基于插值机理的分布参数系统T-S模糊推理建模

研究分布参数系统的建模问题,给出一种基于T-S模糊推理与HX方法的T-S型模糊三角插值推理建模方法,满足插值机理.理论分析表明方法可利用有限的采样数据推断分布参数系统的时空变化规律.仿真实验显示方法是有效的,且具有建模精度较高的特点.     

模糊控制系统的建模

提出一种基于模糊推理的关于控制系统的建模方法,称之为模糊推理建模法, 它可以作为不同于熟知的机理建模法和系统辨识建模法的第3种建模方法. 该方法根据模糊逻辑系统的插值机理将关于被控对象的模糊推理规则库转换为一类变系数非线性微分方程(组), 从而得到控制系统的数学模型;这样便解决了在模糊控制系统中被控对象难于建模的问题.     

模糊推理插值器

提出了模糊推理插值器概念.这一方向的研究既能为模糊推理算法引入数值分析中成熟的误差分析方法,又能为插值法引入模糊推理中的算子和技巧,有望在高维插值,模糊控制器设计和分析等领域得到应用.     

简易插值模糊推理方法

从函数扩充的角度将模糊推理视为两个论域语言值与语言值之间的对应关系,将一条规则视为一个由前提和结论组成的模糊数据对,将规则集视为一组已知的模糊数据节点集,将它们作为模糊插值节点,给出了一种插值推理函数的建立方法.然后利用扩展原理给出插值推理结果,推理的过程简化为一个求复合函数的过程.无论是对稀疏规则集还是对完备规则集,只要具有有序交叠互补性,该推理方法就能保证还原性,语气单调性,属性介值性和保正规性.     

基于模糊变换的模糊系统及HX方程

本文研究基于模糊变换的模糊系统的构造方法和模糊推理建模法问题。首先,给出了利用单入-单出模糊系统和模糊变换构造双输入-单输出模糊系统的方法,指出这种模糊系统具有泛逼近性,并给出了该模糊系统具有泛逼近性的充分条件。其次,将该模糊系统应用到模糊推理建模法中,得到了一种新的HX方程,泛逼近性定理说明:该HX方程对原系统具有很好的泛逼近性。最后,将得到的新的HX方程应用到自治Lienard系统中,得到了不含一阶导数项的简化HX方程。简化的HX方程将原先逐片求解(m-1)(n-1)个方程,简化为逐片求解m-1个方程,从而降低了计算复杂度。仿真实验说明了新HX方程的有效性。     

基于T-S模型的Lurie混沌系统的模糊控制

针对Lurie混沌控制系统,进行了T-S模糊建模和模糊控制器设计,从而实现了Lurie混沌系统的稳定.在用T-S模糊模型精确重构Lurie系统结构的基础上,利用反馈同步思想,基于并行分布补偿(PDC)技术,得到了简单且易实现的控制器.仿真结果验证了该控制方法的有效性.     

模糊时滞系统的输出反馈控制器设计

利用模糊T-S模型对一类非线性时滞系统进行建模;在此基础上,设计出了模糊静态输出反馈控制器和模糊动态输出反馈控制器,并利用Lyapunov-Razumikhin引理和线性矩阵不等式证明了系统渐近稳定的充分条件,通过求解一系列线性矩阵不等式,得到了反馈增益矩阵。     

基于区间2型T-S模糊系统的自适应逆控制

复杂非线性系统存在强非线性和不确定性等问题,其建模与控制一直是个极具挑战的工作。自适应逆控制是一种有效的非线性系统控制方法,已经得到广泛的研究;2型模糊系统采用2型模糊集,相比于1型模糊系统,其能够提供更大的自由度,不确定性及非线性处理能力更强,能够采用较少的规则数取得较高的建模与控制精度。因此,本文将2型模糊系统理论与自适应逆控制相结合,提出了一种基于区间2型T-S模糊系统的自适应逆控制方法,实现对复杂非线性系统的有效建模与控制。首先通过离线输出输入数据映射得到非线性系统的离线2型模糊逆模型,然后将该离线区间2型模糊逆模型作为初始控制器,与被控对象串联,进行在线控制,并采用最小均方差(Least Mean Square,LMS)滤波算法在线修正2型模糊逆模型的结论参数,通过数字复制,更新逆模型控制器的参数。最后将该方法应用于两个仿真实例,结果表明本文方法控制精度高,不确定性处理能力强。     

基于观测器的模糊时滞系统指数稳定的一种设计方法

研究了一类模糊时滞系统的指数稳定问题.首先利用T-S模型对非线性不确定性时滞系统进行建模,在此基础上设计了基于观测器的模糊状态反馈控制器,通过巧妙选取Lyapunov函数给出了模糊闭环时滞系统的条件及稳定裕度且模糊反馈增益和模糊观测器增益可通过求解线性矩阵不等式获得.     

基于自适应模糊聚类的T-S模糊辨识方法

针对模糊建模在进行结构辨识时需事先设定聚类数的问题,本文在改进模糊分割聚类算法的基础上,对算法中聚类数c给出优选方法,提出了参数自适应模糊聚类算法,并结合递推最小二乘法构建T-S模糊辨识算法。为了验证本文提出的模糊辨识方法的有效性,采用该算法对熟知的Box-Jenkins煤气炉数据和实际的电液位置伺服系统数据进行建模,结果显示该辨识方法具有较高的逼近精度和较好的泛化能力。     

基于模糊与神经网络技术的复杂非线性跟踪控制

针对一类具有不确定性、多重时延和状态未知的复杂非线性系统,把模糊T-S模型和RBF神经网络结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态,并由线性矩阵不等式得到模糊模型的控制律;其次,构建了自适应RBF神经网络,应用自适应RBF神经网络作为补偿器来补偿建模误差和不确定非线性部分.证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性.     

模糊神经网络在多源数据融合中的应用研究

在T-S模糊神经网络数据融合的基础上,改进了标准T-S模糊融合算法中的模糊算子,并利用聚类算法对网络结构中模糊隶属度个数进行选取.通过仿真实验,验证了改进的算法在融合过程中的合理性、稳定性和准确性.以及聚类算法在T-S模糊神经网络数据融合算法中运用的合理性和有效性.     

基于网格分片线性函数构造的非齐次线性T-S模糊系统的逼近性分析

分片线性函数是一元分段线性函数在多元情况下的推广,它在沟通模糊系统和被逼近函数关系中起着重要的桥梁作用.文章基于多元连续函数的网格分片线性函数(grid piecewise linear function,GPLF)重新构造了非齐次线性T-S模糊系统,并依据行列式性质和矩阵模证明了当规则后件线性部分所有参数选取非零常数时该系统对GPLF也具有逼近性.进而在最大模意义下获得该线性T-S模糊系统对连续函数类构成逼近器.此外,通过模拟实例对非齐次线性T-S模糊系统进行逼近精度分析.结果显示,该非齐次线性T-S模糊系统可按任意精度逼近所给连续函数.     

布尔代数的直觉T-S模糊子代数及理想

在布尔代数中引入了的直觉T-S模糊子代数和直觉T-S模糊理想的概念,给出了布尔代数的直觉T-S模糊子代数的两个等价定义,进一步讨论了它们的性质.证明了布尔代数的两个直觉T-S模糊子代数(理想)的模交与直积也是直觉T-S模糊子代数(理想).     

输入变量个数对T-S模糊建模精度的影响

输入变量个数会对模糊建模精度产生影响.对于一个实际的复杂系统,可测的或者需要考虑的输入变量非常多.是不是考虑的影响因素越多,即模糊系统的输入变量越多,则辨识的效果就越好呢?本文基于T-S模糊模型,分别采用对称三角形模糊划分和网格对角线法以及模糊聚类划分提取模糊规则,对Box-Jenkins煤气炉数据和Mackey-Glass混沌时间序列进行建模,得到了模糊模型训练性能指标和检验性能指标随输入变量个数增加时的变化趋势曲线,并给出了结论.     

GIHS-TSFNN并行学习算法及其应用研究

针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度.     

非线性网络控制系统的保性能控制

针对网络诱导时延小于一个采样周期的非线性网络控制系统,研究了系统的稳定性和保性能控制问题.对于T-S模糊模型描述的非线性被控对象,将时延的不确定性转化为系统参数的不确定性,从而将这一类非线性网络控制系统建模为具有参数不确定性的离散T-S模糊模型.基于建立的模型,提出了存在稳定保性能控制器的充分条件,并得出了相应的线性矩阵不等式(LMI)形式.最后通过对永磁同步电动机混沌系统进行控制和仿真研究,验证了所提出方法的有效性.     

基于Mamdani型模糊推理的震中烈度预测模型

对应用模糊推理进行系统预测进行了深入的研究,建立了以震级和震源深度为输入的基于Mamdani型模糊推理的震中烈度预测模型.并以四川地区震例数据为例,对数据信息提取,模糊规则建立等关键环节进行了详细的介绍,预测结果分析表明推理模型是可行和有效的.     

高斯型模糊前向神经网络

利用高斯型隶属函数和采样数据得到了三层模糊前向神经网络。该网络模型利用权值直接确定法得到了最优权值,并依据采样数据中的插值样本较好确定了单隐层神经元个数。该网络是近似插值神经网络。仿真实验表明,高斯型模糊前向神经网络具有逼近精度高、网络结构简单、良好的去噪性和实时性高等优点。     

直觉模糊推理系统的鲁棒性

强调模糊性和疑惑性的Atanassov直觉模糊集在决策、图像处理、聚类和专家系统等智能系统中得以广泛的应用。为了更好地实现直觉模糊推理,研究直觉模糊推理系统诸如鲁棒性的基本性质意义非凡。本文给出了直觉模糊t-模和s-模、否和几种蕴涵(即R-、S-和QL-蕴涵)的灵敏度表达式。并根据这些模糊连接词和直觉模糊集的灵敏度深入分析了直觉模糊推理系统的鲁棒性,并发现直觉模糊推理系统的鲁棒性取决于其构成的直觉模糊连接词。