某扫雷犁电液伺服系统的模糊神经网络控制

针对某扫雷犁电液伺服系统这一典型的非线性系统,使用基于减法聚类的模糊神经网络(FNN)自学习算法设计了控制器,其中减法聚类用于确定模糊神经网络的初始结构。在网络的学习过程中,对结论参数采用最小二乘法进行辨识,对前提参数采用误差反传算法进行调整;并使用AMESim软件搭建了扫雷犁的液压系统模型,利用其接口技术实现了与Simulink的联合仿真。实验结果表明模糊神经网络控制器的控制效果要优于传统的PID控制器。     

RBF神经网络在异步电机故障诊断中的应用

将径向基(RBF)神经网络应用到电机的故障诊断中,建立了异步电机的RBF神经网络诊断模型。为了克服RBF神经网络学习算法的不足,引入了差分进化(DE)算法,并且利用了差分进化(DE)算法的全局搜索能力来优化RBF神经网络基函数的中心、宽度以及网络的连接权值,以获得最优的网络模型。仿真结果表明优化后的RBF神经网络的泛化能力和诊断精度都得到了大幅度提高。     

模糊Petri网的自适应粒子群优化方法研究

模糊Petri网对专家知识库的模糊规则具有较强的表达能力,但其缺乏学习能力使得模型参数的确定较为困难,针对此问题提出一种适合于模糊Petri网参数确定的自适应粒子群优化算法。分析了模糊Petri网对专家知识库的模糊规则建模方法;研究了粒子群优化算法及其各种改进算法;在此基础上,提出适合于模糊Petri网参数确定的自适应粒子群优化算法。最后,以无向网络可靠性估计为例,通过实例分析并与基本粒子群优化算法进行比较,证明了所提方法的有效性和优越性。     

预警反击作战装备体系能力贡献率评估问题

预警反击作战是我军未来的重要作战样式之一,是增强战略威慑力和提高积极防御能力的有效军事战略活动。针对预警反击装备体系能力贡献率评估问题,构建了置信规则库(Believe Rule Base,BRB)参数优化模型,提出了基于差分进化算法(Differential Evolution Algorithm,DEA)的置信规则库参数优化方法,通过优化参数后的置信规则库分析,提出了能力对体系贡献率评估过程和步骤。以国外已有预警反击装备体系为基础,开展贡献率评估示例分析验证所提出方法的有效性。该方法基于作战需求和实际应用,可为能力的优先发展提供决策支撑,研究成果具有理论意义和应用价值。     

数据与知识双驱动的备件需求模糊预测模型

针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。     

基于蚁群算法的模糊控制规则优化设计

为了避免设计模糊控制系统时遇到的“规则爆炸”问题,提出基于模糊相容系数的模糊规则优化方法．该方法定义了模糊规则的相容程度,得出的相容系数矩阵作为蚁群算法的启发式因子．采用蚁群算法优化模糊规则进行仿真,结果显示该方法生成的模糊规则具有较好的相容性和控制性能．     

一种新型模糊神经网络及其在故障诊断中的应用

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法.该方法先使用模糊c-均值聚类算法(FCM)实现测量空间的模决分割以决定模糊规则的个数,再使用模糊IF-THEN规则对分割后的各区域分别采用局部BP模型去进行逼近,最后再通过离线学习以获得不同区域故障输出与测量输入的非线性动力学特性.应用表明,提出的模糊神经网络结构、原理及实现方法是合理可行的,经过离线学习后的网络可实现对非线性系统的在线实时状态跟踪和诊断,可提高故障检测的正确率和快速性,并具有较好的泛化性能.     

基于多传感器特征融合的TBM拦截效果评估

基于多传感器特征级融合研究了TBM拦截效果评估的问题。首先分析并选取了拦截效果特征信息,构建了基于模糊神经网络的拦截效果融合评估模型;之后从模糊化、模糊推理、反模糊3个方面论述了评估模型的实施过程,进行模糊推理时采用一种改进的BP算法完成了推理规则的实现。最后通过实例仿真验证了改进BP算法的有效性,并验证了评估模型的可靠性及良好的融合性能。     

基于置信规则库的防空目标意图识别方法

为解决防空反导体系对于目标意图识别中多源信息处理的问题,提出了一种新的防空目标识别方法——置信规则库(Belief Rules Base)识别模型,该方法是基于BRB专家知识系统的自学习方法,可以有效处理多源不确定性信息。同时,为了提高其识别效率,建立了一种与之相匹配的参数优化模型,并选择差分进化算法作为BRB识别模型的优化引擎。此外,在BRB识别模型中,专家意见也被引用到模型的初始化和推理过程中。最后采用一个实例对BRB识别模型的准确度进行验证。研究表明:该方法具有较强的实用性,可为防空反导体系的目标意图识别提供有力支撑。     

一种新型军用电源智能充电机控制算法

军用电源充电机是一个多参数、时变的非线性系统,传统的PID控制算法难以在线调节达到优化充电曲线的目的。针对该问题,提出了一种基于模糊和免疫机理的自适应PID控制算法。该算法通过模糊免疫反馈机理对PID控制的比例系数进行实时调整,采用模糊自适应控制器对PID控制的微分、积分时间常数进行在线整定。仿真结果表明,该算法具有响应时间短、超调量小,鲁棒性强等特点,极大地改善了系统的适应能力,达到了优化充电曲线的目的。     

基于广义回归神经网络的单位运营状况分类

单位的运营状况会直接影响股东和广大人民的利益,针对运营状况可以使用广义回归神经网络进行分类。由于广义回归神经网络中径向基函数的扩展参数Spread的选取会导致分类的准确率,提出了一种果蝇优化算法优化参数Spread的分类模型。充分利用了果蝇优化算法的寻优能力,将优化后的参数代入到广义回归神经网络中对单位的财务数据进行运营状况的分类。结果表明,与广义回归神经网络做比较,优化后的网络模型对数据的分类可以达到很高的准确率,在相关领域的分类上有非常大的实用性。     

基于交叉熵和新转移函数的模糊神经网络分类器

针对目前普遍采用的误差平方和准则及Sigmoid转移函数在BP算法应用中存在的缺陷和不足,提出了基于交叉熵准则和新的S型转移函数构建的模糊神经网络分类器,并将这种分类器应用于心肌梗死的定位诊断,结果表明其训练效率和识别性能都明显优于传统的模糊神经网络。     

Multiobjective optimization of friction welding of UNS S32205 duplex stainless steel

The present study is to optimize the process parameters for friction welding of duplex stainless steel(DSS UNS S32205).Experiments were conducted according to central composite design.Process variables,as inputs of the neural network,included friction pressure,upsetting pressure,speed and burn-off length.Tensile strength and microhardness were selected as the outputs of the neural networks.The weld metals had higher hardness and tensile strength than the base material due to grain refinement which caused failures away from the joint interface during tensile testing.Due to shorter heating time,no secondary phase intermetallic precipitation was observed in the weld joint.A multi-layer perceptron neural network was established for modeling purpose.Five various training algorithms,belonging to three classes,namely gradient descent,genetic algorithm and LevenbergeM arquardt,were used to train artificial neural network.The optimization was carried out by using particle swarm optimization method.Confirmation test was carried out by setting the optimized parameters.In conformation test,maximum tensile strength and maximum hardness obtained are 822 MPa and 322 Hv,respectively.The metallurgical investigations revealed that base metal,partially deformed zone and weld zone maintain austenite/ferrite proportion of 50:50.     

潜艇定深运动的自适应模糊控制研究

针对潜艇定深运动过程中存在非线性、时变参数、复杂干扰的特点,提出了一种基于神经网络的自适应模糊控制器,并采用学习速率自调整的EBP算法对模糊控制器进行了在线调整.仿真结果表明,该控制器能辨别出潜艇的平衡舵角,与常规的PID控制相比,具有抗干扰能力强、响应速度快、精度高等优点.     

基于混合遗传算法优化的制导炸弹BP网络PID控制器

经典的PID控制方法虽然其物理意义明确、参数调整简便,但是面对现代的过程控制对象所具有的非线性、时变和多种不确定干扰等特性,使得基于精确线性数学模型的设计思路很难直接获得满意的动静态控制效果.在BP神经网络控制的基础上,采用混合遗传算法优化BP反向传播权系数值,推导了算法过程,设计了基于混合遗传算法优化的制导炸弹BP网络PID控制器.最后,以某制导炸弹纵向通道设计为例,仿真结果表明控制器能使得制导炸弹准确命中目标,并且具有较好的鲁棒性能.     

模糊神经网络在发电机励磁控制中的应用

采用含有惯性项学习算法的BP神经网络代替模糊PID控制器，对同步发电机励磁控制系统进行仿真。仿真结果表明，在系统遭受扰动或突加减载时，所设计的模糊神经网络励磁控制器具有良好的控制效果。     

炮控伺服系统自抗扰控制器优化设计

针对自抗扰控制器参数难于整定的问题,给出了一种基于自适应变异粒子群优化算法的炮控伺服系统自抗扰控制器优化设计方法.该算法结构简单,具有良好的全局收敛性,充分发挥了自抗扰控制器的控制性能.通过对某炮控伺服系统的仿真研究,表明了该设计方法的有效性.     

电磁发射系统以太网拓扑结构建模优化

拓扑结构优化模型是网络中的一类重要模型，可以有效地优化系统整体链路性能。针对电磁发射系统以太网拓扑结构中部分节点和链路的负载过大，一旦发生堵塞，将会影响网络中关键链路性能的问题，建立网络拓扑结构优化的多目标规划模型，并提出一套基于基因环操作的遗传算法对其进行求解，通过仿真得出最优的网络拓扑结构。根据仿真结果修改实际网络节点默认配置参数，结果显示该模型和算法能有效均衡负载，降低网络冲突率，且不需要改变电磁发射系统以太网的物理链路，不会增加额外成本，对电磁发射类系统具有普适性的意义。