具有作用规则选择功能的模糊控制器硬件实现方法

基于很多条模糊控制规则的模糊逻辑推理软件化实现方法有时难以满足快时变过程控制的要求,而基于部分规则的模糊推理硬件化实现方法则具有非常高的推理速度.提出了一种基于作用模糊子集推理的数/模混合推理结构,讨论了其实现原理,并用HSPICE完成了电路的仿真试验.结果表明,当规则数增加时,具有此结构的模糊控制器的器件数目增加很少,大大节省芯片面积,而且具有纳秒级的推理速度.     

烧结过程异常状况诊断专家系统SPADES（Ⅱ）——关键技术

知识库构造和推理机设计是实现专家系统的关键技术,烧结过程异常诊断的知识具有模糊性、不确定性与因果性强,定性知识与定量知识并存的特点,采用模糊逻辑表达烧结过程信息的模糊特性,研究了表达烧结过程异常诊断知识的综合型知识表达方式,短文加的组织包括数据库、事实库、模型库和规则库。规则库中的规则根据用途不同分组存放,同组规则按优先级别排序,这样的知识组织方式为实现高效快速推理奠定了基础;SPADES系统的知识库具有管理与维护功能,知识学习采用专家指导学习方式;烧结过程异常诊断专家系统的推理机采用多级目标推理的混合推理机：总体目标推理采用过程化推理,按异常类型判断、异常原因分析、操作决策顺序进行;烧结过程异常状况的诊断采用模糊诊断确定假定异常集合,再通过反向推理验证假定异常集合中的无素,确定出现的异常类型;异常原因分析和操作决策采用正向推理,对于本系统中模糊规则的模糊性传递问题,采用基于研究因子法的不精确推理策略,以及基于模糊规则的模糊匹配方法。SPADES系统在生产现场的应用结果证明了本系统知识表达方式和推理机可以实现模糊知识的表达和高效推理。     

大跨空间结构智能选型方案生成系统

将基于实例的推理和数据挖掘技术应用于大跨空间结构的智能选型的方案生成阶段．介绍了基于实例推理系统的基本结构及其四个关键技术,建造了大跨空间结构智能选型方案生成系统．主要实现了以下功能：实例库的建立和维护;人机交互界面的实现;初步完成基于加权检索算法的大跨空间结构选型实例推理;实现了实例关键参数值域分布情况的统计功能;采用数据挖掘算法对实例库进行了关联规则的挖掘,初步挖掘出了实例库中的关联规则,利用决策树和粗糙集的方法产生分类规则,比较了三种数据挖掘方法,给出它们的应用条件,为下一步实现基于知识推理做准备．通过实例演示了该系统的方案生成过程．     

一种基于模糊推理的专家系统的设计与实现

描述了一种基于模糊推理模型的专家系统。在本系统中知识采用了框架结构和模糊产生式规则相结合的表示形式,引进了模糊匹配和语义距离等方法进行模糊推理,实现了一种较为理想的不确定性推理。     

基于模糊推理的边缘检测算法

提出了基于模糊理论进行边缘检测的一种新方法.该方法首先通过计算边缘梯度和标准偏差,把得到的两组集合作为模糊系统的输入,接着根据高斯函数、模糊推理系统判断每一个像素所适用的推理规则,最后对推理结果进行去模糊化,并判断该像素是否为边界像素.本文采用经典的Sobel、Prewit和LoG算法作为比较,实验结果也证明了本文所提出方法的有效性.     

工件定位特征识别与定位方案自动推理算法

研究了基于三维模型的工件定位特征识别和定位方案的自动推理算法．给出了基于三维模型的候选定位特征信息的自动提取与分析算法,提出了基于规则推理与模糊评判相结合的工件定位方案推理算法．该算法基于已知信息确定候选定位模式,根据候选定位模式以及加工信息推理定位基准选择范围,并采用模糊评判算法对候选基准进行优化选择．并用实例对该方法的有效性进行了验证．     

一种基于模糊推理的专家系统的设计与实现

描述了一种基于模糊推理模型的专家系统。在本系统中知识采用了框架结构和模糊产生式规则相结合的表示形式，引进了模糊匹配和语义距离等方法进行模糊推理，实现了一种较为理想的小确定性推理。     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法．采用结构辨识和参数辨识相结合的方法，构造模糊系统完善的模糊规则库．用此设计方法对函数逼近问题进行仿真，结果表明该方法具有规则数目少、学习速度快、建模精度高等特点．     

利用神经模糊系统从数据中挖掘模糊逻辑

提出一种利用神经模糊系统从实验记录的曲线或者数据中挖掘模糊逻辑规则的方法．首先根据生产控制系统的实验记录的曲线或者数据，初步确定一个“if…then”模糊逻辑规则模型；然后利用具有非线性特性的神经网络和模糊推理中的模糊逻辑运算，构造了一个神经模糊系统；通过有导师的误差反向传输学习，将训练后的神经模糊系统的网络联接权的变化结合为模糊逻辑规则的变化和修改，从而实现了从实验记录的曲线或者数据中推理、归纳的模糊逻辑控制规则。     

基于区间值推理的模糊神经网络

在区间值模糊推理的理论基础上，提出了基于区间值推理的模糊神经网络。主要是将模糊逻辑规则利用神经网络来实现，给出了基于IVFR的FNN的结构以及通过两个模糊集的贴近度作为误差反馈的学习算法。     

Development of single-chip fuzzy controller based on FFSI in binary

Length and concise structure of fuzzy logic reasoning program and its real-time reasoning characteristic have their effect on the performance of a digital single-chip fuzzy controller. The control effect of a digital fuzzy controller based on looking up fuzzy control responding table is only relative to the table and not relative to the fuzzy control rules in the practical control process. Aiming at above problem and having combined fuzzy log-ic reasoning with digital operational characteristics of a single-chip microcomputer, functioning-fuzzy-subset inference (FFSI) in binary, in which triangle membership functions of error and error-in-change are all represented in binary and singleton membership functions of control variable is binary too, has been introduced. The circuit principle plans of a single-chip fuzzy controller have been introduced for development of its hardware, and the primary program structure, fuzzy logic reasoning subroutine, serial communication subroutine with PC and reliability de     

Detection of Coal Mine Spontaneous Combustion by Fuzzy Inference System

The spontaneous combustion is a smoldering process and characterized by a slow burning speed and a long duration. Therefore, it is a hazard to coal mines. Early detection of coal mine spontaneous combustion is quite difficult because of the complexity of different coal mines. And the traditional threshold discriminance is not suitable for spontaneous combustion detection due to the uncertainty of coalmine combustion. Restrictions of the single detection method will also affect the detection precision in the early time of spontaneous combustion. Although multiple detection methods can be adopted as a complementarity to improve the accuracy of detection, the synthesized method will in- crease the complicacy of criterion, making it difficult to estimate the combustion. To solve this problem, a fuzzy inference system based on CRI （Compositional Rule of Inference） and fuzzy reasoning method FITA （First Infer Then Aggregate） are presented. And the neural network is also developed to realize the fuzzy inference system. Finally, the effectiveness of the inference system is demonstrated bv means of an experiment.     

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.     

Safety diagnosis on coal mine production system based on fuzzy logic inference

According to the randomness and uncertainty of information in the safety diagnosis of coal mine production system (CMPS), a novel safety diagnosis method was proposed by applying fuzzy logic inference method, which consists of safety diagnosis fuzzifier, defuzzifier, fuzzy rules base and inference engine. Through the safety diagnosis on coal mine roadway rail transportation system, the result shows that the unsafe probability is about 0.5 influenced by no speed reduction and over quick turnout on roadway, which is the most possible reason leading to the accident of roadway rail transportation system.     

基于模糊推理规则的桥梁结构状态评估

为了给桥梁养护管理部门提供决策依据，在桥梁结构状态评估中引入模糊推理的思路，根据模糊规则，生成相应的模糊规则库，采用Sigmoid型模糊隶属度函数对底层输入指标模糊化，然后根据模糊规则进行模糊推理，从而对既有桥梁结构的状态做出综合评估。结果表明，该方法避免了权重计算，为桥梁状态评估提供了一种切实可行的方法？     

模糊控制在室温控制中的应用

介绍室温模糊控制的原理,基于高斯型隶属函数,采用单点模糊化,最小值推理和重心解模糊化方法设计模糊逻辑系统,并用于室温的模糊控制中。推理结果表明,基于高斯型隶属函数的模糊逻辑系统应用于室温的控制取得了很好的控制效果。     

模糊推理方法遴选生态工业园入园项目的研究

入园建设项目的选择关系到生态工业园建设的成败。研究中运用分层推理的方法，建立了众多因素影响下的生态工业园建设项目评价指标体系；基于模糊推理的要求，建立了一个多层模糊推理模型，为生态工业园入园项目的遴选提供了一种形式化的、科学化的决策依据。     

Adaptive fuzzy classifier with a fixed number of fuzzy rules

The adaptive fuzzy system has many advantages over the neural network. It can be used to design a fuzzy classifier. However, there is the “Dimension Calamity” with the number of inputs increasing in the adaptive fuzzy system. In this paper, an adaptive fuzzy classifier with a fixed number of fuzzy rules is proposed. This classifier is combined by several fuzzy reasoning machines so that one fuzzy reasoning machine recognizes only one class. Every fuzzy reasoning machine includes two “If-Then” fuzzy rules. The total fuzzy rules number of the classifier is confirmed by the number of classes of the patterns being classified. The classifier uses the “Error Back-Propagation Training” arithmetic as the learning arithmetic. Compared with the BP neural network classifier, the new classifier and BP neural network classifier are both tested by the famous iris dataset and Ripley's synthetic dataset. It is proved that the new classifier has a good classification ability and learning ability even if the data have been polluted.