基于动态T-S递归模糊神经网络的闪速熔炼过程参数软测量 被引量：2

1

作者 彭晓波 桂卫华 +2 位作者 李勇刚 王凌云 陈勇 《仪器仪表学报》 EI CAS CSCD 北大核心 2008年第10期2029-2033,共5页

闪速熔炼过程中存在大量多元非线性因素,难以从统计学和机理上确立操作参数。为优化闪速炉的操作参数,建立了动态T-S递归模糊神经网络(DTRFNN)的软测量模型,推导了DTRFNN的权值学习算法。将其应用到某厂铜闪速熔炼过程中的参数软测量上... 闪速熔炼过程中存在大量多元非线性因素,难以从统计学和机理上确立操作参数。为优化闪速炉的操作参数,建立了动态T-S递归模糊神经网络(DTRFNN)的软测量模型,推导了DTRFNN的权值学习算法。将其应用到某厂铜闪速熔炼过程中的参数软测量上,平均精确率达到97%,能为生产操作提供有益的指导。 展开更多

关键词 动态t-s递归模糊神经网络(dtrfnn) BP学习算法 冰铜品位 冰铜温度 渣中铁硅比

在线阅读 下载PDF 职称材料

动态T-S递归模糊神经网络及其应用 被引量：1

2

作者 彭晓波 桂卫华 +1 位作者 李勇刚 陈勇 《系统仿真学报》 CAS CSCD 北大核心 2009年第18期5636-5638,5644,共4页

提出了动态T-S递归模糊神经网络(DTRFNN)。该网络具有全局收敛特性的递归结构;采用BP算法进行网络权值的学习;并利用Lyapunov定理证明该模型具有全局收敛性,并在此基础上提出了克服局部极小的方法。最后以动态系统的辨识为例,进行实验研... 提出了动态T-S递归模糊神经网络(DTRFNN)。该网络具有全局收敛特性的递归结构;采用BP算法进行网络权值的学习;并利用Lyapunov定理证明该模型具有全局收敛性,并在此基础上提出了克服局部极小的方法。最后以动态系统的辨识为例,进行实验研究,取得了很好的效果,表明DTRFNN动态模型能很好的对动态系统进行辨识。 展开更多

关键词 动态t-s递归模糊神经网络(dtrfnn) BP学习算法 收敛性 学习率

在线阅读 下载PDF 职称材料

神经网络结构的递归T-S模糊模型 被引量：10

3

作者 李翔 陈增强 袁著祉 《系统工程学报》 CSCD 2001年第4期268-274,共7页

提出一种新的递归 T- S模型 (Takagi- Sugeno模型 )的模糊神经网络结构 (TSFRNN ) ,利用动态 BP(DBP)算法来学习训练神经网络的参数 ,通过与通常的多层前馈神经网络结构的 T- S模糊神经网络(TSFNN)的对比仿真实验 ,说明在非线性系统建... 提出一种新的递归 T- S模型 (Takagi- Sugeno模型 )的模糊神经网络结构 (TSFRNN ) ,利用动态 BP(DBP)算法来学习训练神经网络的参数 ,通过与通常的多层前馈神经网络结构的 T- S模糊神经网络(TSFNN)的对比仿真实验 ,说明在非线性系统建模方面 TSFRNN比 TSFNN更加优越 . 展开更多

关键词 递归神经网络 t-s模糊模型 非线性系统 建模 学习算法

在线阅读 下载PDF 职称材料

基于动态递归模糊神经网络的自适应电液位置跟踪系统 被引量：15

4

作者 张友旺 桂卫华 赵泉明 《控制理论与应用》 EI CAS CSCD 北大核心 2005年第4期551-556,共6页

提出了动态递归模糊神经网络(DRFNN)以在线估计电液位置跟踪系统中包括非线性、参数不确定性、负载干扰等在内的未知动态非线性函数,基于lyapunov稳定性理论推导出DRFNN可调参数和估计误差的界的自适应律,并构造出稳定的自适应控制器.... 提出了动态递归模糊神经网络(DRFNN)以在线估计电液位置跟踪系统中包括非线性、参数不确定性、负载干扰等在内的未知动态非线性函数,基于lyapunov稳定性理论推导出DRFNN可调参数和估计误差的界的自适应律,并构造出稳定的自适应控制器.实验结果表明:基于DRFNN的自适应控制器可使电液位置跟踪系统具有较强的鲁棒性和满意的跟踪性能. 展开更多

关键词 动态递归模糊神经网络 电液位置跟踪系统 变结构控制 鲁棒性

在线阅读 下载PDF 职称材料

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用 被引量：9

5

作者 李迪 陈向坚 +2 位作者 续志军 杨帆 牛文达 《光学精密工程》 EI CAS CSCD 北大核心 2011年第6期1406-1413,共8页

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区... 针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。 展开更多

关键词 自组织递归区间 二型模糊神经网络 卡尔曼滤波 梯度下降法 噪声干扰 动态时变系统辨识

在线阅读 下载PDF 职称材料

基于动态递归模糊神经网络盲均衡算法的研究 被引量：8

6

作者 张朝霞 海振宏 王华奎 《系统仿真学报》 EI CAS CSCD 北大核心 2008年第2期539-541,共3页

模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网... 模糊系统和神经网络已广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识;而由于无线通信信道的时变性和不确定性,决定了盲均衡器本身就是一个动态的均衡过程,所以研究利用动态递归模糊神经网络的盲均衡算法是可行的,而且也是必要的。仿真结果表明:由于动态模糊神经网络的均衡过程同时利用了系统的当前数据和历史数据,对动态系统的均衡,较传统神经网络在均衡的精度和稳定性方面具有更好的效果。 展开更多

关键词 动态递归 模糊神经网络 盲均衡 隶属函数

在线阅读 下载PDF 职称材料

基于自结构动态递归模糊神经网络的无人机姿态控制 被引量：3

7

作者 陈向坚 白越 +1 位作者 续志军 李迪 《计算机应用研究》 CSCD 北大核心 2011年第9期3387-3389,共3页

针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在... 针对无人机非线性、强耦合等特点,提出了基于该自结构动态递归模糊神经网络的姿态控制系统,给出了基于Lyapunov函数的系统稳定性证明。对四层模糊神经网络进行了优化和改进,设计了自结构动态递归模糊神经网络,该网络可以根据系统状态在线更新权值、创建/删除节点、优化网络结构。仿真表明:该控制方法的突出优点是,在兼顾考虑了系统中的不确定性因素、非线性因素及外部干扰并存的情况下,保证系统的稳定性和跟踪性能;同时此网络结构比固定结构的模糊神经网络响应速度快,因此更具优越性。 展开更多

关键词 自结构动态递归模糊神经网络 优化网络结构 响应速度快

在线阅读 下载PDF 职称材料

滑模动态递归模糊神经网络船电推进复合控制 被引量：2

8

作者 张桂臣 马捷 《控制理论与应用》 EI CAS CSCD 北大核心 2011年第5期625-630,共6页

提出了船舶电力吊舱推进系统的复合控制策略,以消除吊舱推进的过冲现象并获得快速平滑的动态响应.复合控制由鲁棒滑模控制和动态递归模糊神经网络控制组成,鲁棒滑模控制利用死区非线性和误差边界厚度法,克服系统的不确定与外界扰动,具... 提出了船舶电力吊舱推进系统的复合控制策略,以消除吊舱推进的过冲现象并获得快速平滑的动态响应.复合控制由鲁棒滑模控制和动态递归模糊神经网络控制组成,鲁棒滑模控制利用死区非线性和误差边界厚度法,克服系统的不确定与外界扰动,具有在线自学习算法的动态递归模糊神经网络控制促使系统的跟踪误差趋近于0.建立了基于SIMOTION的半实物仿真Siemens-Schottel推进器系统,仿真与实验结果表明,复合控制具有暂态快速和稳态平滑的动态响应,提高了吊舱推进系统的鲁棒性和运动精度. 展开更多

关键词 复合控制 鲁棒滑模 动态递归模糊神经网络 船舶电力推进 吊舱推进

在线阅读 下载PDF 职称材料

基于进化动态递归模糊神经网络的上肢康复机器人自适应阻抗控制 被引量：1

9

作者 徐国政 宋爱国 李会军 《高技术通讯》 EI CAS CSCD 北大核心 2010年第10期1072-1079,共8页

针对机器人辅助患肢进行康复训练时患肢病情的变化对系统运动平滑性和稳定性造成的影响,在传统阻抗控制方法的基础上,提出了一种基于进化动态递归模糊神经网络(EDRFNN)的新的自适应阻抗控制方法。该方法根据在线辨识得到的患肢机械阻抗... 针对机器人辅助患肢进行康复训练时患肢病情的变化对系统运动平滑性和稳定性造成的影响,在传统阻抗控制方法的基础上,提出了一种基于进化动态递归模糊神经网络(EDRFNN)的新的自适应阻抗控制方法。该方法根据在线辨识得到的患肢机械阻抗参数,运用EDRFNN对目标阻抗控制参数进行动态调整。在调整过程中,首先采用混合进化算法离线优化目标阻抗控制参数,然后再利用基于Lyapunov函数稳定收敛性理论设计的动态BP算法对目标阻抗控制参数在线作进一步的调整。分析和仿真结果表明,这种新的方法较其它阻抗控制方法更能有效地适应患肢病情的变化,且具有较好的平滑性和稳定性。 展开更多

关键词 康复机器人 动态递归 模糊神经网络 进化算法 在线辨识 自适应阻抗控制

在线阅读 下载PDF 职称材料

基于动态递归模糊神经网络的动态系统辨识 被引量：6

10

作者 张友旺 《中南工业大学学报》 CSCD 北大核心 2003年第3期277-280,共4页

模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,... 模糊系统和神经网络由于具有逼近任意连续非线性映射的特性而广泛应用于系统的辨识和控制,但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而现实工程中的控制对象反映的是系统的动态行为.为了提高动态系统的辨识精度,提出了一种新型的动态递归模糊神经网络,并根据动态递归神经网络的数学模型推导其动态反向传播学习算法及其改进算法.仿真结果表明:由于动态模糊神经网络的辨识过程同时利用了系统的当前数据和历史数据,对动态系统的辨识,特别是对具有纯时间延迟动态系统的辨识,较传统模糊神经网络在辨识精度和稳定性方面具有更好的效果.同时,确定网络权值和隶属函数参数初始值的方法可使动态系统的辨识过程具有更快的收敛速度. 展开更多

关键词 动态递归 模糊神经网络 动态反向传播学习算法 动态系统 辨识

在线阅读 下载PDF 职称材料

间接自适应动态递归模糊神经网络控制器设计 被引量：3

11

作者 张友旺 王荣铸 《中南大学学报（自然科学版）》 EI CAS CSCD 北大核心 2004年第2期253-257,共5页

针对仿射非线性系统,提出了一种新型的基于动态递归模糊神经网络(DRFNN)的间接自适应控制器。该控制器采用DRFNN对系统的动态非线性映射进行在线估计,并依据李亚普诺夫稳定性理论推导出DRFNN参数在线调整的自适应算法,同时运用投影算法... 针对仿射非线性系统,提出了一种新型的基于动态递归模糊神经网络(DRFNN)的间接自适应控制器。该控制器采用DRFNN对系统的动态非线性映射进行在线估计,并依据李亚普诺夫稳定性理论推导出DRFNN参数在线调整的自适应算法,同时运用投影算法确保参数向量处于约束集合内。应用自适应DRFNN对动态非线性映射进行在线估计时,仅采用被控系统的1个状态变量作为其输入,避免了因增加输入个数而导致网络结构膨胀的问题,从而加快了收敛速度。仿真结果表明:由自适应DRFNN构成的控制器可使系统具有满意的跟踪性能。 展开更多

关键词 动态递归 模糊神经网络 动态非线性系统 自适应控制 投影算法 控制器 设计

在线阅读 下载PDF 职称材料

基于动态递归模糊神经网络的轧机辊缝动态辨识

12

作者 贾春玉 单修迎 《塑性工程学报》 CAS CSCD 北大核心 2008年第5期186-190,共5页

模糊系统和神经网络,由于具有逼近任意连续非线性映射的特性,而广泛应用于系统的辨识与控制。但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而轧制过程中影响轧机辊缝的因素复杂,外界干扰严重,过程参数难以确定,为提... 模糊系统和神经网络,由于具有逼近任意连续非线性映射的特性,而广泛应用于系统的辨识与控制。但是传统的模糊神经网络是一种静态映射,不适用于动态系统的辨识,而轧制过程中影响轧机辊缝的因素复杂,外界干扰严重,过程参数难以确定,为提高轧机辊缝动态的辨识精度,提出了一种基于动态递归模糊神经网络的辨识模型。轧制仿真结果表明,该模型具有很高的辨识精度。 展开更多

关键词 动态递归 模糊神经网络 轧机辊缝 动态辨识

在线阅读 下载PDF 职称材料

基于混合混沌搜索方法的多层递归模糊神经网络建模 被引量：2

13

作者 柳贺 王秀英 黄道 《华东理工大学学报（自然科学版）》 EI CAS CSCD 北大核心 2008年第4期589-593,612,共6页

提出了一种多层递归模糊神经网络(MRFNN),并提出混合混沌搜索方法用于网络学习。该网络融合了T-S模糊模型,在隶属函数层和规则层有局部反馈连接。网络的学习分为结构学习和参数学习两部分。结构学习确定隶属函数层和规则层的节点数;参... 提出了一种多层递归模糊神经网络(MRFNN),并提出混合混沌搜索方法用于网络学习。该网络融合了T-S模糊模型,在隶属函数层和规则层有局部反馈连接。网络的学习分为结构学习和参数学习两部分。结构学习确定隶属函数层和规则层的节点数;参数学习由混合混沌搜索方法完成,利用混沌搜索优化前件参数,同时利用最小二乘法实现后件系数更新。对非线性系统辨识进行,仿真实验并对连续搅拌釜式反应器系统建模,结果表明:本文方法能够有效捕捉系统的动态特性,所建模型具有良好的精度。 展开更多

关键词 递归神经网络 t-s模糊模型 混沌搜索 最小二乘法 建模

在线阅读 下载PDF 职称材料

遗传算法—模糊聚类动态模糊神经网络辨识 被引量：3

14

作者 刘胜 赵红 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2008年第8期825-830,共6页

针对非线性系统辨识特点,在剖析具有递归环节的T-S模糊神经网络结构的同时,提出了一种新型的3步设计优化方案,即非线性区域的线性划分、离线训练和在线辨识.将融合了模糊c-mean聚类(GA-FCM)(称为双群体并行聚类)算法引入到RTSFNN中,对... 针对非线性系统辨识特点,在剖析具有递归环节的T-S模糊神经网络结构的同时,提出了一种新型的3步设计优化方案,即非线性区域的线性划分、离线训练和在线辨识.将融合了模糊c-mean聚类(GA-FCM)(称为双群体并行聚类)算法引入到RTSFNN中,对非线性系统的输入输出空间进行聚类(线性划分),再在每个线性区域上建立ARMAX模型;利用GA实数编码,同时优化前件隶属函数的中心和宽度、递归增益及后件参数;在线时利用FCM在线分析输入数据特征,确定是否对现有划分进行改动,并利用GA迭代一定代数优化其他参数,直到误差满足要求为止.通过对非线性动态系统的辨识仿真,验证了所提出方法在训练时的寻优速度、训练误差及校验误差指标上均有很大优势. 展开更多

关键词 递归t-s模糊神经网络 C-均值聚类 遗传算法 ARMAX模型 规则数自动获取 离线训练 在线辨识

在线阅读 下载PDF 职称材料

一种用于非线性动态辨识的新型神经网络

15

作者 张剑 林瑞昌 毕天昊 《控制工程》 CSCD 北大核心 2024年第8期1383-1391,共9页

为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加... 为提高非线性动态系统辨识(NDSI)的效果,在结合自建型模糊神经网络(SCFNN)和多层神经元神经网络(MLPNN)的基础上,提出一种自建递归型模糊神经网络(SCRFNN)。SCRFNN相较于前者,多了一个递归通道与抑制模糊规则产生机制;相较于后者,增加了模糊推论与一个递归通道。为验证SCRFNN在系统辨识中的有效性,设计一个新的NDSI在线学习模型与代码设计流程图,并以此作为在线学习架构,将以上3个神经网络模型对4个串-并型非线性动态系统进行辨识分析。经过仿真表明,新提出的SCRFNN通过存储内部状态,具备了映射动态特征的功能,从而使系统具有适应时变特性的能力,更适合于非线性动态系统的辩识。且在模糊规则数、学习收敛速度、学习与预测误差均方根值、预测精准度方面也取得了良好的效果。 展开更多

关键词 自建递归型模糊神经网络 自建型模糊神经网络 多层神经元神经网络 非线性动态系统辨识

在线阅读 下载PDF 职称材料

水下机器人的动态Petri递归神经网络控制方法

16

作者 黄海 万磊 +1 位作者 庞永杰 唐旭东 《电机与控制学报》 EI CSCD 北大核心 2012年第5期91-96,共6页

针对传统的水下机器人模糊神经网络控制器存在计算量大、抗环境扰动滞后等缺点,设计递归模糊神经网络控制器,通过在线的动态反馈增强水下机器人对环境变化的反应能力。并在网络的第三层即Petri层设计阈值,根据控制器误差的在线控制网络... 针对传统的水下机器人模糊神经网络控制器存在计算量大、抗环境扰动滞后等缺点,设计递归模糊神经网络控制器,通过在线的动态反馈增强水下机器人对环境变化的反应能力。并在网络的第三层即Petri层设计阈值,根据控制器误差的在线控制网络的学习和训练量,从而减少了模糊神经网络的计算量,提高反应速度。基于反向梯度传播原理,由能量函数设计了该网络的学习算法,并根据离散型李亚普诺夫函数确定了学习率参数,从而保证整个网络的收敛性。实验结果表明,该控制器能够提高递归神经网络的计算效率,减少控制误差,对外界干扰具有较强的鲁棒性,在水下机器人的控制方面取得了更好的效果。 展开更多

关键词 水下机器人 动态控制 PETRI网 递归神经网络 模糊神经网络

在线阅读 下载PDF 职称材料

基于递归模糊神经网络的污水处理控制方法 被引量：13

17

作者 韩改堂 乔俊飞 韩红桂 《化工学报》 EI CAS CSCD 北大核心 2016年第3期954-959,共6页

针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了... 针对污水处理过程具有非线性、大时变等问题,提出了一种基于递归模糊神经网络的多变量控制方法。该方法通过递归模糊神经网络控制器自适应地获得对操作变量的控制精度,控制器在常规BP学习算法的基础上采用学习率自适应学习算法且引入了动量项来训练网络参数,避免网络陷入局部最优,提高了网络对系统的控制精度。最后,基于仿真基准模型(BSM1)平台对第五分区中的溶解氧和第二分区中的硝态氮控制进行动态仿真实验,结果表明,与PID、前馈神经网络和常规递归神经网络相比,该方法能有效提高系统的自适应控制精度。 展开更多

关键词 污水处理过程 递归模糊神经网络 控制 自适应学习算法 溶解氧 硝态氮 动态仿真

在线阅读 下载PDF 职称材料

基于WTFMC 算法的递归模糊神经网络结构设计 被引量：6

18

作者 乔俊飞 丁海旭 李文静 《自动化学报》 EI CSCD 北大核心 2020年第11期2367-2378,共12页

针对递归模糊神经网络(Recurrent fuzzy neural network,RFNN)的递归量难以自适应的问题,提出一种基于小波变换–模糊马尔科夫链(Wavelet transform fuzzy Markov chain,WTFMC)算法的RFNN模型.首先,在时间维度上记录隐含层神经元的模糊... 针对递归模糊神经网络(Recurrent fuzzy neural network,RFNN)的递归量难以自适应的问题,提出一种基于小波变换–模糊马尔科夫链(Wavelet transform fuzzy Markov chain,WTFMC)算法的RFNN模型.首先,在时间维度上记录隐含层神经元的模糊隶属度,并采用小波变换将该时间序列进行分解,通过模糊马尔科夫链对子序列的未来时段进行预测,之后将各预测量合并后代入递归函数中得到具有自适应性的递归量.其次,利用梯度下降算法更新RFNN的参数来保证神经网络的精度.最后,通过非线性系统建模中几个基准问题和实际污水处理中关键水质参数的预测实验,证明了该神经网络模型的可行性和有效性. 展开更多

关键词 递归模糊神经网络 小波变换 模糊马尔科夫链 动态建模 污水处理

在线阅读 下载PDF 职称材料

改进粒子群优化Takagi-Sugeno模糊径向基函数神经网络的非线性系统建模 被引量：3

19

作者 李丽娜 甘晓晔 +1 位作者 徐攀峰 马俊 《计算机应用》 CSCD 北大核心 2014年第5期1341-1344,1372,共5页

针对复杂非线性系统建模的难点问题,提出了一种基于改进的粒子群优化算法(PSO)优化的T-S模糊径向基函数(RBF)神经网络的新型系统建模算法。该算法将T-S模糊模型良好的可解释性及RBF神经网络的自学习能力相结合,构成T-S模糊RBF神经网络... 针对复杂非线性系统建模的难点问题,提出了一种基于改进的粒子群优化算法(PSO)优化的T-S模糊径向基函数(RBF)神经网络的新型系统建模算法。该算法将T-S模糊模型良好的可解释性及RBF神经网络的自学习能力相结合,构成T-S模糊RBF神经网络用于系统建模,并采用动态调整惯性权重的改进的PSO算法结合递推最小二乘算法实现网络参数的优化调整。首先,利用所提算法进行了非线性多维函数的逼近仿真,仿真结果均方差(MSE)为0.00017,绝对值误差不大于0.04,逼近精度较高;又将该算法用于建立动态流量软测量模型,并进行了相关的实验研究,动态流量测量结果平均绝对误差小于0.15 L/min,相对误差为1.97%,基本满足测量要求,并优于已有算法。上述仿真及实验研究结果表明,所提算法对于复杂非线性系统具有较高的建模精度和良好的自适应性。 展开更多

关键词 动态流量 软测量 t-s模糊模型 径向基函数神经网络 粒子群优化算法

在线阅读 下载PDF 职称材料

基于FPGA的神经网络在非线性实时系统辨识中的应用

20

作者 王晓华 王有松 《机床与液压》 北大核心 2022年第20期174-178,共5页

针对动态系统的辨识问题,设计一种采用现场可编程门阵列(FPGA)实现输出反馈递归模糊神经网络进行非线性动态系统辨识的方法。输出反馈递归模糊神经网络能够实现非线性动态系统的高精度快速辨识,但神经网络复杂的并行结构需要较长的运算... 针对动态系统的辨识问题,设计一种采用现场可编程门阵列(FPGA)实现输出反馈递归模糊神经网络进行非线性动态系统辨识的方法。输出反馈递归模糊神经网络能够实现非线性动态系统的高精度快速辨识,但神经网络复杂的并行结构需要较长的运算时间,限制了它在实时控制和在线系统辨识中的应用。由于FPGA具有并行运算能力,使它在神经网络实现上具有本质的优势。因此,利用NI公司的高性能FPGA板卡以及LabVIEW图形化编程定义FPGA芯片上的逻辑功能,实现具有动态反向传播算法的输出反馈递归模糊神经网络以及舵机位置伺服系统的在线辨识。实验结果表明:基于FPGA的神经网络实现系统辨识周期在毫秒范围内,为非线性实时系统辨识的应用提供了一条新途径。 展开更多

关键词 输出反馈递归模糊神经网络 动态反向传播算法 现场可编程门阵列 非线性实时系统辨识

在线阅读 下载PDF 职称材料