基于模糊模型的大系统关联平衡法的收敛性

结合模糊规划与非线性规划的收敛性分析方法,给出了基于模糊模型的关联平衡法的 收敛性分析.首先证明了经去模糊处理后形成的约束集合与子过程原有的约束集合必有交集. 并且此交集是凸集.在此基础上,分析和证明了基于模糊模型的关联平衡法可用于求解基于模 糊模型的稳态大工业过程递阶优化问题.继而通过定义迭代序列的A-内积,证明了基于模糊模 型的关联平衡法是收敛的.同时给出了保证迭代收敛的迭代系数取值范围.     

具有模糊参数的大工业过程的关联预测法

针对模型－实际差异问题,提出了基于模糊模型的大工业过程稳态关联预测协调法。研究了关联预测协调法的两种情形：开环的关联预测协调法和有全局反馈的关联预测协调法。仿真结果表明,该算法收敛更快,目标函数更好,并且在线迭代次数有一定程度的减少。     

具有模糊约束的大工业过程的关联平衡法

研究稳态大工业过程的递阶优化控制算法时,针对模型-实际存在差异以及实际约束条件有一定伸缩性的问题,将子过程模型作为等式约束,通过引入模糊系数使其转化为模糊等式约束,同时对子过程原有的不等式约束进行模糊化处理,提出具有模糊约束的关联平衡法,进而研究了两种情形(开环和有全局反馈)的关联平衡法.仿真结果表明,有全局反馈的模糊关联平衡法得到的最终解十分接近实际过程的真实最优解.     

具有模糊约束的大工业过程的关联平衡法

研究稳态大工业过程的递阶优化控制算法时,针对模型－实际存在差异以及实际约束条件有一定伸缩性的问题,将子过程模型作为等式约束,通过引入模糊系数使其转化为模型等式约束,同时对子过程原有的不等式约束进行模糊化处理,提出具有模糊约束的关联平衡法,进而了两种情形（开环和有全局反馈）的关联平衡法。仿真结果表明,有全局反馈的模糊关联法得到的最终解十分接近实际过程的真实最优解。     

大工业过程稳态优化的模糊双迭代法

在研究大工业过程稳态优化控制算法时, 针对模型–实际存在差异, 将子过程模型作为等式约束, 通过引入模糊系数使其转化为模糊等式约束, 同时对子过程的不等式约束进行模糊化处理, 提出具有模糊不等式约束的模糊双迭代法, 通过实际例子研究了模糊双迭代法. 仿真结果表明, 模糊双迭代法目标函数非常接近实际目标函数值、算法迭代次数较精确双迭代法有明显改善. 这对实际生产非常重要.     

一种适用于多类不平衡数据集的模糊关联分类方法

提出一种适用于多类不平衡分布情形下的模糊关联分类方法,该方法以最小化AdaBoost.M1W集成学习迭代过程中训练样本的加权分类错误率和子分类器中模糊关联分类规则数目及规则中所含模糊项的数目为遗传优化目标,实现了AdaBoost.M1W和模糊关联分类建模过程的较好融合.通过5个多类不平衡UCI标准数据集和现有的针对不平衡分类问题的数据预处理方法实验对比结果,表明了所提出的方法能显著提高多类不平衡情形下的模糊关联分类模型的分类性能.     

一种基于改进客观聚类分析的模糊辨识方法

针对模糊辨识中采用迭代和人为决策法确定模糊规则数时易受噪声和人为因素的影响,而导致算法鲁棒性较差和计算量较高的问题,提出一种基于改进客观聚类分析的模糊辨识方法.首先引入并改进了客观聚类分析法,克服了迭代导致的规则数冗余,降低了人为因素对聚类结果的影响,从而减小了计算量并提高了鲁棒性;然后结合模糊聚类和稳态卡尔曼滤波法,分别辨识了前提和结论参数;最后通过Box-Jenkins仿真实例验证了所提方法的有效性.     

具有模糊参数的大工业过程的混合协调法

在研究大工业过程的递阶优化控制算法时, 针对模型-实际差异问题, 将子过程的数学模型中的系数处理为模糊数, 提出了基于模糊模型的大工业过程的稳态混合协调算法. 研究了两种具有模糊参数的混合算法: 开环的和有全局反馈的混合协调算法. 与基于精确系数模型的混合算法相比基于模糊模型的混合算法收敛更快, 目标函数更好.     

一种基于多目标进化算法的模糊关联分类方法

准确率和解释性是模糊关联分类模型的两个相互制约的优化目标.目前已有的研究方法中,有的只考虑了分类模型的准确率,有的把模型两个目标转化为单目标问题求解,在模型解释性目标上的优化策略较简单.为此提出一种基于Apriori和NSGA-II多目标进化算法的模糊关联分类模型(MOEA-FACM),采用基于概率独立性的模糊确认指标筛选生成高质量的模糊关联规则集,以Pittsburgh式的编码方式构建准确率和解释性折中的模糊关联分类模型.标准数据集上的实验表明,该方法所建模型分类准确率比同类模型高,分类模型具有较好的泛化能力,而其所含模糊关联规则的数目和规则前件总的模糊项的个数却较少,模型的解释性较好.     

双电机同轴驱动系统功率追踪算法研究

研究同轴双电机负载功率追踪问题,在该系统中,两台电机速度被强制同步,由于两台相同电机参数略有差异,将导致功率分配不平衡。基于功率平衡要求,根据矢量控制理论,将交流异步电机的电机转矩和电机磁通的解耦,得到双电机功率(电流)追踪的数学模型,通过设计模糊控制器与迭代算法进行控制,进行了同轴双电机功率追踪问题仿真。仿真结果表明,模糊PID控制与迭代算法控制的系统相比,可以提高功率跟踪的响应速度,更快达到功率平衡。     

机械臂自调整因子模糊PD迭代学习控制研究

大部分模糊控制器不具有适应控制对象变化的能力,基于此设计一种自调整因子模糊控制器,并针对机械臂长时间重复操作导致运动精确度下降这一类问题,结合迭代学习控制方法,提出一种自调整因子模糊PD迭代学习控制方法;以双关节机械臂为研究对象,利用Fuzzy工具箱编写模糊控制规则,通过系统产生的误差以及误差的变化率作为模糊控制器的输入量调整模糊系统中的量化因子和比例因子,实现模糊规则的更新和对迭代学习控制中的PD参数的实时调整,系统的自适应性得到提高,并在Simulink中进行机械臂的运动控制实验,仿真结果表明,所提控制方法最终产生的误差可以精确到0.0001 rad,同时在进行第2次迭代时关节角度和角速度误差收敛基本趋于零,整体的控制效果较好。     

Effective learning system techniques for human–robot interaction in service environment

HRI (Human–Robot Interaction) is often frequent and intense in assistive service environment and it is known that realizing human-friendly interaction is a very difficult task because of human presence as a subsystem of the interaction process. After briefly discussing typical HRI models and characteristics of human, we point out that learning aspect would play an important role for designing the interaction process of the human-in-the loop system. We then show that the soft computing toolbox approach, especially with fuzzy set-based learning techniques, can be effectively adopted for modeling human behavior patterns as well as for processing human bio-signals including facial expressions, hand/ body gestures, EMG and so forth. Two project works are briefly described to illustrate how the fuzzy logic-based learning techniques and the soft computing toolbox approach are successfully applied for human-friendly HRI systems. Next, we observe that probabilistic fuzzy rules can handle inconsistent data patterns originated from human, and show that combination of fuzzy logic, fuzzy clustering, and probabilistic reasoning in a single frame leads to an algorithm of iterative fuzzy clustering with supervision. Further, we discuss a possibility of using the algorithm for inductively constructing probabilistic fuzzy rule base in a learning system of a smart home. Finally, we propose a life-long learning system architecture for the HRI type of human-in-the-loop systems.     

Method of weak classifiers fuzzy boosting: Iterative learning of quasi-linear algorithmic composition

Method of fuzzy boosting providing iterative weak classifiers selection and their quasi-linear composition construction is presented. The method is based on the combination of boosting and fuzzy integrating techniques, when at each step of boosting weak classifiers are combined by Choquet fuzzy integral. In the proposed FuzzyBoost algorithm 2-additive fuzzy measures were used, and method for their estimation was proposed. Although detailed theoretical verification of proposed algorithm is still absent, the experimental results, made on simulated data models, demonstrate that in the case of complex decision boundaries FuzzyBoost significantly outperforms AdaBoost.     

递推窗口式多层构造简化模糊推论模型的研究

提出了一种递推窗口式多层构造简化模糊推论模型，在该模糊模型中，因各层的分割数相异，而使得该模型规则具有不同特性，在其模糊分割数较多的层上，可以获得高辨识精度的模糊规则，而在分割数较少的层上，模糊规则的生态变得简单易行，该文通过对两个非线性函数的辩识实验，验证了多层构造简化模糊推论模型有效性     

不确定情形下在线多源多属性反向拍卖双边协商决策

针对现实中存在的带有协商交互的在线多源多属性反向拍卖(OMSMARA)情形,同时考虑到买卖(采供)双方面临的不同方面的不确定性,综合利用双层规划理论和模糊理论研究不确定情形下OMSMARA双边协商决策问题.首先,基于问题描述和适当假设,建立一个新的带有协商交互的模糊混合整数双层规划(FMIBLP)模型,并基于增广模糊最小最大决策方法进行模型的精确转化;其次,考虑到问题模型的特点以及粒子群算法(PSO)的优越性,提出基于修正PSO的双层分布迭代算法(PSO-BLDI)用于模型求解;然后,通过数值算例和对比分析展示所建模型的可行性以及所提出算法的有效性;最后,通过敏感性分析研究相关参数变化对模型求解结果的影响,进一步表明所提出模型的合理性与决策方法的有效性.     

Stability analysis of nonlinear multivariable Takagi-Sugeno fuzzycontrol systems

Points out how the nonlinearities involved in multivariable Takagi-Sugeno (T-S) fuzzy control systems could originate complex behavior phenomena, such as multiple equilibrium points or limit cycles, that cannot be detected using conventional stability analysis techniques. In the paper, the application of MIMO frequency-domain methods to predict the existence of multiple equilibria and of limit cycles are presented. The proposed method is based on the formulation of a Lur'e problem from the original structure of a T-S fuzzy system with a fuzzy controller. Furthermore, this technique makes straightforward the application of input-output stability techniques such as the multivariable circle criterion, also called the conicity criterion, and the harmonic balance method. Moreover, in the paper, the application of the harmonic balance method has been generalized to the case of a MIMO fuzzy system with asymmetric nonlinearities and improved by the decreasing conservatism. A new and more general stability index which could be used to perform a bifurcation analysis of fuzzy control systems is presented. The paper includes a collection of examples where the advantages of the proposed approach are made explicit comparing it to the input-output conicity criterion and the Lyapunov direct method     

A simple algorithm for training fuzzy systems using input–output data

This paper proposes a simple algorithm for training fuzzy systems from numerical data. The main advantage of the method is the lack of complicated iterative mechanisms and therefore, its implementation is carried out easily. The suggested algorithm employs a fuzzy model with simplified rules, assuming a fuzzy partition of the input space into fuzzy subspaces. The output is inferred by expanding the model into fuzzy basis functions (FBFs), where each FBF corresponds to a certain fuzzy subspace. The number of rules and the respective premise parts (fuzzy subspaces) are determined using the nearest neighbor approach. Then, the optimal consequent parameters are obtained by the least-squares method. Finally, simulations show the validity of the method.     

基于遗传算法的模糊迭代学习控制算法

为了提高被控系统的控制精度及加快迭代域内的收敛速度,提出一种基于遗传算法的模糊PD型迭代学习控制算法。该算法通过模糊TSK模型设计迭代学习控制器,TSK模型中THEN部分的未知参数由遗传算法离线计算确定,进而产生合理的迭代学习律。针对被控系统,设计相应的迭代学习控制算法进行仿真分析,并与传统PD型迭代学习控制算法、模糊PID迭代学习控制算法相比较,进而将该算法用于双关节机械手进行仿真研究,仿真结果表明该算法的有效性。