基于模糊推理模型的水泥粉磨专家控制系统研究

针对水泥粉磨这一类难用准确的数学模型来描述以及常规模糊控制器的控制效果不理想等问题,通过将模糊控制技术与专家系统的有机融合,提出了基于模糊推理的贴近度决策方法,建立了模糊控制规则模型,解决了模糊推理的规则匹配问题,并给出了控制结论的化优化求解模型。实验结果表明该方法改善了负荷控制性能,提高了产品质量和磨机生产效率。     

基于模糊命题模态逻辑的形式推理系统

探讨基于可信度的模糊命题模态逻辑的形式推理,给出相关的模糊Kripke语义描述.其研究目的旨在解决基于模态命题逻辑的模糊推理的能行问题.在研究过程与方法上,以完全形式化的方法将模糊模态逻辑语法和语义统一在一个形式系统中,以模糊约束作为基本表达式,给出推理规则,建立了相应的模糊推理形式系统,并以形式系统中模糊约束集的可满足性来表示模糊推理的有效性,使模糊推理过程变得容易,为最终在计算机上实现基于模态逻辑的模糊推理打下了一定的基础.主要结论是证明了基于可满足性的模糊推理形式系统的可靠性与完备性.     

基于一阶模态逻辑的模糊推理

研究基于可信度的模糊一阶模态逻辑,给出了基于常域的模糊一阶模态逻辑语义以及推理形式系统描述.为有效进行模糊断言间的推理,考虑了模糊约束的概念.模糊约束是一个表达式,其中既有语法成分又包含意义信息.模糊推理形式系统中的基本对象是模糊约束,针对模糊约束引进可满足性概念,研究模糊约束可满足性相关性质.利用模糊约束的概念,模糊断言间的推理可以直接在语义环境下加以考虑,因此,以模糊约束为基本元素的模糊推理形式系统随之建立.主要分析新产生断言有效性与模糊约束集可满足性之间的关系,并在此基础上给出了模糊推理形式系统的推理规则.进一步的工作可探讨模糊推理形式系统的可靠性与完全性,建立推理过程的能行机制.研究结果可在人工智能和计算机科学等领域得以应用.     

基于if - then 规则库的生产全过程优化 及其在加热炉温度设定中的应用

研究一类串联生产全过程基于if—then规则库的优化设定问题．对串联生产全过程的优化设定问题进行描述，利用if-then规则库来描述各子过程设定值变化量与最终产品质量的关系．采用Tsukamoto模糊推理方法，将带模糊约束的优化问题转化为清晰优化问题，得到各子过程的优化设定值变化量．以步进式加热炉的温度设定为例进行仿真。验证了所提出方法的正确性．     

基于OWA算子的区间值加权模糊推理

针对如何对区间值模糊产生式规则赋予合理权值的问题,将OWA算子引入到区间值模糊推理中。介绍一种基于OWA算子的区间值赋权方法,根据此方法给出区间值模糊集上的加权模糊产生式规则的推理算法。在采用该算法的过程中,为合理地计算输入事实与规则前件的匹配程度,引入基于OWA算子的区间值模糊匹配函数值和总体贴近度的计算方法。实例分析表明了所给出的区间值模糊推理算法的有效性和可行性。     

一种基于GA优化模糊推理神经网络的新方法

通过对已有的一些基于遗传算法（GA）优化模糊系统方法的分析，指出了它们存在的一些缺陷，提出了一种新颖的基于GA优化模型推理神经网络的方法，并给出了相应的优化算法，这种方法可以对模糊推理系统中的所有结构和参数同时或分别进行优化。在此基础上，还讨论了模糊推理神经网络的精简问题，如无用模糊规则的删除，最后通过实例验证了该方法是一种很有效的方法，具有易理解，精度高，收敛快，泛化能力好且能全局收敛的优点。     

利用数据产生模糊推理系统的自适应学习方法

利用数据设计模糊推理系统分为两个主要内容: 结构辨识和参数优化. 论文首先通过定义隶属度函数和模糊规则简单地给出了一种初始模糊推理系统结构. 然后, 为了提高基于梯度的学习算法的收敛速度、减少振荡, 提出了一种产生模糊推理系统的改进梯度下降方法, 并对算法的收敛性和振荡情况进行了系统分析; 利用这些优化分析结果能够进一步确定在输入变量空间的哪一个区域中模糊规则的密度应该加强, 以及在哪一个输入变量上用于划分其论域的模糊子集的数目应该增加, 从而获得一个新的更精确的模糊推理系统结构. 最后将所提出的方法用于解决非线性函数的逼近问题.     

基于CRI算法性能的模糊推理研究

从模糊推理的基本模型-FMP（1，1）问题的求解方法出发，分析模糊控制器及其响应函数的性能，考察模糊推理中蕴涵运算的信息度约束，讨论选用算子对时的关系再现性。给出若干实例，试图从这3个方面提出选用模糊蕴涵算子的参考。     

面向后件集的模糊推理机制: 用于区间型type-2模糊逻辑系统

目前,大多数模糊推理都是利用t-范数和t-余范数或其改进形式对连接词进行建模,这些模型不能将模糊规则中前件集与后件集之间的相关性信息引入到模糊推理过程,这会丢失蕴含在规则中的一些信息甚至导致推理结果与实际经验严重不符.为解决此问题,本文首先引入模糊集合面向对象变换的概念,并将其推广,建立了合成type-2模糊集合模型.基于此模型,针对区间型type-2模糊逻辑系统,提出一种面向后件集的模糊推理机制,该机制能将前件集与后件集的相关性信息(包括清晰数和模糊数两种情形)引入到模糊推理过程.仿真结果表明,该方法能捕获到模糊规则中更多的不确定性信息,并为模糊逻辑系统的设计提供更大的自由度.     

模糊铁合金配料机会约束模型

在铁合金配料问题的大量传统研究工作中,多数研究工作均与确定性系统相关。在不确定系统中考虑一类新的带有可信性约束的模糊铁合金配料机会约束模型。由于提出的模糊铁合金配料问题常常包含带有无限支撑的模糊变量参数,因此它是一个很少被直接求解的无穷维优化问题。为了求解这个模糊优化问题,通过逼近方法将模糊铁合金配料机会约束问题转化为一个有限维优化问题。设计一个含有逼近方法、神经网络和遗传算法的混合智能算法求解提出的带有可信性约束的铁合金配料机会约束问题。给出一个数值例子来表明所设计模型和算法的实用性。     

基于T-S推理网络的油田开发指标预测方法*

针对油田开发指标预测问题,提出一种T-S推理元模型,该模型包括输入层、模糊化层和推理层。每个推理元对应一条模糊逻辑规则,由若干T-S推理元可构成T-S推理网络。网络可调参数包括模糊集参数和模糊规则参数。提出了基于改进量子粒子群优化的参数确定方法。以油田开发指标中含水率和采油量预测为例,结果表明,该方法是有效且可行的,从而表明模糊逻辑与智能优化算法的融合对于解决指标预测问题具有一定潜力。     

一种求解非线性约束优化全局最优的新方法

本文提出了一种求解非线性约束优化的全局最优的新方法—它是基于利用非线性互补函数和不断增加新的约束来重复解库恩-塔克条件的非线性方程组的新方法。因为库恩-塔克条件是非线性约束优化的必要条件,得到的解未必是非线性约束优化的全局最优解,为此,本文首次给出了通过利用该优化问题的先验知识,不断地增加约束来限制全局最优解范围的方法,一些仿真例子表明提出的方法和理论有效的,并且可行的。     

基于满意优化的非线性预测控制

对多约束的非线性系统建立T—S模糊模型，采用局部线性化方法在每个采样点对非线性系统进行线性化，从而得到系统的线性化模型。针对传统的优化方法无法直接处理带有一定模糊不确定性的优化问题，该文在广义预测控制滚动优化的机制下把具有模糊边界约束的有限预测时域的优化问题，转化为等价的确定性规划问题，通过模糊规划方法来求解多约束的目标函数，从而用满意优化取代传统的二次型性能指标来求解模糊约束条件的预测控制。仿真结果表明了该方法的有效性。     

Encoding fuzzy possibilistic diagnostics as a constrained optimization problem

This paper discusses a knowledge-base encoding methodology for diagnostic tasks, transforming such knowledge into constrained optimization problems. The methodology is based on a reinterpretation of the consistent causal reasoning paradigm [D. Dubois, H. Prade, Fuzzy relation equations and causal reasoning, Fuzzy Sets and Systems 45 (2) (1995) 119-134] as an equivalent problem of feasibility subject to equality and inequality constraints (in the binary case). Then, it is extended to the fuzzy case. Preferences under uncertain knowledge are incorporated by transforming the feasibility problem into an optimization one, which may be interpreted in possibilistic terms. The problem is solved by efficient, widely-known, linear and quadratic programming tools, which are able to cope with large-scale problems. Examples illustrating some of the concepts and possibilities of the proposed procedure, as well as a summary comparison with other approaches are also discussed.     

Evidential reasoning using extended fuzzy Dempster–Shafer theory for handling various facets of information deficiency

This work investigates the problem of combining deficient evidence for the purpose of quality assessment. The main focus of the work is modeling vagueness, ambiguity, and local nonspecificity in information within a unified approach. We introduce an extended fuzzy Dempster–Shafer scheme based on the simultaneous use of fuzzy interval‐grade and interval‐valued belief degree (IGIB). The latter facilitates modeling of uncertainties in terms of local ignorance associated with expert knowledge, whereas the former allows for handling the lack of information on belief degree assignments. Also, generalized fuzzy sets can be readily transformed into the proposed fuzzy IGIB structure. The reasoning for quality assessment is performed by solving nonlinear optimization problems on fuzzy Dempster–Shafer paradigm for the fuzzy IGIB structure. The application of the proposed inference method is investigated by designing a reasoning scheme for water quality monitoring and validated through the experimental data available for different sampling points in a water distribution network. © 2011 Wiley Periodicals, Inc.     

A constrained non-linear optimization model for fuzzy pairwise comparison matrices using teaching learning based optimization

Non-linear optimization models have been recently proposed to derive crisp weights from fuzzy pairwise comparison matrices. In this paper, a TLBO (Teaching Learning Based Optimization) based solution is presented for solving an optimization model as a system of non-linear equations to derive crisp weights from fuzzy pairwise comparison matrices in AHP (Analytic Hierarchy Process). This fuzzy-AHP method is named as TLBO-1. It has been found that TLBO-1 can lead to inconsistent or less consistent weights. To solve the problem of inconsistent weights, a new constrained non-linear optimization model is proposed in this paper. This model is based on the min-max approach for fuzzy pairwise comparison ratios of weights. TLBO is again used to solve this optimization model, and crisp weights are derived. This fuzzy AHP method is named as TLBO-2. The effectiveness of the proposed model is illustrated by three examples. For each example, the consistency of the derived crisp weights is compared with other optimization models. The results show that the TLBO-2 method can derive more consistent weights for the fuzzy AHP based Multi-Criteria Decision Making (MCDM) systems as compared to the other optimization models.     

求解一类不可微优化问题的拟Powell方法

针对具有可微非线性约束的不可微非线性优化问题，分别定义一个子优化问题和相容非线性方程组求解问题，并利用相应的求解方法提供搜索方向，更新Ｐｏｗｅｌ方法的搜索方向，以极大地提高Ｐｏｗｅｌ方法的优化效率。算例表明了该方法的有效法。     

Lukasiewicz型直觉模糊推理三I方法的性质分析

直觉模糊推理的两个基本模型是Intuitionistic Fuzzy Modus Ponens（IFMP）和Intuitionistic Fuzzy Modus Tollens（IFMT）。首先利用经典模糊集之间的自然距离定义了直觉模糊集间的一种距离。其次，证明了基于Lukasiewicz直觉模糊蕴涵的IFMP和IFMT问题的三I方法关于该距离都具有连续性，并且分别给出了IFMP和IFMT问题的三I方法满足逼近性的充分条件。     

非线性约束优化的算法分析

针对非线性约束优化问题,运用了一种新的智能优化算法——社会认知优化算法。社会认知优化算法是一种基于社会认知理论的集群智能优化算法,它对目标函数的解析性质没有要求,适合于大规模约束问题处理的优点,使搜索不容易陷入局部最优。将该算法引入非线性约束问题,解决优化问题。通过实例和其他算法进行比较,对比数值实验结果表明,即使只有一个学习主体,该算法能够高效、稳定地得到解决方案,便于求解非线性约束优化问题。     

动态分级的并行约束优化进化算法

提出一种动态分级的并行进化算法用于求解约束优化问题。该算法首先利用佳点集方法初始化种群。在进化过程中,将种群个体分为两个子种群,分别用于全局和局部搜索,并根据不同的搜索阶段动态调整各种级别中并行变量的数目。标准测试问题的实验结果表明了该算法的可行性和有效性。