应用Fuzzy集合理论测辨系统Fuzzy模型的新方法——Fuzzy推理合成法

本文基于Fuzzy集合理论,根据待辨识系统的量测数据,应用Fuzzy推理合成规则,提 出建立系统Fuzzy模型的新方法,通过建立水泥回转窑热工过程Fuzzy模型,证实了该方 法的可行性.     

Fuzzy正规集合与Fuzzy右线性文法的关系

在文献[1]的基础上,对Fuzzy正规集合和Fuzzy右线性文法之间的关系作了进一步的探讨,证明了Fuzzy正规集合的右线性可表示性,为进一步研究Fuzzy正规集合与Fuzzy有限状态自动机的关系提供了一种新方法.     

覆盖粗糙直觉Fuzzy集模型

考虑到经典粗糙集模型中等价关系过于严格的缺陷和直觉Fuzzy集在处理不确定信息时所具有的表达力,建立了覆盖粗糙直觉Fuzzy集模型,并给出了该模型下的一些性质;接着引入了覆盖粗糙直觉Fuzzy集模型的粗糙度和粗糙熵的概念,讨论其不确定性度量;最后给出了算例。     

Fuzzy插值及其Fuzzy泛函网络构造理论

首先分别介绍了泛函网络概念和Fuzzy插值概念及性质；将泛函网络结构特性和Fuzzy插值映射有机地结合起来，提出了一类新型FuzzY泛函网络模型，给出其Fuzzy泛函网络构造方法；采用构造性方法从理论上证明了FuzZy泛函网络能够以任意精度逼近任意定义在有界闭集上的连续函数。这从理论上为Fuzzy泛函网络的使用提供了依据，具有明显的实际应用价值。     

Fuzzy前馈补偿及应用*

本文提出一种由Fuzzy反馈、Fuzzy前馈补偿构成的Fuzzy控制系统,证明了它的存在性,提出实现该Fuzzy控制方法的计算机算法,并将此算法运用于数学模型未知和频繁干扰的石英器皿过程控制系统中,取得令人满意的控制效果。     

基于一元Fuzzy事件的大脑存储模型

为改正已有大脑存储模型的缺陷,提出了基于一元Fuzzy(模糊)事件的大脑存储模型.它将外界不同的认知信息融合为Fuzzy认知元的形式,并由一元Fuzzy事件的发生触发存储;存储的机制被定义为由一系列存储子计算构成的存储计算;模型的存储数据是认识,模型的物理存储器是一个容量有限但行列可变的存储体,从而保证有限的存储容量存储尽可能多的认识.实验表明,该模型能够模拟大脑的归纳、记忆、回忆、遗忘等存储功能.因此,基于一元Fuzzy事件的大脑存储模型是一种理想的大脑存储模型.     

抗生素生产过程补料时机的Fuzzy识别与预报

本文就抗生素发酵生产过程,提出了一种补料时机的Fuzzy识别、预报的建模方法,并根据20m~3发酵罐工业数据的分析,选取了以总糖、总糖变化率、氨基氮和氨基氮变化率四个主要参数作为输入集因素,运用本文提出的方法,建立了一个实际的抗生素发酵生产过程补料时机的 Fuzzy 识别、预报模型。经现场调试效果良好,与富有经验的行家相比,准确率达90%以上。     

边界不确定信息的处理—Fuzzy集和Vague集

Fuzzy集和Vague集都可用于边界不确定信息的处理。文章首先研究了这两种集合间的关系、性质,提出了Fuzzy集和Vague集的边界不确定性都可用犤0,1犦上的一个子区间来进行描述的思想。然后基于一些Vague集相似度量的思想,提出了一种求Fuzzy集和Vague集的相似性度量方法,并建立了基于Fuzzy集和Vague集度量方法的统一模型,该模型在这两种集合相似性度量上是等价的,并给出了该模型满足的性质。     

一种Vague集转化为Fuzzy集的方法

已存在的Vague集向Fuzzy集转化的多种模型都存在着一定缺陷。论文从另一种角度探讨了Vague集到Fuzzy集的转化,它把模糊隶属度看成是参数k的函数,这样在计算模糊隶属度时,只需给定满足条件的参数k即可;另一方面,在进行模糊信息处理时,会遇到一些不确定因素,如果所得到的模糊隶属度与实际结果有些偏差,可根据参数k的数学性质有目的地调整k,而不必去重新建立方法模型,因此,此方法比已存在方法灵活,适用;文章也对已有的转化方法与所提模型进行了比较,说明了所提模型的正确性及有效性。     

Fuzzy控制理论在甜菜制糖过程的应用

基于Fuzzy控制理论提出了归一Fuzzy量化及带修正函数的Fuzzy控制规则自调整 方法,并介绍了该法在甜菜制糖过程的成功应用.通过某糖厂的运行结果,证明了微机Fuzzy 控制在甜菜制糖过程应用的可行性与有效性.     

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.     

BAYESIAN INFERENCE OF FUZZY PROBABILITIES

Abstract

In this paper, we propose a new method to generalize Bayesian methods both for fuzzy likelihood and fuzzy prior probabilities. Based on interval Bayesian inference developed by Pan and Klir [1996], the proposed method overcomes the difficulty in developing a normalized fuzzy Bayesian inference recognized in the literature [Friihwirth-Schnatter, 1993].     

INTUITIONISTIC FUZZY SETS BASED METHOD FOR FUZZY TIME SERIES FORECASTING

Fuzzy time series models are of great interest in forecasting when the information is imprecise and vague. However, the major problem in fuzzy time series forecasting is the accuracy of the forecasted values. In the present study we propose a hybrid method of forecasting based on fuzzy time series and intuitionistic fuzzy sets. The proposed model is a simplified computational approach that uses the degree of nondeterminacy to establish fuzzy logical relations on time series data. The developed model was implemented on the historical enrollment data for the University of Alabama and the forecasted values were compared with the results of existing methods to show its superiority. The suitability of the proposed method was also examined in forecasting market share prices of the State Bank of India on the Bombay Stock Exchange, India.     

PROPOSAL OF AN INTERPOLATIVE FUZZY INFERENCE METHOD

In this paper, we propose an interpolative fuzzy inference method, in which the fuzzy relation is represented by the membership functions of the antecedent and consequent parts. The strong point of this method is that the membership function of an inferred conclusion has a simple shape and thus its meaning can be interpreted easily. Firstly, the proposed method is explained, and then it is applied to fuzzy modeling of distributed data. From the modeling result, it was found that the method performed as a possibility distribution model. The proposed method is expected to be effective on a human supervised system, in which a human being takes any action according to the interpretation of a fuzzy inferred conclusion.     

一种高效的模糊规则自动生成方法

文中提出一种模糊规则自由生成方法。该方法借助Ｋ－Ｎｅａｒｅｓｔ－Ｎｅｉｇｈｂｏｒ的概念确定控制曲面的的关键点,然后根据关键点确定模糊划分,并由此构造模糊神经网络学习模糊规则。神经网络采用ＢＰ算法学习,在学习过程中可根据收剑情况适当增加模糊分区,并重构神经网络继续学习。该方法能生成较精简的规则集,并具有良好的收敛性和较快的收剑速度。     

机器人化柔性装配过程的模糊自动机模型

机器人化柔性装配系统是现代制造系统的重要研究内容之一．装配过程的建模是许多研究工作的基础．本文在分析装配过程的特点的基础上，将模糊自动机的理论和方法应用于装配过程的建模研究中，提出了一种机器人化柔性装配过程的模糊自动机模型     

基于模糊预测的间歇PID控制器

将模糊预测和间歇ＰＩＤ控制器相结合，提出了变控制周期控制器．根据对被调量未来偏差和偏差变化率的模糊预测，合适地选择间歇ＰＩＤ控制器的控制周期，有利于改善具有大纯时滞对象控制系统的动态品质．最后由仿真结果说明了该方法的有效性     

FUZZY PNN ALGORITHM AND ITSAPPLICATION TO NONLINEARPROCESSES

Abstract

In this paper, a fuzzy Polynomial Neural Network (PNN) algorithm is proposed to estimate the structure and parameters of fuzzy model, using the PNN based on Group Method of Data Handling (GMDH) algorithm. The new algorithm uses PNN algorithm and fuzzy reasoning in order to identify the premise structure and parameter of fuzzy implications rules, and the least square method in order to identify the optimal consequence parameters. Both time series data for the gas furnace and data for the NO_x emission process of gas turbine power plants are used for the purpose of evaluating the performance of the fuzzy PNN. The simulation results show that the proposed technique can produce the fuzzy model with higher accuracy and feasibility than other works achieved previously. This algorithm will be applied to limited data processes with several inputs.     

小波变换和模糊识别技术在人体血压信号处理中的应用

为了精确测量人体血压，如何对血压信号进行分析和处理是问题的关键．本文首次将小波理 论和模糊识别理论相结合，并应用于人体血压波形信号的实际分析中；创造性地将离散小波 和连续小波变换结合在一起，完成有用信号的特征提取，并用模糊识别的方法实现目标的识 别．本文对各种波形信号的分析提供了非常有效的处理方法，具有很大的实际应用价值．