检索结果-维普期刊中文期刊服务平台

基于改进FCM的超超临界机组过热器T-S神经网络模型辨识被引量：1: 1; 作者方彦军胡龙珍胡文凯《锅炉技术》北大核心 2012年第4期4-8,共5页; 构建了过热器多输入单输出的T-S神经网络模型,并针对输入变量空间划分问题提出了一种改进FCM算法。通过确定高斯型隶属函数参数,实现模型结构参数辨识,利用递推最小二乘法完成模型后件参数辨识。对华能海门电厂百万机组过热器模型辨识... 展开更多; 关键词超超临界机组过热器 t—s神经网络模型辨识; 在线阅读下载PDF 职称材料

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: 2; 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

半主动悬架的一种智能控制设计与稳定性分析被引量：2: 3; 作者杨谋存殷晨波 +1 位作者孙后环徐海涵《南京航空航天大学学报》 EI CAS CSCD 北大核心 2009年第3期375-379,共5页; 在建立某轻型越野车悬架系统7自由度数学模型的基础上,设计了基于模糊T-S神经网络控制策略的半主动悬架控制系统,分析并推导了该输出反馈控制系统的局部和全局稳定性条件。然后,进行了计算机仿真计算,并在沙石路面和沥青路面上进行了实... 展开更多; 关键词半主动悬架 t—s神经网络控制稳定性; 在线阅读下载PDF 职称材料

基于高光谱图像技术的大豆品种无损鉴别被引量：12: 4; 作者柴玉华毕文佳 +2 位作者谭克竹张春雷刘春涛《东北农业大学学报》 CAS CSCD 北大核心 2016年第3期86-93,共8页; 为解决传统大豆品种检测方法存在的效率低和精度差等问题，应用高光谱图像分析技术展开大豆品种甄别研究。采集10个品种（每品种100粒，共1000粒）大豆样本400．92—999．53nm的高光谱反射图像，分别进行中值平滑、多元散射校正和数据... 展开更多; 关键词大豆高光谱图像品种甄别 t—s模糊神经网络随机森林思想组合分类器; 在线阅读下载PDF 职称材料

题名基于改进FCM的超超临界机组过热器T-S神经网络模型辨识被引量：1: 1; 作者方彦军胡龙珍胡文凯; 机构武汉大学自动化系; 出处《锅炉技术》北大核心 2012年第4期4-8,共5页; 文摘构建了过热器多输入单输出的T-S神经网络模型,并针对输入变量空间划分问题提出了一种改进FCM算法。通过确定高斯型隶属函数参数,实现模型结构参数辨识,利用递推最小二乘法完成模型后件参数辨识。对华能海门电厂百万机组过热器模型辨识进行仿真,结果表明此方法具有较好的辨识效果,辨识出的过热器模型具有较好的精度和泛化能力。; 关键词超超临界机组过热器 t—s神经网络模型辨识; Keywords Ultra-supercritical units superheater t-s neural network model identifi-cation; 分类号 TK223.3 [动力工程及工程热物理—动力机械及工程]; 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: 2; 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

题名半主动悬架的一种智能控制设计与稳定性分析被引量：2: 3; 作者杨谋存殷晨波孙后环徐海涵; 机构南京工业大学机械与动力工程学院; 出处《南京航空航天大学学报》 EI CAS CSCD 北大核心 2009年第3期375-379,共5页; 文摘在建立某轻型越野车悬架系统7自由度数学模型的基础上,设计了基于模糊T-S神经网络控制策略的半主动悬架控制系统,分析并推导了该输出反馈控制系统的局部和全局稳定性条件。然后,进行了计算机仿真计算,并在沙石路面和沥青路面上进行了实车道路试验。仿真和试验结果趋于一致,车辆性能改善较明显。实验结果表明推理正确,控制器稳定有效,具有较强的鲁棒性。; 关键词半主动悬架 t—s神经网络控制稳定性; Keywords semi-active suspension t-s neural network control stability; 分类号 TP13 [自动化与计算机技术—控制理论与控制工程] U463.33 [机械工程—车辆工程]; 在线阅读下载PDF 职称材料

题名基于高光谱图像技术的大豆品种无损鉴别被引量：12: 4; 作者柴玉华毕文佳谭克竹张春雷刘春涛; 机构东北农业大学电气与信息学院; 出处《东北农业大学学报》 CAS CSCD 北大核心 2016年第3期86-93,共8页; 基金国家自然科学基金(31271911) 黑龙江省自然科学基金(ZD201303); 文摘为解决传统大豆品种检测方法存在的效率低和精度差等问题，应用高光谱图像分析技术展开大豆品种甄别研究。采集10个品种（每品种100粒，共1000粒）大豆样本400．92—999．53nm的高光谱反射图像，分别进行中值平滑、多元散射校正和数据标准归一化预处理去噪，提取样本图像中心30×30pixels感兴趣区域的平均光谱曲线和标准差曲线。分别以样本平均光谱值主成分得分、标准差光谱值主成分得分及两者结合作为模型输入，基于T—S模糊神经网络和随机森林思想组合分类器构建鉴别模型。经中值平滑的光谱平均值和标准差作输入，结合随机森林思想的组合分类模型鉴别效果最佳，训练集、测试集的平均鉴别率分别达99．6％和97．6％。结果表明，采用高光谱图像技术可实现大豆品种高精度无损鉴别。; 关键词大豆高光谱图像品种甄别 t—s模糊神经网络随机森林思想组合分类器; Keywords soybean seed hyperspectral image variety identification t-s fuzzy neural network random forest classifier; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 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	基于改进FCM的超超临界机组过热器T-S神经网络模型辨识	方彦军胡龙珍胡文凯	《锅炉技术》北大核心	2012	1	在线阅读下载PDF 职称材料
2	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
3	半主动悬架的一种智能控制设计与稳定性分析	杨谋存殷晨波孙后环徐海涵	《南京航空航天大学学报》 EI CAS CSCD 北大核心	2009	2	在线阅读下载PDF 职称材料
4	基于高光谱图像技术的大豆品种无损鉴别	柴玉华毕文佳谭克竹张春雷刘春涛	《东北农业大学学报》 CAS CSCD 北大核心	2016	12	在线阅读下载PDF 职称材料