分离方法。该方法只用两导联分别记录母体胸部和腹部心电,用模糊神经网络对采集数据智能计算。实验结果表明,在胎母信噪比较低时,模糊神经网络法比多项式神经网络法提取的胎儿心电具有更高的质量信噪比,提取效果更好。     

基于BP神经网络算法的入侵检测技术

在入侵检测中应用神经网络技术,可以大大提高入侵检测的检测率,有效提高网络数据的安全。本文分析了BP神经网络应用于入侵检测的实现方式及存在的问题,并对现有的BP神经网络算法进行改进,阐述了基于BP神经网络入侵检测系统及仿真实验。     

火灾探测模糊神经网络的层次结构

应用多层次前馈网络构造模糊变量隶属度函数和模糊推理控制模型，使神经网络不再表现为黑箱式映射，其所有节点和参数都具有模糊系统等价意义。将模糊规则与隶属度函数用神经网络表现出来。利用神经网络的自学习特性，实现隶属度函数和模糊规则的自动提取，可优化调整隶属度函数，同时模糊系统也弥补了神经网络运算速度慢的缺点。