基于模糊神经网络汽车换挡品质评价系统.pdfVIP

在装卸搬运时有其特点及方法: 物流装卸搬运的概念：物流装卸搬运 是指在一定的区域内(通常指某一个物流 结点，如车站、码头、仓库等，以改变物 品的存放状态和位置为主要内容的活动。 它是伴随输送和保管而产生的物流活动， 是对运输、保管、包装、流通加工、配送 等物流活动进行衔接的中间环节。 在整个物流活动中，如果强调存放状 态的改变时，一般用“装卸”一词表示；如 果强调空间位置改变时，常用“搬运”一词 表示。物流的各环节和同一环节不同活动 之间，都必须进行装卸搬运作业。所以杭 州搬家公司就是来完成其作业的。正是装 卸搬运活动把物流运动的各个阶段联结起 来，成为连续的流动过程。 / ·设计·计算·研究· 性，进而从一个换挡事件的客观数据获得换挡品质 式中，{儡，6；，c0为前提参数，隶属度函数的形状随这 的主观评价数值。 些参数的改变而改变。 常用的ANFIS建模方法有回归分析拟合法、神 第2层：这一层的节点负责将输入信号相乘， 经网络法、模糊神经网络法等。回归分析拟合法适 其输出为： 用在低挡的情况下，由于主观评价与客观评价之间 捂1，2 (3) 形产p血(石)×p毋(，，) 的联系是非线性的，采用此方法建模十分困难；神 每个节点的输出代表1条规则的可信度，这里 经网络对语言信息的处理比较欠缺，知识表达困 的“×”可以是任何满足r规范的4ⅣD算子。 难，内部对用户来说是模糊的，网络规则的映射不 第3层：第i个节点计算第i条规则的归一化 可见，而且非常难于理解；而模糊神经网络既具有 可信度： 模糊逻辑系统善于利用专家语言信息的优点，又具 备神经网络强大的自学习能力优点，它通过自适应 豇南_扛1，2 (4) 神经网络学习提炼出模糊规则，能够有效地计算出 第4层：该层每个节点i为自适应节点，其输出 隶属度函数的最佳参数，然后通过模糊推理建立主 为： 观评价和客观评价之间的联系，极大地减小了主观 q=形i(pi戈+qi)，+n)(5) 评价的随意性。 其中，{pf，gi，^}为该节点的参数集，该层的参数 鉴于模糊系统与神经网络结合的强大优势，利 称为结论参数。 用它们的结合体模糊神经网络建立汽车换挡品质 第5层：该层计算总的输出： 评价系统，以描述客观评价指标和主观感觉之间的 联系，从而客观有效地对换挡品质进行评价。 D；=；砩器 (6) 3．2模糊神经网络系统结构与算法 给定前提参数后，ANFIS的输出可以表示成结 3．2．1模糊神经网络结构 论参数的线性组合： 模糊神经网络是一种将模糊逻辑和神经网络 有机结合的模糊推理系统，它采用反向传播算法和 产辞移+蒜陟形历+形疵，=面例·+可彳铲彬√-+彬犯 最小二乘法相结合的混合学习算法来调节系统参 数，并能自动产生模糊规则。一阶Sugeno模糊模型 +(形2y)92+(形2)r2 (7) 的ANFlS结构(61如图2所示。 3．2．2混合学习算法 混合学习算法可分为两个步骤：