模糊神经网络用于非线性系统模型辨识

提出了一种非线性系统的模型辨识方法。在只有被辨识系统的输入输出数据的情况下,利用一种无监督的聚类算法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数。在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络得到一个精确的模糊模型,从而实现参数辨识。同时,证明了所构造的模糊神经网络具有通用逼近能力,这个能力在模糊建模和模糊控制方面非常有用。通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

基于规则选取和补偿运算的模糊系统建立方法

为了解决模糊系统建立过程中规则数目的选择问题,提出了一种模糊系统建立方法。该方法利用K均值法计算聚类中心,不需要预先给出聚类的数目,聚类的数目根据聚类准则函数的收敛性决定,同时在算法结构中引入补偿因子以增强算法的稳定性,再结合梯度下降法辨识后件参数,从而得到模糊系统。与传统的模糊系统建立方法进行比较,该方法提高了辨识精度且能自动生成模糊规则,避免了规则数目选取的盲目性。最后将该方法用于辨识单元机组的协调控制系统,仿真结果表明了该算法的有效性和快速性。     

基于改进T-S模型的热工过程模糊辨识算法

提出了一种实用的基于T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间进行划分,在此基础上利用递推最小二乘辨识算法建立一个热工过程的T-S模型。文中给出了熟知的Box-Jenkins数据的辨识结果,并将该方法应用于辨识单元机组的协调控制系统。     

基于系统辨识与T-S模糊神经网络的磨矿分级控制

针对磨矿分级过程控制中具有的慢时变、非线性特征,提出了一种基于系统辨识的自适应模糊推理网络模型,并应用于磨矿控制领域.利用模糊聚类法对现有数据样本进行系统辨识,自动获取模糊规则库和相应的初始参数.依据得到的模糊系统构建基于Takage-Sugeno推理模型的自适应模糊神经网络推理系统,获得比传统的模糊神经网络具有更强的...     

基于模糊对向网络的非线性动态系统辨识新算法

以模糊对向网络为辨识模型,利用它所具有的模糊逻辑系统和神经网络两者的优点,在模糊C－均值聚类方法的基础上引入新的聚类目标函数,并证明了它的优化条件,将模糊聚类和最小二乘法相结合,提出一种模型参数学习的新算法,在直流电弧燃弧时间建模研究中的应用结果表明提出的算法是有效的。     

基于神经网络的模糊系统的模型辨识及应用

本文将人工神经网络理论和模糊系统理论结合起来，提出了一类基于人工神经网络的模糊模型辨识方法。该方法能辨识非线性的、复杂系统的模糊模型。仿真表明本文给出的有关模型及算法，能有效地用于多种难以建立精确数学模型的控制系统。     

一种基于改进聚类算法的模糊模型辨识

传统建模方法对于建立精确的存在多变量、强耦合、大时滞以及不确定性的非线性系统模型无能为力,从而难于精确表达复杂系统及实施整体优化控制.针对传统模糊C-均值聚类算法对初始值敏感及无法确定最优规则数的缺陷,提出了一种基于改进聚类算法的模糊辨识方法.它通过减法聚类和有效性函数确定初始聚类中心,然后采用一种全局模糊C-均值聚类算法寻找出最终聚类中心,并利用最近临域法确定合适的区域半径,最后通过递推最小二乘法建立系统的T-S模糊模型,对电阻炉温度系统进行仿真,说明本文所述方法的有效性.     

加热炉温度的模糊内模控制策略

用模糊聚类辨识方法建立被控过程的TS模糊模型及其逆模型,引入内模控制,形成模糊内模控制策略。 对加热炉温度的仿真表明该控制方法有效、可行。     

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．     

一种新的模糊神经元网络建模方法

基于零阶Ｔ－Ｓ模糊模型,本文指出了一种实用的输入输出的数据进行复杂系统的模糊神经元网络建模的方法,该方法的主要目的是解决模糊神经元网络中结构辨识的困难。 种所谡语言模型被用来寻找系统输入变量的最佳组合。     

Fuzzy Modeling of Prediction M_s Temperature for Martensitic Stainless Steel

1　IntroductionWhenexaminingphasetransformationsinsteel,martensitestarttemperatureMsisanimportantparame ter.Sincetheaustenitetransformsintomartensiteisnon diffusionaltransformation ,thecharacteristictransforma tiontemperaturedoesnotdependonthepriorthermal…     

基于信道模糊关联识别的NLOS测距误差补偿算法

针对NLOS测距存在误差的问题,提出一种基于信道模糊关联识别的NLOS测距误差补偿算法.根据先验信道特征参数分布信息构造信道特征参数模糊隶属矩阵,并利用灰色关联分析方法计算归一化权值矩阵,进而获得模糊综合评价矩阵来对信道环境进行识别.在此基础上,根据信道识别结果构建Huber代价函数,通过Huber线性回归方法对原始测距结果进行迭代重构,将重构结果作为Kalman滤波的测量值进行滤波.仿真结果表明,所提算法可以有效提高NLOS环境下的测距精度,在信噪比大于-2 dB时可以达到厘米级测距精度.     

Predicting the martensite transformation start-temperature of low alloy steel based on fuzzy identification

A method of fuzzy identification based on T-S fuzzy model was proposed for predicting temperature Ms from chemical composition, austenitizing temperature and time for low alloy steel. The degree of membership of each sample was calculated with fuzzy clustering algorithm. Kalman filtering was used to identify the consequent parameters. Compared with the results obtained by empirical models based on the same data, the results by the fuzzy method showed good precision. The accuracy of the fuzzy model is almost 6 times higher than that of the best empirical model. The influence of alloying elements, austenitizing temperature and time on Ms was analyzed quantitatively by using the fuzzy model. It is shown that there exists a nonlinear relationship between the contents of alloying elements in steels and their Ms, and the effects of austenitizing temperature and time on Ms temperature cannot be neglected.     

核模糊谱聚类LOF降噪方法研究

为解决核模糊相似性度量谱聚类算法的样本点降噪问题,优化聚类效果和稳定性,本文从分析异常点分布特性出发,引入局部异常因子（LOF）算法,提出聚类中心候选对象的概念,过滤数据集的噪声数据,从而优化初始聚类中心的计算,突出正常样本点在聚类中心调整中的影响力,使聚类算法更易于得出准确的聚类结果. 同时提出一种局部过滤因子以修正相似性度量的方法,该方法通过放大正常数据之间的权值、缩小正常数据与噪声数据间的权值,使优化后的核模糊谱聚类算法大大降低对异常点的敏感度. 算法有效性实验和算法稳定性实验表明：该方法对相似性度量修正的有效性使核模糊谱聚类算法更为稳定和鲁棒.     

基于模糊聚类建立模糊模型的新方法

为了实现自动建立Mamdani模糊模型,提出了一种基于局部数据密度的新方法.该方法采用局部近似隶属函数的模糊聚类算法对数据进行学习,从而挖掘出潜在的模糊规则集和隶属函数的参数,实现自动建立Mamdani模糊模型.在聚类时,不需要事先指定类的数目,确定类中心的同时能自动识别噪声,因此在建模时不需要做额外的去噪声处理.使用该方法对交通信息预测进行了仿真实验,结果表明本文提出的模糊建模方法行之有效.     

Fuzzy Modeling of Prediction Ms Temperature for Martensitic Stainless Steel

A method of fuzzy modeling based on fuzzy clustering and kalman fitering was proposed for predicting m temperature form chemical composition for martensitic stainless steel.the membership degree of each sample was calculated by the fuzzy clustering algorithm ,kalman filtering was used to identify the conseprent parameters only grade 95 steel are available for training and validation,and the fuzzy model is palid for the fol lowing element concetration ronges(wt%)Compared with that of several empirical models reported.the accuracy of the fuzzy model was almost 5 times higer than that of the best empirical model.furthernore.the coyxsitional dependences of ms were successfully determined and compared with those of the empirical formulae,it was found that the spcific element deperdeces were a function of the overall composition,,something could not easily be found using conventional statistics.     

运动状态下机器人关节面物理参数在线模糊辨识方法

利用模糊自动推理方法,提出了一种辨识运动状态下机器人关节面时变物理参数的方法。该方法是在原有模糊聚类法的基础上,推导出的在线自适应模糊推理算法,可应用在时变非线性系统参数在线辨识中。以三自由度单臂机器人为研究对象,建立了机器人运动状态下的动力学模型,利用该自适应模糊推理算法在线辨识此动力学模型中的机器人关节面时变物理参数。由于该方法采用局部估计算法,实验结果表明,该方法具有工程实用价值。     

Identification of Fuzzy System Via Fuzzy Competitive Learning Method

omInretentyeare,researchershavestUdiedfhazyInodelidenhficationtodealwithcomplex,ill-conditionedanduncertainsystems,inwhichtheconvenhonalmathematicalrnodlrnayfailtogivesatisfactoryresu1tS.Thestudieshavemainlyincludedtwodifferentapproaches.oneaPproachisbasedonfhazyrelationaleqUahonst'.'].ItistheoreticanYclear,hutInaystherdifficultiessincethesolutionofafhazyrelationaleqUationisusuallynotuniope,andsomehmesitevendoesnotealstatall.Theotherismorepop.l.['-'1,inwhichafhazywheliscom~offhazylingUisti…