基于模糊模型的结构和参数的一体化辨识

基于模糊集合的模糊建模捕述复杂、病态、非线性系统的特性是一种有效方法．文中讨论了从样本数据中通过正交变换和模糊聚类获取模糊规则的方法．利用正交最小二乘对模糊聚类的结果进行变换，采用CGS（Classical Gram—Schmidt）方法确定对建模贡献大的规则，删除对建模贡献小的规则，并对模型中的参数进行估计，能够同时模对糊模型的结构和参数进行辨识．仿真结果表明，提出的方法能够对非线性系统进行模糊建模．     

神经—模糊建模平台的设计与应用

详细论述了采用神经模糊实际建模过程中必须考虑的各种因素，各因素之间的相互影响及关系，以及各不同参数的选择过程，并在Matlab环境下，利用模糊工具箱设计了一个神经－模糊建模平台，给出了一个实际的具体非线性系统建模的应用。     

基于模糊观测器T-S模型和自适应模糊逻辑系统的一类非线性系统的H∞控制

针对一类非线性系统，把模糊T-S模型和自适应模糊逻辑系统两类模糊逻辑方式结合起来，提出了一种基于观测器的控制方案．首先，应用模糊T-S模型对非线性系统建模，设计观测器来观测系统状态；由线性矩阵不等式得到模糊模型的控制律．其次，应用自适应模糊逻辑系统作为补偿器来补偿建模误差．证明了闭环系统满足期望的性能．仿真结果表明了该方案的可行性．     

基于改进型模糊聚类的模糊系统建模方法

结合减法聚类和模糊C均值聚类，提出了一种改进型聚类算法，加快了收敛速度．利用改进后的算法对模糊系统输入或输出的样本集聚类，对聚类结果采用Trust-Region法拟合高斯型和S型函数，以实现模糊系统输入、输出空间的划分和隶属度函数参数的确定．结合MATLAB的模糊和曲线拟合工具箱，详述了如何在标准算法上进行改进和模糊系统建模．通过对IRIS标准数据聚类实验以及在解决机械加工误差复映问题上的应用，验证了改进后算法和建模方法的有效性．     

处理复杂模糊系统的模糊穴映射方法

在对模糊穴和模糊穴空间等基本概念作一简单介绍之后，本文着重从模糊多变量系统的建模，辨识和控制等方面出发概述了基于模糊穴射的理论和方法，本文的方法有效地处理多变量模糊系统和利用已有的传统方法来解模糊系统问题开辟了一条新的途径，本文建立的方法的有效性已补实际的应用所证明。     

基于局部线性聚类算法的模糊建模

提出了一种新的基于T-S模糊模型的建模方法，首先通过一种局部线性聚类算法，自适应确定模糊规则数目及初始T-S模型的前提和结论参数，建立相应的一阶T-S模糊神经网络．并用梯度下降和递推最小二乘混合算法训练网络参数，从而提高建模精度．最后，通过两个仿真实例验证了本文方法的有效性．     

多变量模糊系统建模与控制理论

对多变量模糊系统建模与控制理论中存在的一些问题进行了有益的探讨,并着重介绍了多变量模糊系统建模与控制理论在近年来的一些最新研究进展,其中包括四种新颖的多变量模糊模型的建模与辨识,以及两类多变量模糊控制器的最新研究成果,最后对未来的研究课题和发展趋势作了阐述。     

动态模糊决策树学习算法研究

针对自动控制领域中普遍存在的动态模糊信息,提出了基于DFS（动态模糊集）建模的动态模糊决策树算法，并给出了对包含非动态模糊属性、缺少属性值的输入．样例的匹配算法，很好地解决了模糊控制系统所不能解决的动态性问题。     

基于MATLAB的非线性系统模糊建模及仿真

该文主要介绍了利用MATLAB的fuzzy工具箱来解决非线性系统的模糊建模问题的几种方法，讲解了模糊建模的设计原理与步骤，在MATLAB环境中用编程和可视化编辑两方法来解决建模问题，针对原有方法的不足给出了改进，并给出程序设计。通过一个非线性实例设计了它的自适应神经网络模糊模型，从仿真结果可看出改进后的非线性系统模型更有效。     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。