模糊神经网络钳式吊车行走力矩跟随系统

为了有效解决网络系统可能出现的故障,结合模糊神经网络提出了一种新的故障检测算法fdd-fnn(failuredetectionalgorithmbasedonfuzzyneuralnetwork).该算法根据特征信息熵建立了故障检测评价方法和最小偏差的优化模型,设计了模糊神经网络中输入层、模糊化层、模糊规则层和解模糊层,并且给出了具体的算法流程.通过建立网络仿真平台,深入分析了影响fdd-fnn算法的关键因素,同时对比研究了fdd-fnn算法与其他算法的性能情况,结果表明fdd-fnn算法具有较好的适应性.

针对深基坑变形控制系统中的不确定性、模糊性因素多的问题,将模糊控制理论与神经网络技术相结合,采用非线性神经元构成的神经网络结构,把对应的网络输入、输出表达为输入、输出信息的模糊数隶属度,建立了一种基于模糊神经网络的深基坑施工变形预测模型.结果表明,利用模糊度隶属函数对基坑施工进行动态控制具有较好的实用效果.

**资讯http://www.***.*** **资讯http://www.***.***

**资讯http://www.***.*** **资讯http://www.***.***

基于补偿模糊神经网络的制冷系统故障诊断研究——选择反映制冷系统故障状态的热力参数集组成特征向量，并对其进行模糊化处理，利用补偿模糊神经网络建立故障状态与热力参数特征向量之间的映射关系。将神经网络和补偿模糊逻辑相结合，采用动态、全局优化的运算，...

针对变频空调常规模糊控制系统的隶属函数和控制规则的获取受限于专家经验的问题,根据神经网络自学习能力强的特点,将模糊控制与神经网络相结合,对空调的控制系统进行改进,并据此设计模糊神经网络控制器,在此基础上进行了理论分析和模拟实验,验证了这一控制系统的有效性。

本文提出一种基于模糊神经网络和建筑结构系统辨识方法。利用模糊神经网络强大的非线性映射能力与学习能力以实测的结构动力响应数据建立起结构的动力特性模型。不但可以克服以往传统与智能辨识方法中存在的种种弊病，而且还将土一结构相互作用以及结构自身非线性对结构动力特性的影响考虑在内，使得结构系统辨识更具客观性。具有物理意义明确，可扩展性强，能够用于实时在线控制与健康诊断等优点。

文章提出一种基于模糊神经网络的控制算法应用于ｉｂ系统的联动控制，有效地解决了传统单一阈值控制逄法难以达到的复杂控制问题。这种ｆｎｎｃ控制器可以根据实际需要进行学习，具有很强的适应能力。

智能家居中的环境因素对人体有着不容忽视的影响,智能家居环境舒适度已成为智能家居评估指标中重要的一项,通过对智能家居监测系统信息融合技术进行研究,运用结合模糊推理和神经网络算法优点的模糊神经网络对智能家居监测系统采集的各环境因素进行处理分析,从而能够智能有效的提高人们的室内生活质量。

现如今市场经济竞争十分激烈,实际招投标工作要求能快速准确地进行工程造价的估算。无论业主还是承包商确定工程造价都要求快速、准确,完善的快速估价系统能够很好地解决这个问题。模糊技术与神经网络结合是一种把经验与数学模型结合,这种研究打破了过去人们所进行的各种学科在逻辑上的独立性,预示了人工智能的光明前景和希望。

运用线性二次型经典最优控制算法获得学习样本,由神经网络反向传播算法训练产生模糊规则和隶属度函数,设计模糊神经网络控制器,通过某结构地震波作用下振动控制的数字仿真,表明模糊神经网络可以有效地应用到结构控制中。

首先在对供热负荷预测算法的发展现状主要成果阐述的基础上,对影响供热预测因素采用模糊量化的方式进行研究处理,并由此推断将模糊神经网络算法应用于供热负荷预测可以得到良好的效果.研究模型的设计核心是bp神经网络,即将模糊量化后的影响因素作为系统的输入值,去调整神经网络的权值,从而得到预测的网络模型.建立预测模型和预测策略后,可以采用matlab科学计算软件开发程序对预测模型效果进行模拟仿真,结果表明,预测的结果能够满足要求,相对误差在合理的范围内,并且模糊神经网络算法比单纯神经网络算法具有更好的预测精度和鲁棒特性,从而达到节能的目的.且适应性强,可以应用到类似的供热工程上.

提出了一种基于神经模糊推理系统的商品住宅价格评估模型,分析了影响商品住宅价格的因素,给出了商品住宅价格评估指标体系,探讨了模型建立的原理及算法步骤。计算实例说明了该模型用于商品住宅价格准确评估的有效性和可行性,为房地产价格评估提供了科学的方法。

红外图像中的微弱目标检测与跟踪是数字图像处理领域中的研究热点。针对红外图像中微弱目标灰度的统计特点以及模糊神经网络在自适应噪声消除的应用,提出一种基于增强型动态模糊神经网络算法用于红外图像噪声消除。经过自适应噪声消除后,可有效的有自动阈值门限分割法进行微弱目标检测。

在对影响建筑工程造价因素分析和标准模糊神经网络结构分析的基础上,通过增加输入层与模糊层之间的权值v,加入规则的重要度γ,对标准模糊神经网络进行了改进,并建立基于改进的标准模糊神经网络的工程造价快速估算模型。将基于这种结构的模糊神经网络的工程造价快速估算模型应用于建筑工程的投标报价中,从仿真结果可以看出该网络模型学习时间较短,学习速率较快,精度较高。

基于模糊神经网络的房地产价格评估问题研究——提出了一种基于神经模糊揄系统的商品住宅价格评估模型，分析了影响商品住宅价格的因素，给出了商品住宅价格评估指标体系，探讨了模型建立的原理及算法步骤。计算实例说明了该模型用于商品住宅价格准确评估的有效性...

本文探讨了模糊神经网络在确定工程造价中的应用方法和途径。分析影响工程造价的因素,提取特征值,利用madalines网络和rbf网络估测工程造价,通过实例计算,表明运用模糊神经网络估测土建工程造价和工程工料消耗量是可行和有效的。

提出采用模糊处理与人工神经网络相结合的方法，有效地实现对建筑物变形的短期预测，并用实例加以验证说明。

为了克服传统bp神经网络预测精度差,易陷入局部极值的缺陷,提出了模糊神经网络系统。利用模糊粗糙集通过历史负荷数据信息的模糊化替代负荷变化的离散化,快速寻找出样本数据间的连续属性的信息,将其与传统bp神经网络结合组成模糊神经网络对热负荷进行预测。实验结果表明:该模糊神经网络预测结果的相对误差很小不超过2%,在短期负荷预测方面具有的优越性。

本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。

本文对常见的电梯智能群控算法进行了分析比较,重点研究了模糊神经网络算法。本文首先对大厦客流的特征进行长期统计分析,进而对电梯群交通模式进行分类,利用模糊神经网络对电梯群的交通模式进行了识别。根据系统的识别结果判定电梯群当前处于的交通模式。然后再次利用模糊神经网络对派梯算法中各电梯响应呼梯信号的可信度进行计算,选取可信度最大的电梯响应呼梯信号,最终完成派梯。

电力系统[1]是由发电、输电、变电、配电和用电等多层fnn的复杂的非线性控制系统组成。采用fnn弥补了神经网络在电力系统模糊数据处理方面的不足和模糊逻辑在学习方面的缺陷学科。