在工程应用中ip-iq谐波检测算法改进与仿真研究

谐波检测是有源电力滤波器非常关键的一环,只有准确地检测到谐波才能进行合理补偿。为了克服有源电力滤波器中ip-iq算法补偿效果在电网波动和负载变化时出现下降的不足,提出了一种改进的ip-iq谐波及无功电流检测方法,在寻找某一小频率范围内的最优滤波器的基础上,根据电网和负载变化以及模糊隶属函数进行实时投切。该算法提高了补偿后的稳态响应。改进后的算法在工程应用中具有很强的帮助作用。通过simulink仿真证明方法的有效性。     

动态补偿模糊神经网络在煤矸识别中的应用

针对传统人工煤矸在线识别方法精确度低、劳动强度大的问题,提出一种基于动态补偿模糊神经网络的煤矸识别方法。该方法基于煤和煤矸石的元素含量不同、X射线的衰减不同,在X射线透射后成像具有不同的图像特征,用动态补偿模糊神经网络学习算法对其图像特征进行分析,提高识别准确率,并通过仿真实验对应用动态补偿模糊神经网络学习算法的煤矸分选结果进行了测试验证。实验结果表明:动态补偿模糊神经网络的学习算法能够满足煤矸识别要求,能够适应不同组成的煤和煤矸石的分类识别要求,提高了煤与煤矸石识别的准确率,具有较高的可靠性和较好的应用前景。     

模糊算法在肾脏电子病历系统中的应用研究

本文将模糊逻辑推理的思想运用在肾脏电子病历系统的智能推理和知识表达中,并对一些模糊逻辑推理算法进行改进,使得在处方诊断时,可以根据患者输入的各项化验指标进行模糊推理,排定治疗的手段和治疗的剂量,供医生参考,并用模糊逻辑推理方法在肾脏电子病历系统中进行血液透析和腹膜透析综合运用的自动检测实验,结果表明该算法有效可行,可进一步实现电子病历的智能化。     

关于模糊C-均值（FCM）聚类算法的改进

对模糊C-均值聚类算法的改进,即在原有的模糊C-均值算法的基础上,用一种新的定义距离的方法替代欧氏空间中距离的定义,改进模糊聚类算法。并且用数据仿真验证这种改进的模糊聚类算法与原来算法相比,聚类效果更好,分类更清晰。     

模糊自适应滑模控制器及其应用研究

针对传统滑模变结构控制器（SMC）的抖振现象,提出了一种模糊自适应滑模控制方法．该方法采用模糊逻辑系统来逼近传统SMC中不连续的控制信号,以削弱其由于不连续切换引起的抖振．另外,为了补偿实际应用中系统的不确定性,给出了相应的自适应算法,以调节模糊系统的参数,并给出了算法的Lyapunov稳定性证明．最后,通过对一个感应电机位置控制的数值仿真计算,验证了方法的有效性．     

改进的F-ISODATA聚类算法在ANFIS建模中的应用

文章介绍了模糊ISODATA聚类分析的算法及其改进算法,并以此对基因序列聚类进行实验分析。对基于模糊ISODATA聚类分析的神经模糊建模方法进行了介绍,并以此对电动汽车的蓄电池剩余电量进行了知识建模,得到了较好的结果。     

基于不完全微分模糊-PID的主动队列管理算法研究

主动队列管理(AQM)作为一种重要的IP层网络拥塞控制策略,对于Internet服务质量的提高起着至关重要的作用。文章介绍了AQM算法的研究现状,分析了AQM中的PID算法,并用不完全微分和模糊的方法改进了PID算法,得到一种不完全微分模糊-PID控制器。与常规的算法相比,该算法能够有效地抑制高频噪声,改善了系统的动态性能。仿真结果表明,该算法能更好地改善系统的动态特性。     

基于改进的模糊边缘检测算法的应用研究

通过对Pal和King模糊边缘检测算法的分析,提出了一种改进的快速模糊边缘检测算法.定义了新的隶属度函数,弥补了Pal和King算法固定取阀值的不足.不仅对图像进行模糊增强和边缘平滑处理,还实现"Min"算子和"Max"算子综合使用提取边缘.实验结果表明,改进算法能够有效提取图像的边缘,特别是在提取对比度不高的图像时具...     

基于模糊费用最小生成树问题的算法设计

考虑到通信网络系统架设费用存在着不确定性,针对修建费用为模糊数的最小生成树问题,本文根据改进的PR IM算法得到通信网络系统中关于模糊费用的一棵最小生成树.这种新算法充分考虑了架设费用的模糊性,它的时间复杂度为O(n2).     

基于fMRI数据的改进模糊聚类算法研究

针对功能磁共振成像(functional Magnetic Resonance Imaging,f MRI)数据的特点,在聚类fMRI数据时,两个体素之间的距离通常并非是一种简单的空间距离,而是和它们之间的相关程度有关的距离测度.在双曲相关系数(Hyperbolic Correlation Coefficient,HCC)距离度量基础上发展了一种新的距离测度,并提出了改进模糊聚类算法的定义、算法评价标准和算法参数的优化方法,然后将改进后的模糊聚类算法分别在任务态和静息态f MRI数据上与基于HCC距离度量的模糊聚类算法进行比较,最后通过比较结果证明改进后的模糊聚类算法具有较好的聚类效果和收敛速度.