参考模糊集合构造方法及模糊模型辨识

本文提出了一种基于参考模糊集的模糊模型辨识方法,探讨了模型结构和模糊关系的辨识问题.在隶属函数的定义上引入了优化算法,最终将辨识问题转化为优化问题.文中给出了具体的辨识算法,仿真实例表明该模型辨识方法具有满意的精度.     

复杂系统的递阶模糊辨识

针对Takagi_Sugeno模糊模型 (T_S模型 )严重的维数灾问题, 借鉴GMDH算法, 提出了一种新的复杂系统递阶模糊辨识方法. 本文首先详细描述了由两输入变量的特殊T_S模型所组成的递阶模糊模型 ;然后提出了具体的辨识该递阶模糊模型的方法. 该方法的特点是 :a)在结构辨识阶段, 用FCM模糊聚类方法评价系统中每个输入变量的重要性, 以便构造合理的递阶模糊模型 ;b)预先合理地确定了所要辨识的参数的初始值, 用扩展卡尔曼滤波方法可很快地得到这些参数. 最后, 给出的仿真实例说明了本文辨识方法的有     

空间分布系统的空间模糊建模

本文对空间分布系统提出了一种新的模糊建模方法.首先,在3-D模糊集的基础上给出一种改进的空间模糊集,包含了传统的模糊集和添加的一维空间信息.在空间轴方向上,将传统模糊隶属度函数沿输入变量的随空间的物理变化曲线进行扩展,通过隶属度的连续变化描述输入变量在空间中的变化.其次,基于空间模糊集,采用Mamdani模糊模型形式,设计了对空间分布系统的空间模糊模型的建模方法.最后,通过仿真算例对方法进行了验证.     

多目标多级模糊综合评判在教学评估上的应用

教师教学评估是高等院校教学质量管理的重要环节,对提高课堂教学质量具有积极意义和重要作用.教师教学评估是一个多目标、多层次的模糊综合评判问题,在模糊综合评判中将有关的模糊概念用模糊集合表示,通过模糊运算获得用模糊集合表示的评价结果.针对教学评估体系输入和输出之间的复杂关系,在介绍了模糊变换的基础上,提出了适用于教师教学评估的多目标多级模糊综合评判模型,且用实例进行了说明.     

区间犹豫梯形模糊Bonferroni Mean算子及其应用

结合犹豫模糊集和区间梯形模糊数,提出了区间犹豫梯形模糊集的概念;针对信息集成过程中需要考虑输入变量之间的相互影响,提出了区间犹豫梯形模糊Bonferroni Mean（IVHTrFBM）算子和区间犹豫梯形模糊几何Bonferroni Mean（IVHTrFGBM）算子,并讨论了它们的性质和特例;根据输入变量的重要程度不同,提出了区间犹豫梯形模糊加权Bonferroni Mean（IVHTrFWBM）算子和区间犹豫梯形模糊加权几何Bonferroni Mean（IVHTrFWGBM）算子。最后,提出了基于IVHTrFWBM算子和IVHTrFWGBM算子的区间犹豫梯形模糊多属性决策方法,并通过实例进行验证。     

多目标多级模糊综合评判在教学评估上的应用

教师教学评估是高等院校教学质量管理的重要环节,对提高课堂教学质量具有积极意义和重要作用。教师教学评估是一个多目标、多层次的模糊综合评判问题,在模糊综合评判中将有关的模糊概念用模糊集合表示,通过模糊运算获得用模糊集合表示的评价结果。针对教学评估体系输入和输出之间的复杂关系,在介绍了模糊变换的基础上,提出了适用于教师教学评估的多目标多级模糊综合评判模型,且用实例进行了说明。     

Ⅱ型模糊控制综述

Ⅱ型模糊集合是传统Ⅰ型模糊集合的扩展,其特征是隶属度值本身为模糊集合.基于Ⅱ型模糊集合的Ⅱ型模糊控制器可以同时有效地处理语言和数据不确定性,在高小确定场合具有明显超过相应Ⅰ型控制器的性能表现.本文首先对Ⅱ型模糊集合及系统理论进行了概述,然后对Ⅱ型非自适应模糊控制器Ⅱ型自适应模糊控制器和Ⅱ型自组织模糊控制器的研究进展分别...     

一种模糊逻辑系统的快速学习算法

本文提出了一种模糊逻辑系统的快速学习算法．算法要求预先确定各输入变量上模 糊集合的数目及分布;模糊规则前件可以是任意形状的模糊集合,后件则必须采用单值模糊 集合;模糊推理采用乘积推理;解模糊方法采用Tsukamoto方法．算法由输入－输出数据对 提取模糊规则．模糊规则的后件采用最小二乘方法一次计算得出．本算法对目标对象的逼近 精度取决于输入参数上模糊集合的数目,数目越多,精度越高．算法所需计算量小．     

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．     

基于区间二型模糊集合的语言动力系统稳定性

运用区间二型模糊集合(Interval type-2 fuzzy sets, IT2 FSs) 的扩展原理将常规的数值函数转化为对应的区间二型模糊函数, 并给出了相应的词计算(Computing with words, CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems, LDS)稳定性.     

煤矸石识别方法研究现状与展望

从煤矸石识别特征出发,对煤矸石识别方法的研究现状进行了总结,列举了密度识别法、硬度识别法等以密度、硬度等为识别特征的煤矸石识别方法,以及射线识别法、图像识别法等以灰度、纹理为识别特征的煤矸石识别方法的代表性研究成果,并对比了各种识别方法的特点。对煤矸石识别方法的研究方向和途径进行了展望,提出应全面分析、理解煤矸石的特征差异,研究符合煤矿绿色发展要求的煤矸石识别方法、快速高效的煤矸石图像识别方法、融合和创新现有方法的新型煤矸石高效识别方法。     

关于模糊系统辨识近年来的研究与发展

为了实现理想的模糊控制，基于对象的模糊系统辨识研究具有非常重要的理论与实际应用价值．本文主要从模糊系统结构辨识和参数辨识两方面讨论了近年来在该领域的一些研究内容和方法，分析了它们的主要优缺点并探讨了这一研究领域目前存在的问题和研究趋势．     

An algorithm for bounded-error identification of nonlinear systems based on DC functions

This paper presents a guaranteed method for the parameter estimation of nonlinear models in a bounded-error context. This method is based on functions which consists of the difference of two convex functions, called DC functions. The method considers DC representations of the functional form of the dynamic system to obtain an outer bound of the set of parameters that are consistent with the measurements, the system and the considered bounded error. At each iteration, the proposed algorithm solves several convex optimization problems to discard from the initial search region subregions that are proved not consistent. This operation is repeated while the obtained solution is improved. Four examples are provided to clarify the proposed identification algorithm.     

A virtual closed loop method for closed loop identification

Indirect methods for the identification of linear plant models on the basis of closed loop data are based on the use of (reconstructed) input signals that are uncorrelated with the noise. This generally requires exact (linear) controller knowledge. On the other hand, direct identification requires exact plant and noise modelling (system in the model set) in order to achieve accurate results, although the controller can be non-linear. In this paper, a generalized approach to closed loop identification is presented that includes both methods as special cases and which allows novel combined methods to be generated. Besides providing robustness with respect to inexact controller knowledge, the method does not rely on linearity of the controller nor on exact noise modelling. The generalization is obtained by balancing input-noise decorrelation against noise whitening in a user-chosen flexible fashion. To this end, a user-chosen virtual controller is used to parametrize the plant model, thereby generalizing the dual-Youla method to cases where knowledge of the controller is inexact. Asymptotic bias and variance results are presented for the method. Also, the benefits of the approach are demonstrated via simulation studies.     

基于模糊神经网络的非线性系统模型的辨识

该文提出一种非线性系统的模型辨识方法．利用关系聚类法来进行结构辨识，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，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。     

压力有关型VAVBOX控制回路的系统辨识

变风量空调末端（VAVBOX）是变风量系统的关键部位,其运行的状况将直接影响空调系统的整个运行效果。本文主要论述了对压力有关型变风量末端控制回路进行了系统辨识,风阀模型采用开环辨识的方法,房间模型辨识中采用了闭环辨识。为研究变风量空调末端（VAVBOX）在室内温度方面的精确控制与抗扰问题打下了坚实基础。     

Identification of time delays using a polynomial identification method

An algorithm for the exact least-squares identification of an approximate continuous-time time-delay system is derived and its operation verified by simulation.     

Stable on-line parameter identification with general knowledge on level of information noise discrete-time case

An on-line parameter identification problem is posed and solved for discrete-time systems with general knowledge on the level of the inherent information noise. The knowledge can be the bound on either the magnitude or the finite-index ^p norm, pε[1, ∞), of the noise. Based on the knowledge, a switching type gradient algorithm (or called gradient algorithm with dead zone) is proposed to estimate the parameters of the system from the available input-output data. In spite of the existence of the noise, this on-line algorithm guarantees that the estimation error is monotonically decreasing, and the parameter estimate is convergent to a steady-state value under a mild condition. Furthermore, the algorithm is stable in the sense that the estimation error will converge to zero as the bound on the noise gradually diminishes.     

On the accuracy in errors-in-variables identification compared to prediction-error identification

Errors-in-variables estimation problems for single-input–single-output systems with Gaussian signals are considered in this contribution. It is shown that the Fisher information matrix is monotonically increasing as a function of the input noise variance when the noise spectrum at the input is known and the corresponding noise variance is estimated. Furthermore, it is shown that Whittle’s formula for the Fisher information matrix can be represented as a Gramian and this is used to provide a geometric representation of the asymptotic covariance matrix for asymptotically efficient estimators. Finally, the asymptotic covariance of the parameter estimates for the system dynamics is compared for the two cases: (i) when the model includes white measurement noise on the input and the variance of the noise is estimated, and (ii) when the model includes only measurement noise on the output. In both cases, asymptotically efficient estimators are assumed. An explicit expression for the difference is derived when the underlying system is subject only to measurement noise on the output.     

指纹识别技术的研究

由于人体指纹具有唯一性和不变性,使得指纹识别与传统身份识别的方法相比具有更高的安全性和易用性.本文阐述了生物特征识别的发展历史、应用背景,并着重介绍指纹识别系统的工作流程、分类及研究现状.