论文部分内容阅读
主要研究了智能非线性识别技术在绕组建模中的设计;首先分析了模糊神经(NF)建模的相关属性,针对绕组建模系统所需要的控制性能,为了改善其控制性能,实现可靠的容错系统,提出一种新的基于模糊神经网络NF的模拟模型,将该模型应用到基于递归的局部线性模糊神经网络(RLLNF),该网络通过局部的线性模型树(LOLIMOT)训练,设计出一种改进的基于树的增量学习算法;最后设置时间间隔在220s和225s之间的实际的绕组过程,通过仿真实验结果表明,将提出的NF模型与其他已知智能算法,即多层感知器(MLP)等进行比较