检索结果-维普期刊中文期刊服务平台

基于T-S模型模糊神经网络预测的退火炉温度控制被引量：4: 1; 作者于谨李晓峰《沈阳建筑大学学报（自然科学版）》 CAS 北大核心 2014年第1期181-186,共6页; 目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性.方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T-S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网... 展开更多; 关键词退火炉 t—s模糊神经网络 BP神经网络预测控制; 在线阅读下载PDF 职称材料

基于T-S模糊神经网络的边坡稳定性分析被引量：5: 2; 作者张万亮许晨 +1 位作者张丁郝玉成《露天采矿技术》 CAS 2013年第4期20-22,共3页; 由于影响边坡稳定性的因素存在随机性、模糊性,本文将模糊系统思想融入到神经网络的应用中,建立T-S模糊神经网络,采用粘聚力、摩擦角、边坡角、边坡高、人为影响、采矿工程影响这6个参数作为边坡稳定性评价系统的输入参数,而将边坡稳定... 展开更多; 关键词 t—s模糊神经网络模糊规则稳定性分析评价准则; 在线阅读下载PDF 职称材料

一种递归型模糊神经网络用于动态系统辨识的研究: 3; 作者胡玉玲《北京建筑工程学院学报》 2006年第3期44-47,共4页; 针对静态模糊神经网络对动态系统辨识精度低的特点,在T-S模糊神经网络标准结构基础上,通过在输入层与状态层间加入可以记忆暂态信息的递归层,一种新的T-S递归型模糊神经网络(TSRFNN)被提出,来提高对动态系统的辨识能力.同时,给出了参数... 展开更多; 关键词 t—s递归型模糊神经网络动态系统自适应学习算法辨识; 在线阅读下载PDF 职称材料

改进PSO-TSFNN智能家居室内空气质量检测与评价被引量：8: 4; 作者陈双叶徐文政 +1 位作者丁双春咸耀山《电子技术应用》北大核心 2017年第1期84-87,91,共5页; 针对室内空气质量评级存在多影响因子及随机变化的特点,在T-S模糊神经网络(TSFNN)基础上提出一种基于改进粒子群(PSO)优化的算法来对室内空气品质状况进行评价。根据GB/T18883-2002,选取室内代表性污染因子构建标准评价表;通过标准评价... 展开更多; 关键词粒子群 t—s模糊神经网络室内空气质量评价智能家居; 在线阅读下载PDF 职称材料

大型公共建筑室内热舒适性预测方法研究被引量：1: 5; 作者张晓亚于军琪王睿《现代建筑电气》 2013年第2期13-17,29,共6页; 针对大型公共建筑室内热环境实时控制问题,运用T-S模糊神经网络理论与方法,建立了大型公共建筑室内热舒适性PMV指标的预测模型。通过对实例的分析与评价,验证了该模型的合理性。与传统BP算法的对比表明,该方法计算速度快、准确度高,为... 展开更多; 关键词大型公共建筑 t—s模糊神经网络热舒适 PMV指标预测; 在线阅读下载PDF 职称材料

钢轨磨耗影响因素分析及磨耗预测研究被引量：2: 6; 作者周宇《交通节能与环保》 2018年第1期8-10,共3页; 本文针对钢轨磨耗无法有效预测的问题,提出基于T-S模型的模糊神经网络磨耗预测方法。将车速、曲线半径、摩擦系数等5个因素作为网络输入,以钢轨的侧磨值、垂磨值为输出,建立基于T-S模糊神经网络的钢轨磨耗预测模型,并结合实际数据进行... 展开更多; 关键词轨道交通磨耗因素分析钢轨磨耗预测 t—s模糊神经网络; 在线阅读下载PDF 职称材料

题名基于T-S模型模糊神经网络预测的退火炉温度控制被引量：4: 1; 作者于谨李晓峰; 机构沈阳建筑大学市政与环境工程学院沈阳建筑大学信息与控制工程学院; 出处《沈阳建筑大学学报（自然科学版）》 CAS 北大核心 2014年第1期181-186,共6页; 基金国家自然科学基金项目(61272253) 住房和城乡建设部基金项目(2011-k11-22); 文摘目的提出一种能够提高退火炉温度控制系统的性能和精度的具体方案,增强控制系统的鲁棒性.方法针对退火炉温度控制系统具有多变量,非线性和不确定性的特点,将T-S模糊神经网络与预测控制相结合,在线建立被控对象的数学模型,并用BP神经网络控制器对所得到的信息在线修正,进而控制退火炉炉温.并通过仿真与传统的模糊PID控制方案进行对比分析.结果 T-S模糊神经网络预测控制方案具有较强的控制精度和动态性能,预测精度高、容错性好、收敛速度快,基本无超调等特点.结论 T-S模糊神经网络预测控制能够提高产品退火质量、节能环保,可以应用于退火炉炉温的优化控制.; 关键词退火炉 t—s模糊神经网络 BP神经网络预测控制; Keywords annealing furnace t-s fuzzy neural network BP neural network predictive control; 分类号 TP273 [自动化与计算机技术—检测技术与自动化装置] TU273.4 [建筑科学—建筑设计及理论]; 在线阅读下载PDF 职称材料

题名基于T-S模糊神经网络的边坡稳定性分析被引量：5: 2; 作者张万亮许晨张丁郝玉成; 机构神华哈尔乌素煤炭分公司哈尔乌素露天煤矿; 出处《露天采矿技术》 CAS 2013年第4期20-22,共3页; 文摘由于影响边坡稳定性的因素存在随机性、模糊性,本文将模糊系统思想融入到神经网络的应用中,建立T-S模糊神经网络,采用粘聚力、摩擦角、边坡角、边坡高、人为影响、采矿工程影响这6个参数作为边坡稳定性评价系统的输入参数,而将边坡稳定状态作为输出参数,通过对工程实例的建模分析表明,该网络预测精度达到工程要求,该分析方法具有较为广泛的应用前景。; 关键词 t—s模糊神经网络模糊规则稳定性分析评价准则; 分类号 TD824.7 [矿业工程—煤矿开采]; 在线阅读下载PDF 职称材料

题名一种递归型模糊神经网络用于动态系统辨识的研究: 3; 作者胡玉玲; 机构北京建筑工程学院电气与信息工程学院; 出处《北京建筑工程学院学报》 2006年第3期44-47,共4页; 基金北京建筑工程学院青年基金项目(资助号:1005023); 文摘针对静态模糊神经网络对动态系统辨识精度低的特点,在T-S模糊神经网络标准结构基础上,通过在输入层与状态层间加入可以记忆暂态信息的递归层,一种新的T-S递归型模糊神经网络(TSRFNN)被提出,来提高对动态系统的辨识能力.同时,给出了参数的动态BP学习算法.通过仿真实验,证明提出的TSRFNN对动态非线性系统的辨识比传统静态模糊神经网络(TFNN),具有更快的网络收敛速度,更高的辨识精度,更适合于动态系统的辨识.; 关键词 t—s递归型模糊神经网络动态系统自适应学习算法辨识; Keywords t-s recurrent fuzzy-neural networks dynamic system adaptive learning algorithm iden- tification; 分类号 N945.14 [自然科学总论—系统科学] TP273.4 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名改进PSO-TSFNN智能家居室内空气质量检测与评价被引量：8: 4; 作者陈双叶徐文政丁双春咸耀山; 机构北京工业大学电子信息与控制工程学院; 出处《电子技术应用》北大核心 2017年第1期84-87,91,共5页; 基金北京市科技计划课题重大科技成果转化落地培育项目(Z131100002413028); 文摘针对室内空气质量评级存在多影响因子及随机变化的特点,在T-S模糊神经网络(TSFNN)基础上提出一种基于改进粒子群(PSO)优化的算法来对室内空气品质状况进行评价。根据GB/T18883-2002,选取室内代表性污染因子构建标准评价表;通过标准评价表对网络进行训练和测试,生成可用评价模型。结果表明,该模型能够对室内空气质量进行客观可靠的评价,为智能家居室内空气质量调控提供可靠保证,具有较高的实用价值。; 关键词粒子群 t—s模糊神经网络室内空气质量评价智能家居; Keywords particle swarm t-s fuzzy neural network indoor air quality assessment smart home; 分类号 TN711 [电子电信—电路与系统]; 在线阅读下载PDF 职称材料

题名大型公共建筑室内热舒适性预测方法研究被引量：1: 5; 作者张晓亚于军琪王睿; 机构西安建筑科技大学信息与控制工程学院中联西北工程设计研究院; 出处《现代建筑电气》 2013年第2期13-17,29,共6页; 基金陕西省教育厅专项科研项目(11JK1041) 住房和城乡建设部项目(2012-K1-1); 文摘针对大型公共建筑室内热环境实时控制问题,运用T-S模糊神经网络理论与方法,建立了大型公共建筑室内热舒适性PMV指标的预测模型。通过对实例的分析与评价,验证了该模型的合理性。与传统BP算法的对比表明,该方法计算速度快、准确度高,为解决基于PMV指标的空调实时控制奠定了基础。; 关键词大型公共建筑 t—s模糊神经网络热舒适 PMV指标预测; Keywords large-scale public building t - s fuzzy neural network thermal comfort PMV index prediction; 分类号 TU831 [建筑科学—供热、供燃气、通风及空调工程]; 在线阅读下载PDF 职称材料

题名钢轨磨耗影响因素分析及磨耗预测研究被引量：2: 6; 作者周宇; 机构天津市地下铁道运营有限公司; 出处《交通节能与环保》 2018年第1期8-10,共3页; 文摘本文针对钢轨磨耗无法有效预测的问题,提出基于T-S模型的模糊神经网络磨耗预测方法。将车速、曲线半径、摩擦系数等5个因素作为网络输入,以钢轨的侧磨值、垂磨值为输出,建立基于T-S模糊神经网络的钢轨磨耗预测模型,并结合实际数据进行仿真实验。; 关键词轨道交通磨耗因素分析钢轨磨耗预测 t—s模糊神经网络; Keywords rail transit analysis of influencing factors wear prediction t-s fuzzy neural network; 分类号 U213.42 [交通运输工程—道路与铁道工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于T-S模型模糊神经网络预测的退火炉温度控制	于谨李晓峰	《沈阳建筑大学学报（自然科学版）》 CAS 北大核心	2014	4	在线阅读下载PDF 职称材料
2	基于T-S模糊神经网络的边坡稳定性分析	张万亮许晨张丁郝玉成	《露天采矿技术》 CAS	2013	5	在线阅读下载PDF 职称材料
3	一种递归型模糊神经网络用于动态系统辨识的研究	胡玉玲	《北京建筑工程学院学报》	2006	0	在线阅读下载PDF 职称材料
4	改进PSO-TSFNN智能家居室内空气质量检测与评价	陈双叶徐文政丁双春咸耀山	《电子技术应用》北大核心	2017	8	在线阅读下载PDF 职称材料
5	大型公共建筑室内热舒适性预测方法研究	张晓亚于军琪王睿	《现代建筑电气》	2013	1	在线阅读下载PDF 职称材料
6	钢轨磨耗影响因素分析及磨耗预测研究	周宇	《交通节能与环保》	2018	2	在线阅读下载PDF 职称材料