分享到:

基于自适应神经元模糊推理系统的岩质边坡稳定性评价方法

1引言边坡稳定性评价方法经历了从确定性到非确定性、从线性到非线性的发展过程。由于边坡稳定受多种因素的综合影响,各影响因素不但具有不确定性,且与边坡稳定性之间呈非线性关系,这就导致了确定性及线性分析方法难以准确对边坡的稳定性做出评价。为弥补确定性方法的不足,作为一种非确定性和非线性方法,基于模糊理论和神经网络的边坡稳定性评价方法有了长足的发展。贺少辉和李中林[1]通过建立边坡工程性能指标“安全时效性及适用性”的隶属函数,将模糊概率测度理论用于边坡工程模糊可靠度研究,建立了边坡工程模糊可靠度数学模型,研究了开挖过程这一因素的模糊性对边坡稳定性的影响;汪益敏[2]在考虑影响边坡稳定性因素的模糊性基础上,采用多指标因素模糊评价方法,对边坡岩体稳定质量进行了多级模糊综合评判研究;李彰明[3]在对实测资料进行分析的基础上通过构造关联因素边界值矩阵建立了边坡稳定性分析的模糊综合评价模型;G.Habibagahi和M.Meidari[4]则利用...  (本文共5页) 阅读全文>>

《计算机工程》2006年03期
计算机工程

一种新型的基于遗传算法的进化模糊推理系统

建立对象的模型是控制系统设计的基础。由于过程的非线性、时变性、随机干扰给对象模型参数的不确定性等因素,基于传统数学工具的建模方法对于某些复杂的非线性过程十分困难。而模糊逻辑系统不依赖对象的精确数学分析,从人类专家的经验知识和推理过程中提出if-then规则集合建立起遗传算法(Genetic Algorithm,GA)是基于自然选择和种群模糊模型,并以此为基础设计模糊控制系统。近年来,由于“进化”这个词出现的范围越来越普遍,如果一个过程随着时间以连续的方式发展变化着,就可以称之为一个进化过程。因此,本文主要研究了基于遗传算法用于动态自适应学习的进化模糊推理系统。1遗传算法和进化模糊推理系统的融合方式及结构基因的一种随机搜索算法。遗传算法中个体被编码为染色体串,其适应环境的能力由适应度来判断。遗传算法区别于传统的基于梯度的优化算法是因为具有以下特征:(1)遗传算法作用于一个参数集的编码而不是参数本身;(2)遗传算法是一种多解并行搜索...  (本文共3页) 阅读全文>>

哈尔滨工业大学
哈尔滨工业大学

基于驾驶特性分析的自主超车策略研究

近年来,随着传感技术和信息处理技术的发展,智能驾驶技术引起了学术界和工业界的广泛关注。智能驾驶系统可以通过环境感知、决策分析、控制执行等技术,为人们提供辅助泊车、紧急避障、自动驾驶等功能。智能驾驶系统的出现降低了由于疲劳驾驶、酒驾等人为因素所导致的交通事故的发生频率,也使得人们有可能解放双手实现真正的无人驾驶。超车是日常驾驶过程中的一种典型操作,也是智能驾驶中的技术难点之一。据报道,在谷歌无人驾驶汽车的320万公里测试过程中,共出现14起轻微碰撞的交通事故,其中有9起都是因为超车操作不当所引起的。在超车过程中,被超越的前车有可能出现包括抖动、迂回、穿梭等不稳定的驾驶行为,这些异常驾驶行为会极大程度上影响后车的超车操作。后车如果在超越过程中无法精准获得前车状态,错误判断了超越的可能性,两车就可能发生交通事故。本文从车辆的状态估计与跟踪技术入手,对被超越的前车进行驾驶特性分析,并建立后车的最优超越模型。具体的研究内容主要包括以下几个...  (本文共64页) 本文目录 | 阅读全文>>

《中国航海》2016年03期
中国航海

基于模糊推理系统的船舶操纵运动建模

船舶操纵性能反映船舶航行过程中的水动力性能,与船舶航行的安全性和经济性密切相关。近年来,随着航运业迅速发展,船舶日益大型化、快速化,油船、集装箱船、化学品船及液化气船等特种船增多,加上海域油气田开发和沿海养殖面积扩大,使得海上交通密度变大、航运环境恶化、航行干扰因素增多及船舶操纵难度加大。对此,国际海事组织(In-ternational Maritime Organization,IMO)于1985年提出估算船舶操纵性能的初步指南,规定船舶操纵性的基本要求;之后又于1993年和2002年分别颁布船舶操纵性暂行标准及船舶操纵性标准,对操纵性预报和船舶应满足的操纵性指标明确地提出定量要求,极大地促进了船舶操纵运动的研究。[1-2]目前,对船舶操纵运动的建模主要有经验公式(数据库)法、约束模型试验法、理论与数值计算方法及结合模型试验的系统辨识法等4种方法。1)经验公式(数据库)法受船型制约,对超出数据库范围的船型很难达到预报精度。2)...  (本文共5页) 阅读全文>>

西南大学
西南大学

基于忆阻器的模糊推理系统设计及应用

模糊推理系统自提出以来一直被认为是一种最接近人脑计算能力的智能系统,模糊系统具有推理过程容易理解、专家知识利用较好、对样本的要求较低等优点,但它同时又存在人工干预多、推理速度慢、精度较低等缺点,很难实现自适应学习的功能。人工神经网络具有较强的自学习和联想功能,用于模拟人脑的思维功能,且人工干预少,精度较高,但缺点是它不能处理和描述模糊信息,不能很好的利用已有的经验知识,同时它对样本的要求较高。如果将二者有机地结合起来,可起到互补的效果。人脑神经元数量庞大,神经元之间连接复杂,现有的研究大都致力于设计软件计算系统,难以设计出与人脑计算能力相匹配的硬件系统,亟待提出一种可以扩展的简单硬件来模拟人脑单元。纳米级器件忆阻器的提出使类脑硬件电路的实现成为可能。忆阻器是一种无源元件,具有阻值连续可变,非易失性,快速的开关转换特性等优势,在关掉电源后,仍能“记忆”通过的电荷,这与神经元突触的行为类似,可作为神经突触硬件实现的替代物。模糊系统的...  (本文共72页) 本文目录 | 阅读全文>>

《计算机仿真》2005年08期
计算机仿真

自适应神经网络模糊推理系统最优参数的研究

1引言自从Mamdani和Assilian利用模糊控制理论为一简单动力过程构造模糊控制器以来,模糊控制在实际问题中的应用日益广泛。但是,模糊理论在实际应用中也存在一些问题,如隶属度函数的确立目前还没有一套成熟有效的方法,在很难或无法获得专家经验的情况下,隶属度函数的确定是十分困难的[1]。自适应神经网络模糊推理系统(ANFIS)能基于数据建模,自动产生模糊规则和隶属度函数,而不是基于经验或直觉给定。这对于那些特性还不被人们所完全了解或者特性非常复杂的系统是十分有效的。许多学者在应用自适应神经网络模糊推理系统建模方面已经进行了探索并获得很多有益的成果,但在建立一个初始系统进行训练时,其隶属度函数的类型、隶属度函数的数目以及训练次数都是待定的,这三个参数的选择直接影响系统训练后的效果,可是选择怎样的参数可以使建立的模型最佳,至今没有学者进行深入的研究。本文应用ANFIS的方法对一个典型系统进行建模仿真并阐述这三个参数的选择方法。2自...  (本文共4页) 阅读全文>>