模糊数的隶属度区间分布函数

定义了关于模糊集合的隶属度区间分布函数的概念,用L-R梯形模糊数的隶属度区间分布函数等例子,说明了所引入的概念具备重要的实际背景,是合理的。进一步澄清了模糊数的隶属度函数、隶属度区间分布函数和随机变量的概率密度函数的关系,以及模糊数的隶属度区间分布函数和随机变量的概率分布函数的异同。     

基于自适应遗传算法模糊PID控制器参数优化

该文针对自适应模糊控制器的多参数优化问题,提出一种自适应遗传算法同时优化模糊规则和隶属函数的方法.先对隶属度函数和控制规则进行联合编码,遗传进化前期采用锦标赛精英保留,后期采用基于轮盘赌的非线性选择方法,保留了种群中较优个体,提高种群的多样性.采用一种自适应交叉变异算子,使交叉变异概率根据进化过程不断自动调整,避免算法...     

基于TS模型的非线性系统模糊辨识算法

对一类采样数据较均匀的非线性系统,提出一种基于TS模型的系统辨识算法.首先利用等分区间法对输入空间进行前提结构的划分,并根据所选定的隶属度函数确定每个输入变量在各个模糊子空间中的隶属度,然后利用卡尔曼滤波算法来辨识模型的后件参数.与模糊聚类等辨识算法相比,该算法计算量较小,适用于系统的在线辨识,仿真研究表明该算法具有较高的辨识精度.     

基于区间数的模糊隶属函数构建

针对当前基于统计方法构造模糊隶属函数中存在的不足,提出一种基于区间数的方法来确定模糊隶属函数。采用区间数描述“青年人”的概念;基于区间数和模糊数的知识,将区间数据转化成有界闭模糊数;经过加权计算得到一个正态模糊数的α-水平截集,并扩展成模糊隶属函数。试验结果表明:该方法简单、精度高,基于该方法确定的隶属函数曲线更连续、客观,更符合人的主观意识。     

区间直觉模糊粗糙集的不确定性度量

利用模糊熵工具将近似集的不确定性度量方法应用在区间直觉模糊信息系统中,给出了区间直觉模糊近似算子的不确定性度量公式.通过在区间直觉模糊近似空间中定义一对新的区间直觉模糊上、下近似算子,将模糊粗糙隶属函数的定义推广到了区间直觉模糊集的粗糙隶属函数;然后利用区间直觉模糊粗糙隶属函数的模糊熵,定义了区间直觉模糊粗糙集的熵;进而解决了区间直觉模糊粗糙集的不确定性度量问题,并讨论了度量的一些相关性质,以此说明定义的合理性.     

基于模糊神经网络的非线性系统预测函数控制研究

针对预测函数控制难以很好地实现非线性系统控制的问题,将模糊神经网络与预测函数控制相结合,设计一种基于模糊神经网络的非线性系统的预测函数控制器。用模糊神经网络辨识非线性系统的模型,辨识结果送到预测函数控制中,从而得到预测模型,最终得到最优的控制量。通过Matlab计算机仿真,可以看出此控制器对于非线性系统具有良好的控制效果和鲁棒性。     

引入三参数区间数的组合预测方法研究

组合预测的关键是权系数的确定。在经济预测中常用的统计预测模型法、趋势分析法、Box-Jenkins时间序列法以及灰色预测法、BP神经网络模型方法的单一预测基础上,采用三参数区间数确定组合预测模型权重,建立组合预测模型,可望得到接近现实的结果。     

基于模糊区间优化的模糊推理故障诊断方法

提出一种基于模糊区间优化三角均分的模糊规则生成方法.在获取故障样本之后,通过基于故障识别率最佳准则的寻优过程,确定模糊区间均匀划分数的下确界.在此基础上,利用所提出的改进型DM算法提取模糊规则,最终构建出模糊推理故障诊断系统.与模糊区间划分数低于该下确界的模糊推理系统相比,利用该方法能保证在所生成模糊规则数较少的情况下,使构建的推理系统具有更高的故障识别率和诊断准确率,同时避免了人为确定模糊区间划分数时所带来的盲目性.最后,在轨道电路该类复杂模拟电路常见硬故障的诊断实例中,说明了新方法的有效性.     

基于多模型pH非线性过程的预测控制

对于强非线性系统，基于单一模型的传统预测控制系统的瞬态性能一般比较差，而克服这一缺点的直观且可行的方法是根据多个不同工作点建立多模型，通过在线切换设计自适应预测控制器，本文针对典型化工非线性对象pH中和过程，应用多模型处理方法，提出了pH过程的多模型预测控制设计方法；根据其工作范围建立了过程的多模型表示，然后在此基础上，设计了相应的预测控制器，通过模糊识别来调度控制器，从而获得大范围全局非线性对象的控制量，仿真结果是令人满意的。     

基于RBF预测的模糊神经变风量空调控制

目的为提高变风量空调系统的动态控制性能,提出基于预测的模糊神经网络控制方法.方法通过模糊神经控制器对输入输出量进行控制,预测器进行控制参数预测,比较实际控制量与预测量来进行实时控制和调整参数,从而达到预期的控制效果.结果仿真试验表明,该方法控制动态响应快,超调小、控制精度高,具有良好的动态性能和稳态性能.结论所提出的控制方法能有效地提高了变风量空调系统的动态性能,并由仿真结果验证了其有效性.     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

基于T-S模糊模型的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题。文中探讨了Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的隶属度函数学习问题,建立了基于模拟退火的模糊隶属度函数学习算法,给出了用于验证该算法有效性的仿真实例。     

一种基于模糊理论的最佳路径选择方法

目的 为车辆用户高速、快速、便利地出行提供一种最佳的行驶路线。方法 利用模糊理论的概念提出了一种模糊综合评判的方法。结果与结论 基于模糊综合评判的最佳路径选取算法能够为驾驶员提供较合理的高效行驶路线。     

空调系统性能的模糊综合评判

在空调系统单项评判指标的基础上，运用模糊数学的基本理论和逻辑推理的方法，导出了单项评判指标的隶属函数，并采用模糊综合评判的方法评判空调系统，从而为更客观地评判空调系统性能提供了一种方法和思路。     

变风量空调系统的模糊神经网络预测控制

针对变风量中央空调系统具有多变量、大滞后和非线性的系统特性及常规控制算法系统响应慢、控制精度不高等问题,提出了模糊神经网络预测控制策略.该方法将模糊神经网络控制与预测控制技术相结合,建立了模糊神经网络与预测控制结合的复合控制器模型,通过优化变风量控制方式,有效地实现了中央空调系统的预测控制.结果表明,该控制方法能使系统具有良好的动态性能和稳态性能,控制精度高,节能效果显著,具有广泛的应用前景.     

分阶段模糊滑模控制在交流伺服系统中的应用

提出了一种应用在交流伺服系统上的模糊滑模控制策略，把模糊逻辑和滑模控制方法结合起，能够在不牺牲系统鲁棒性的同时达到削弱抖动的目的，并使系统响应速度快，无超调.利用模糊决策的作用决定控制量的一部分，来解决滑模控制中的抖动问题.这种控制方法适合应用在需要强抗干扰能力的伺服系统中，比如机器人，飞行器等.同时，通过分阶段的加入指数趋近控制方法，来加快系统响应.通过MATLAB6.5的仿真，验证了这种方法的可行性，并取得了很好的控制效果.     

基于区间值Vague集的多目标模糊决策方法

介绍了一种新的模糊集合即区间值Vague集，此集合把Vague集的肯定与否定隶属度函数值采用区间值表示，使其表达不确定数据的形式更灵活，并研究在此种集合下多目标的模糊决策问题，采用评价函数和记分函数进行决策。     

模糊预测控制机理研究

探讨了模糊预测控制机理，提出了两种模糊预测模型，并利用泛布简化法对它们进行了处理，得到了模糊预测模型规范化模式，在此基础上研究一套完整的模糊预测控制算法，并将此控制算法进行了仿真研究和比较性研究，研究结果表明，模糊预测控制优于其它常规控制。     

空调系统性能的模糊综合评判

在空调系统单项评判指标的基础上,运用模糊数学的基本理论和逻辑推理的方法,导出了单项评判指标的隶属函数,并采用模糊综合评判的方法评判空调系统,从而为更客观地评判空调系统性能提供了一种方法和思路。