南京理工大学学报（自然科学版）
南京理工大學學報（自然科學版）
남경리공대학학보（자연과학판）
JOURNAL OF NANJING UNIVERSITY OF SCIENCE AND TECHNOLOGY
2012年
4期
645-649
,共5页
陈机林%王力%高强%邢宗义
陳機林%王力%高彊%邢宗義
진궤림%왕력%고강%형종의
爆破扫雷器%电液伺服系统%建模%模糊模型%神经网络
爆破掃雷器%電液伺服繫統%建模%模糊模型%神經網絡
폭파소뢰기%전액사복계통%건모%모호모형%신경망락
为了提高电液伺服系统的模型精度与准确度,对某爆破扫雷器电液伺服系统建模方法进行了研究.采用机理建模法,构造了电液伺服系统的传递函数,采用基于自适应神经模糊推理(Adaptive neuron-fuzzy inference system,ANFIS)和减法聚类的模糊神经网络(Fuzzy neural network based on subtractive clustering,Sub-FNN)方法,实现了电液伺服系统的智能建模.通过对模型均方根误差(Root mean square error,RMSE)和信号间方差比(Variance accounted for,VAF)性能指标的比较,表明基于减法聚类的模糊神经网络建模方法可以显著地提高模型精度.研究结果为实现电液伺服系统的控制奠定了基础.
為瞭提高電液伺服繫統的模型精度與準確度,對某爆破掃雷器電液伺服繫統建模方法進行瞭研究.採用機理建模法,構造瞭電液伺服繫統的傳遞函數,採用基于自適應神經模糊推理(Adaptive neuron-fuzzy inference system,ANFIS)和減法聚類的模糊神經網絡(Fuzzy neural network based on subtractive clustering,Sub-FNN)方法,實現瞭電液伺服繫統的智能建模.通過對模型均方根誤差(Root mean square error,RMSE)和信號間方差比(Variance accounted for,VAF)性能指標的比較,錶明基于減法聚類的模糊神經網絡建模方法可以顯著地提高模型精度.研究結果為實現電液伺服繫統的控製奠定瞭基礎.
위료제고전액사복계통적모형정도여준학도,대모폭파소뢰기전액사복계통건모방법진행료연구.채용궤리건모법,구조료전액사복계통적전체함수,채용기우자괄응신경모호추리(Adaptive neuron-fuzzy inference system,ANFIS)화감법취류적모호신경망락(Fuzzy neural network based on subtractive clustering,Sub-FNN)방법,실현료전액사복계통적지능건모.통과대모형균방근오차(Root mean square error,RMSE)화신호간방차비(Variance accounted for,VAF)성능지표적비교,표명기우감법취류적모호신경망락건모방법가이현저지제고모형정도.연구결과위실현전액사복계통적공제전정료기출.
