导读:本文包含了自适应模糊算法论文开题报告文献综述及选题提纲参考文献，主要关键词:足球机器人,运动控制,轨迹跟踪,自适应模糊PID
自适应模糊算法论文文献综述
喻阳俭,茹锋,王萍,张妮[1]（2019）在《自适应模糊算法优化的足球机器人轨迹跟踪》一文中研究指出为了提高足球机器人在运动控制过程中的轨迹跟踪性能和稳定性,将自适应模糊PID算法用于机器人运动控制环节中,对PID参数进行实时调整。建立足球机器人在场地上的控制系统模型,分析机器人在轨迹跟踪中由驱动方向、角度等时变因素导致的实际轨迹发生偏移的问题,分别在MATLAB-Simulink和SimRobot仿真平台对优化算法的性能进行仿真,同时与传统的PID控制进行对比。实验结果表明,自适应模糊PID算法相比传统的PID控制器在最大跟踪误差和平均跟踪误差方面分别减少20.18%和29.34%,同时提升了系统的稳定性。该控制算法提升了足球机器人的轨迹跟踪性能,满足机器人在运动过程中的动力学和控制要求,易于在工程中应用。(本文来源于《机械与电子》期刊2019年07期）
杨洁,周洋,谢菲,张旭光[2]（2019）在《采用自适应梯度稀疏模型的图像去模糊算法》一文中研究指出目的图像的梯度分布被广泛应用在自然图像去模糊中,但研究结果显示先前的梯度参数估计方法不能很好地适应图像局部纹理变化。为此根据图像分块平稳的特点提出一种采用局部自适应梯度稀疏模型的图像去模糊模型。方法该模型采用广义高斯分布(GGD)来描述图像不同区域的梯度分布,在最大后验概率框架下建立自适应梯度稀疏模型,然后采用变量分裂交替优化算法来求解模型中的最小化问题。在GGD参数估计中,先对模糊图像进行预处理,并将预处理后的图像分成纹理区和平滑区,仅对纹理区采用全局收敛算法进行GGD参数估计,而对平滑区设置固定参数值。结果本文算法与近年来常用的去模糊去噪算法在不同类型的自然图像上进行了对比。实验结果表明,本文的参数估计法能精确地表达图像局部纹理变化,当在低噪声(加1%噪声),分别加入模糊核1和2的条件下,经本文算法去除模糊和噪声后的图像相较对比算法能分别提高信噪比值0. 04 2. 96 dB和0. 14 3. 19 dB;在高噪声(加4%噪声)不同模糊核下,能分别提高0. 194. 50 dB和0. 20 3. 63 dB,同时本文算法相比2017年Pan等人提出的算法(加2%噪声)能提升0. 15 0. 36 dB。此外,本文算法在主观视觉上能获得更清晰的纹理和边缘结构信息。结论本文算法在主客观评价上都表现出了良好的去模糊性能,可应用在自然图像和低照明图像等的去模糊领域。(本文来源于《中国图象图形学报》期刊2019年02期）
Aamer,Bilal,Asghar[3]（2018）在《基于自适应神经模糊算法的风力机参数估计》一文中研究指出可再生和可持续的能源资源,特别是风能已经在发电方面引起重视。风能已成为传统化石燃料的最佳替代品,因为它具有更高的效率,低成本和可靠性。风力产生的能源清洁,没有排放温室气体,有助于减缓全球变暖和环境污染。因此,先进的控制技术已被用于改善其性能。本文研究了基于混合智能学习的自适应神经模糊算法的实现,以估计变速风力发电机组不同关键参数。该研究主要包括以下主题:(1)选择合适的风机安装场地时,风速概率分布和风能潜力评估是非常重要的因素。风电场设计师使用威布尔风速概率分布函数(PDF)来分析特定地点的风速特性和变化。本文提出了一种基于混合智能学习的自适应神经模糊推理系统(ANFIS)来准确估计威布尔风速密度。人工神经网络(ANN)使用混合优化方法训练模糊隶属函数(MFs)的参数。针对不同类型的输入-输出MFs进行了大量实验,并观察到将高斯MFs分配给输入变量并将线性MFs分配给输出变量可获得最佳结果。将提出的神经模糊系统的方法与五个众所周知的数值方法进行比较。结果表明,ANFIS优于所有数值方法,并提供测量的威布尔分布曲线的最佳拟合。威布尔参数进一步用于计算风能密度。观察到可利用的风力资源具有一定的风能潜力。然后,考虑使用额定功率为50千瓦,100千瓦,150千瓦和250千瓦的四台小型风力涡轮机,以选择最有效且经济可行的风力涡轮机来获取可用风力资源。平均电力,年产能和容量系数确定了 50kW和100kW风机的最为经济可行性。(2)风速的精确测量是关键任务,对风机输出功率,安全性和控制性能影响很大。传统的风速传感器仅在单个点处测量风速,其不能反映风力对整个风力涡轮机转子的影响。本文提出了一种自适应神经模糊算法,用于从风机叶尖速比(TSR),转子速度和机械功率的瞬时值在线估算有效风速。该系统使用最小二乘估计方法和后向传播梯度下降方法进行训练。据观察,钟形模糊MFs提供最佳结果。进一步利用有效风速的估计值来设计用于变速风力涡轮机(VSWT)的最大功率点跟踪(MPPT)的最优转子速度估计器。两个估算器均在MATLAB中实现,并对国家可再生能源实验室(NREL)近海5 MW基准风机进行了性能调查。仿真结果表明了该方法的有效性。所提出的方案具有计算智能,易于实现且更加可靠,用于快速估计有效风速和最佳转子速度。(3)功率系数是衡量风力机效率的指标。风力涡轮机的效率随运行TSR而变化。功率系数是操作TSR和俯仰角的非线性函数。功率系数在TSR的最佳值处达到其最大值。当风速低于额定值时,VSWT将以最大功率系数运行,以实现最大功率获取。因此,风机功率系数和TSR的准确估计对优化其运行非常重要。本文提出了一种自适应神经模糊算法来精确估计NREL近海5 MW基准风机功率系数和TSR的实时值。最小二乘算法用于训练前向通道中的前件(IF部分)参数,后向传播梯度下降算法用于训练前向通道中的后件(THEN部分)参数。在训练过程中,ANN通过分析训练数据集来调整MFs的形状,并自动生成决策模糊规则。将提出的TSR估计器的性能与传统的多层感知器前馈神经网络(MLPFFNN)相比较。实验结果验证了该方法的有效性。(本文来源于《大连理工大学》期刊2018-11-28）
郭丽琴,鲍晟,汪礼雪,何永义[4]（2018）在《基于自适应模糊算法的履带车轨迹跟踪》一文中研究指出为了实现履带式码垛车自动的跟踪预定路径进入集装箱内部进行码垛工作,设计了针对特定工作环境的模糊运动控制器。控制器采用位移偏差和角度偏差作为输入,速差比作为输出,并在传统模糊控制的基础上提出了一种新的自适应模糊控制以提高控制精度。在MATLAB平台上进行了对比仿真,仿真结果表明自适应模糊控制效果优于传统模糊控制。最后,在实车上进行实验,实验结果表明所设计的模糊控制器鲁棒性好,能够实现履带车在码垛过程中的路径跟踪。(本文来源于《工业控制计算机》期刊2018年03期）
江顺亮,姜尹楠,曾小霞,唐祎玲,徐少平[5]（2019）在《适用于迭代型去模糊算法的自适应迭代终止条件》一文中研究指出由于缺乏有效的迭代终止条件(iterative stopping criterion,ISC),目前大多数去模糊算法简单采用固定的迭代次数实现,存在着执行效率低、去模糊效果不够理想等问题。为此,提出一种基于残差图像(迭代过程中所获得的中间估计图像和模糊核卷积后与模糊图像之间的差值)的去模糊效果度量(deblurring measure,DM),并在该DM度量的基础上设计了一种自适应的迭代终止条件(adaptive ISC,AISC)。将所提出的AISC迭代终止条件应用于经典的NCSR(nonlocally centralized sparse representation)迭代型去模糊算法中。在均匀模糊、高斯模糊和运动模糊叁种典型模糊失真类型下大量的实验数据表明,与采用固定迭代次数的原NCSR算法相比,采用自适应迭代条件后NCSR算法执行效率得到显着提升,且所复原图像在PSNR、SSIM和FSIM图像指标值上与原算法差别不大。(本文来源于《计算机应用研究》期刊2019年02期）
王志伟,缪磊磊,吴晨健[6]（2017）在《噪声自适应射影运动Richardson-Lucy去模糊算法研究》一文中研究指出针对射影运动Richardson-Lucy算法放大噪声的问题,提出了一种噪声自适应射影运动Richardson-Lucy去模糊算法。该算法首先估计运动模糊图像的高斯噪声方差,然后根据预先标定的高斯噪声方差-总变分(Total Variation)正则化参数表得到总变分正则化参数,最后射影运动Richardson-Lucy算法对运动模糊图像进行处理。仿真结果表明,算法在复原带有不同强度高斯噪声的运动模糊图像时,可以自动调节总变分正则化参数,有效地抑制了噪声放大,提高了图像质量。(本文来源于《电脑知识与技术》期刊2017年31期）
荣德生,刘凤[7]（2016）在《自适应神经模糊算法在光伏MPPT中的仿真分析》一文中研究指出针对神经网络算法和模糊控制算法在光伏发电最大功率点跟踪应用中存在的不足,提出一种自适应神经模糊控制算法,它是模糊控制与神经网络控制相结合的产物,无须专家经验,依赖数据建模,能自动产生模糊控制规则和调整隶属度函数.利用MATLAB/SIMULINK软件和MATLAB专用工具箱搭建了仿真模型.在相同环境条件下,分别对自适应神经模糊控制法、模糊控制法和传统扰动观察法进行仿真实验,仿真结果表明了所设计控制器在光伏MPPT中具有很好的动态特性和稳态精度,提高了工作效率.(本文来源于《微电子学与计算机》期刊2016年05期）
郭明芳[8]（2015）在《基于自适应模糊算法的船舶动力定位系统控制器研究》一文中研究指出文章基于自适应模糊算法对纵荡、横荡、艏摇叁个方向分别用叁个独立的控制器来进行控制,有效提高船舶动力定位系统的抗干扰能力和定位精度。(本文来源于《现代工业经济和信息化》期刊2015年11期）
谢宏,陈俊辉,陈海滨,邹高亮,杨鹏[9]（2016）在《无模型自适应模糊算法的多晶硅棒温度控制》一文中研究指出多晶硅还原炉硅棒表面温度控制既要保证硅棒表面在最佳反应温度,又不要使其波动较大。由于多晶硅生产过程中的气相沉积反应使硅棒电气结构发生变化,因而存在很强的耦合作用和非线性特性。提出了以无模型自适应模糊控制器为主控制器,以PI为副控制器的双闭环结构的控制系统,采用基于无模型自适应控制器的结构,根据无模型自适应控制器的参数学习因子和步长序列对系统动态性能影响趋势,使用模糊自适应方法,通过模糊规则在线修正无模型自适应控制器的学习因子和步长序列两个参数,使温度控制系统既能保证收敛稳定性,又能提高系统对于温度控制的动态性能。仿真结果表明了该控制方法的有效性。(本文来源于《计算机工程与应用》期刊2016年01期）
陈运华,高凤岐,王广龙[10]（2012）在《基于自适应模糊算法的无刷直流电机控制系统研究》一文中研究指出针对传统的PID控制系统不能随外界变化而调整参数和控制精度不高、鲁棒性差等缺点,提出将自适应模糊PID控制算法应用于无刷直流电机的控制中,运用模糊控制原理对PID参数进行在线调整。仿真及实验结果表明:较之传统的PID控制,自适应模糊PID控制系统响应速度快、鲁棒性强、超调小、精度高,达到了较好的控制效果。(本文来源于《微电机》期刊2012年12期）
自适应模糊算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的图像的梯度分布被广泛应用在自然图像去模糊中,但研究结果显示先前的梯度参数估计方法不能很好地适应图像局部纹理变化。为此根据图像分块平稳的特点提出一种采用局部自适应梯度稀疏模型的图像去模糊模型。方法该模型采用广义高斯分布(GGD)来描述图像不同区域的梯度分布,在最大后验概率框架下建立自适应梯度稀疏模型,然后采用变量分裂交替优化算法来求解模型中的最小化问题。在GGD参数估计中,先对模糊图像进行预处理,并将预处理后的图像分成纹理区和平滑区,仅对纹理区采用全局收敛算法进行GGD参数估计,而对平滑区设置固定参数值。结果本文算法与近年来常用的去模糊去噪算法在不同类型的自然图像上进行了对比。实验结果表明,本文的参数估计法能精确地表达图像局部纹理变化,当在低噪声(加1%噪声),分别加入模糊核1和2的条件下,经本文算法去除模糊和噪声后的图像相较对比算法能分别提高信噪比值0. 04 2. 96 dB和0. 14 3. 19 dB;在高噪声(加4%噪声)不同模糊核下,能分别提高0. 194. 50 dB和0. 20 3. 63 dB,同时本文算法相比2017年Pan等人提出的算法(加2%噪声)能提升0. 15 0. 36 dB。此外,本文算法在主观视觉上能获得更清晰的纹理和边缘结构信息。结论本文算法在主客观评价上都表现出了良好的去模糊性能,可应用在自然图像和低照明图像等的去模糊领域。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应模糊算法论文参考文献
[1].喻阳俭,茹锋,王萍,张妮.自适应模糊算法优化的足球机器人轨迹跟踪[J].机械与电子.2019
[2].杨洁,周洋,谢菲,张旭光.采用自适应梯度稀疏模型的图像去模糊算法[J].中国图象图形学报.2019
[3].Aamer,Bilal,Asghar.基于自适应神经模糊算法的风力机参数估计[D].大连理工大学.2018
[4].郭丽琴,鲍晟,汪礼雪,何永义.基于自适应模糊算法的履带车轨迹跟踪[J].工业控制计算机.2018
[5].江顺亮,姜尹楠,曾小霞,唐祎玲,徐少平.适用于迭代型去模糊算法的自适应迭代终止条件[J].计算机应用研究.2019
[6].王志伟,缪磊磊,吴晨健.噪声自适应射影运动Richardson-Lucy去模糊算法研究[J].电脑知识与技术.2017
[7].荣德生,刘凤.自适应神经模糊算法在光伏MPPT中的仿真分析[J].微电子学与计算机.2016
[8].郭明芳.基于自适应模糊算法的船舶动力定位系统控制器研究[J].现代工业经济和信息化.2015
[9].谢宏,陈俊辉,陈海滨,邹高亮,杨鹏.无模型自适应模糊算法的多晶硅棒温度控制[J].计算机工程与应用.2016
[10].陈运华,高凤岐,王广龙.基于自适应模糊算法的无刷直流电机控制系统研究[J].微电机.2012