分享到:

模糊神经网络理论及其在复杂系统中的应用研究

随着科学技术的发展,现代工业系统变的越来越复杂,传统的控制方法已经远远不能满足高标准的性能要求。在这种情况下,智能控制理论被提出并逐渐发展起来。目前智能控制在理论研究和实际应用中都取得了许多成果,成为控制理论发展的第三个阶段。模糊神经网络(FNN)是智能控制理论中一个十分活跃的分支,它是人工神经网络与模糊逻辑系统的有机结合。模糊神经网络是一种能处理抽象信息的网络结构,具有强大的自学习和自整定功能。因此,模糊神经网络的发展对智能控制发展具有非常重要的意义。本文在分析模糊神经网络理论和应用现状的基础上,针对其中存在的一些问题,重点进行了以下几个方面的探讨: 1. 针对模糊神经网络参数学习中容易陷入局部极小以及算法结构复杂等问题,提出了两种网络参数学习方法:实值遗传算法和随机学习自动机算法。实值遗传算法改变了传统GA 算法的二进制编码方法,用实数表示各个参数基因,后代选择采用“保留精英”的遗传策略,简化了算法结构,提高了算法收敛速度。  (本文共118页) 本文目录 | 阅读全文>>

大连海事大学
大连海事大学

人工免疫算法及其在船舶柴油机智能故障诊断中的应用研究

本文在系统研究人工免疫算法基础上,从工程实际应用的角度出发,将人工免疫算法与计算智能诊断方法相结合,对船舶柴油主机的智能故障诊断进行了深入的研究。完成如下的研究工作:(1) 讨论了生物免疫系统的一些基本概念、功能和原理:分析了人工免疫算法的基本理论以及常用免疫算法的基本结构和流程。在分析opt-aiNet算法原理和性能的基础上,引入山谷搜索法作为新的网络抑制方法,提出并实现一种多峰函数优化免疫算法。(2) 为了在聚类数不确定的情况下实现聚类分析,通过借鉴生物免疫系统中的克隆选择原理并结合聚类有效性分析,提出一种基于快速免疫动态聚类算法。用以根据样本数据自动确定聚类数及中心位置,并且克服了传统聚类算法容易陷入局部极小值的缺点。同时,通过引入新算子及适当选取聚类的初始中心,明显提高算法的收敛速度。(3) 在系统研究RBF神经网络原理和学习算法的基础上,提出一种用快速免疫动态聚类算法自动求解网络中心,再用递推最小二乘法求解网络权值的新...  (本文共128页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

间歇生产过程中的知识发现方法研究

随着信息技术的迅猛发展,各行各业都在时刻产生大量的数据信息,传统数据库技术和方法无法发现数据中存在的潜在有用的知识、关系和规则,从而导致了“数据爆炸但知识贫乏的现象”。知识发现和数据挖掘技术就是为迎合这种需要而出现的一种用于开发信息资源的新型数据分析技术。间歇生产过程是以顺序的操作步骤进行批量产品生产的一类典型的生产过程,广泛应用于精细化工、食品饮料和生物医药生产行业,和其他过程比较,其具有按配方批量生产、过程非稳态、资源共享等特点,间歇生产过程的数据因此具有高维、强关联、非线性、周期性等不利于信息表达和处理的难点。本文以啤酒糖化生产过程为背景,采用知识发现和数据挖掘方法,对间歇生产过程中的各种有价值知识的提取方法展开讨论。分别使用模糊聚类方法、混合模糊神经网络、关联规则挖掘等知识发现方法对间歇过程中的配方、周期性污垢、操作策略规则等进行挖掘和处理。本论文主要完成了以下一些工作:1、针对间歇生产过程的配方作为一个包含各种综合生产...  (本文共157页) 本文目录 | 阅读全文>>

太原理工大学
太原理工大学

基于多传感器数据融合技术的煤岩界面识别的理论与方法研究

本文对基于多传感器数据融合技术的煤岩界面识别的理论与方法进行了较为系统的研究。煤岩界面识别系统能使采煤机具有自动追踪煤岩界面的能力,可靠的识别系统在经济效益和安全作业两方面都具有突出的优点,它能提高煤层的回采率;降低煤中的矸石、灰份和硫的含量;提高采煤作业效率;减轻设备磨损;减少设备维修量和停机时间;降低了空气中的岩尘含量,并可使作业人员远离危险工作面,是实现采煤自动化的关键设备之一。目前各研究方法所使用的都是用单类型传感器进行辨识,由于每个传感器都有其特定的工作精度与适用范围,因此用单传感器拾取信号有一定的局限性,传感器本身的故障与失灵等都会造成误判。因此为了使煤岩界面识别更具有可行性、准确性、可靠性,适应性,能推动煤岩界面识别技术有实质性的突破,为了能给采煤机滚筒自动调高系统产品化提供设计依据,研制开发多传感器辨识系统成为必要。鉴于此提出采用多类型传感器拾取采煤机截割力响应信号并进行多信号特征提取与数据融合的煤岩界面识别方法...  (本文共121页) 本文目录 | 阅读全文>>

西南交通大学
西南交通大学

加乘型模糊神经网络理论和应用的研究

从知识处理的观点出发,模糊系统与神经网络可按知识表示与结构对应、推理与计算对应、知识获取与学习对应进行系统研究;从函数逼近的观点出发,两者可用广用函数逼近意义上等价来统一处理。本文正是从知识处理和函数逼近两个角度研究了模糊逻辑系统与神经网络相结合的可行性和现实性。本论文在充分研究、分析和借鉴国内外该领域研究成果的基础上,提出了加乘型模糊神经网络,并对它的理论结构和实践应用各方面进行了较为系统、深入的富有创造性的理论和模型研究,为该模糊神经网络模型更具有科学性、更具有实用性奠定了理论和应用的基础。主要研究工作和贡献表现在:1) 讨论了模糊推理的一般理论基础,在分析了Kosko的加性模糊系统和Wang的乘性模糊系统各自的优点与缺点之后,作者提出了一种新型模糊神经网络模型—加乘型模糊神经网络,给出了加乘型模糊神经网络的结构,以及它的各层的数学表达式。利用Stone-Weirstrass定理证明了作者提出的加乘型模糊神经网络模型能以任意...  (本文共124页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

模糊神经网络的学习收敛性与阈值可去性

模糊集合与神经计算在信息处理领域都扮演着重要的角色。模糊逻辑与神经网络是为信息处理系统提供不同处理能力的不同计算模型。上世纪八十年代末,B.Kosko教授在传统神经网络内部运算中引入模糊算子max((∨)与min(∧),将两者融合成为一个统一结构,称为模糊神经网络(FNN)。二十年来,模糊神经网络已成为智能计算中的一个重要研究方向。经典神经网络理论中一个有名的结论是,当感知器的训练样本是线性可分时,感知器规则是有限收敛的,也就是说,学习过程在有限步迭代之后将会停止(收敛)。那么,对于模糊感知器是否也会发生类似的情况呢?我们提出一种新的模糊感知器训练方法来回答这个问题,当输入向量的维数是2时,我们的回答是完全肯定的;当维数大于2时,需要更强的条件以保证有限收敛.本文的另一个主要内容是探讨阈值在模糊神经网络中是否可去。这里我们所说的阈值可去是指,如果一个带阈值的FNN能够完成一个模糊映射,那么一个不带阈值的FNN同样能够做到这一点。...  (本文共93页) 本文目录 | 阅读全文>>

中国科学院研究生院(成都计算机应用研究所)
中国科学院研究生院(成都计算机应用研究所)

模糊神经网络的结构优化研究

由于模糊控制和神经网络共生互补,因此它们的结合产物——模糊神经网络成为当今智能控制领域的研究热点。典型的模糊神经网络结构就是被称为模糊多层感知器类型的模糊神经网络结构。在模糊神经网络中,代表规则节点的数目直接影响着整个网络的性能和效率。因而,需要进行规则优化即模糊神经网络结构的优化。现在大部分结构优化算法需要重新训练网络,非常浪费时间。为此,本文作了如下的工作:对模糊神经网络的各种结构优化方法进行了归纳和总结。神经网络自构行学习(NNSCL)算法属于剪枝法中的统计法类,是在BP(Back-propagation)算法的基础上形成的一种多层前向神经网络的剪除式结构学习算法。针对NNSCL算法需要重新训练的缺点,提出了改进的INNSCL算法,修改了相关系数和样本分散度公式,用广义逆矩阵算法代替数理统计的线性方法修改剩余权值。该算法通过调整四个参数C_1 ,C_2,γ1和γ2来选择最好的优化结果,能够找到最小数量的规则数,且优化后不需...  (本文共121页) 本文目录 | 阅读全文>>