基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于模糊预测器模型的混沌时间序列预测

基于数据挖掘思想，使用兴趣度度量和改进的梯度下降法，提出一种新的、具有自学习能力的模糊方法来建模和预测混沌时间序列．所提方法不仅能同时辨识模糊模型、调整其参数及确定输出空间的最优模糊子集，而且解决了梯度下降法中存在的收敛速度和振荡之间的冲突问题．仿真结果表明新方法是有效的、准确的，它能很好地辨识系统的特征，并且提供了一种混沌时间序列预测的新方法．     

基于聚类和遗传算法的解释性模糊模型设计

提出了一种基于模糊聚类和遗传算法构建解释性模糊模型的设计方法。定义了模糊模型的精确性指标，给出了模糊模型解释性的必要条件。然后利用模糊聚类算法和最小二乘法辨识初始的模糊模型；采用多目标遗传算法优化模糊模型；为提高模型的解释性，在遗传算法中利用基于相似性的模糊集合和模糊规则的简化方法对模型进行约简。采用该方法对Mackey-Glass系统进行建模，仿真结果验证了该方法的有效性。     

一种基于模糊聚类的模糊辨识方法

介绍一种基于模糊聚类的模糊辨识方法。首先利用含有聚类准则函数的模糊聚类方法来确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数。该方法应用于Box-Jenkins数据仿真实例,仿真结果表明该方法简单有效。     

模糊聚类分析系统的研究与实现

针对目前多种模糊聚类算法组合应用研究较少的现状,在分别对基于模糊等价关系和基于模糊等价划分这两种模糊聚类分析方法进行了较为深入研究的基础上,根据两种方法的特点,构建了一种组合式模糊聚类分析方法。采用VC++与Fortran6.5语言混合编程,开发了一套模糊聚类分析系统,分别实现了基于模糊等价关系法、基于模糊ISODATA法和基于组合式模糊聚类法的模糊聚类分析,并将其应用于电力系统中不良数据的辨识处理,取得了较为理想的效果。实例分析表明,组合式算法能够有效克服单独使用某种模糊聚类算法的缺点,同时也反映出该模糊聚类分析系统具有聚类方法选取灵活、软件界面友好、计算速度快等特点,有良好的应用前景。     

基于软分类和卡尔曼滤波方法的模糊规则提取

提出了一种新的基于遗传模糊软分类和卡尔曼滤波方法的模糊辨识算法.该算法由3个步骤组成：（1）基于遗传算法确定模糊C均值（FCM）中的最佳分类数,从而确定模糊规则的前件和样本在各类中的隶属度;（2）采用最小二乘法（LS）来确定模糊规则后件的初始参数;（3）用卡尔曼滤波方法调整后件参数.最后,运用该算法对我国全要素生产力进行了模糊规则的提取.     

基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。     

一类数据结构的模糊规则的构造方法

提出用模糊逻辑规则精确表示一类有限元的方法，基于这种方法构造的模糊规则是唯一的，模糊规则之间不存在相互矛盾的情况。     

基于T-S模糊系统的软测量混合建模研究

在分析几种模糊系统建模方法的基础上，提出一种简单有效的软测量建模方法．该算法基于变结构构造法模糊建模思想，均匀设计模型的初始结构，以绝对误差为建模指标，通过增加模糊规则来提高T S模糊系统的精度．为降低规则参数辨识的计算量，提高建模速度，将规则参数分为线性和非线性两部分，分别采用Levenberg Marquardt法与最小二乘法进行辨识．实例证明，本文所提出的建模方法规则分布合理，收敛速度快，泛化性能好，适合建立多输入的软测量模型，具有较好的实际应用价值．     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上，再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

基于局部线性聚类算法的模糊建模

提出了一种新的基于T-S模糊模型的建模方法，首先通过一种局部线性聚类算法，自适应确定模糊规则数目及初始T-S模型的前提和结论参数，建立相应的一阶T-S模糊神经网络．并用梯度下降和递推最小二乘混合算法训练网络参数，从而提高建模精度．最后，通过两个仿真实例验证了本文方法的有效性．     

基于特征选择和协同模糊聚类的模糊建模研究

为了提高模糊模型辨识效率,提出了一种新的模糊模型建摸方法,该方法由两步组成:(1)采用基于特征相似性的特征选择方法,去除原始数据的冗余;(2)利用协同模糊聚类与G-K相结合的算法初始化模糊模型,使其前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类,模型参数得到改善,提高了模糊模型辨识的效率。模糊建模的实验结果表明了该方法的有效性。     

基于模糊聚类的非线性系统模糊辨识算法

针对模糊聚类算法中数据和运算耗时很长，不适于在线建模与控制的问题，基于模糊聚类型隶属函数和EUM方法，提出了一种新的模糊辨识算法。该方法省去了求解聚类中心的迭代过程，计算时间显著减少。采用该方法对Box—Jenkins煤气炉数据和Mackey—Glass混沌时间序列进行了仿真，结果证明了该方法的有效性。     

聚酯酯化率软测量技术研究

介绍了某聚酯生产过程酯化工艺建立的过程质量指标酯化率的软测量模型。提出一种利用减法聚类产生初始的T-S模糊模型,通过粗调与细调聚类半径优化模糊模型的方法。建模前选择或计算出辅助变量,对样本数据进行了误差剔除与归一化处理。仿真结果表明,该方法建模速度快,模型泛化性能良好,为酯化率的估计提供了一种有效方法。     

基于过程输入输出变化关系的模糊建模方法

针对难以建立精确数学模型的复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。首先按过程输出随输入变量变化的程度对输入变量论域进行划分,在此基础上确定模糊模型的规则总数和前件参数;然后根据所建模糊模型可表示为一个前馈模糊神经网络,利用BP学习算法求得过程模糊模型的后件参数。仿真例子验证了模糊建模方法的有效性,同时表明所建模糊规则模型较好的泛化能力。     

基于子集融合与规则简约的磨矿过程模糊建模

针对选矿厂磨矿生产过程的模糊建模问题,本文提出一种基于模糊集融合和规则简约的模糊建模方法.该方法针对基于数据建立的磨矿过程Takagi-Sugeno模型,采用模糊C均值聚类方法对同一变量下的隶属度函数参数进行聚类,得到对不同工况具有代表性的融合后的隶属度函数,来降低过度拟合的影响.此外,本文根据规则库中的规则权值,对前件相同的冗余规则进行约简,形成最终的离线模糊规则库,有效提高了规则库的泛化能力.为验证本文方法的有效性,分别采用经典数据与实际工业数据进行了实验论证,从精度和泛化能力上体现了本文方法的优势.     

基于F-SVMs的多模型建模方法

针对全局模型难以精确描述复杂工业过程的问题,提出一种基于模糊支持向量机(F-SVMs)的多模型(F-SVMs MM)建模方法。用模糊支持向量分类算法(F-SVC)对输入数据进行预处理,得到多模型模糊隶属度;用模糊支持回归算法(F-SVR)建立多模型(MM)估计器。应用该方法对pH中和滴定过程进行建模,仿真结果表明,F-SVMs MM跟踪性能好、泛化能力强,比USOCPN方法和标准支持向量机(SVMs)方法具有更好的性能和推广能力。     

A formal approach for graphically building fuzzy XML model

eXtensible Markup Language (XML) has been the de facto standard of data representation and exchange over the Web. In addition, imprecise and uncertain data are inherent in the real world. Although fuzzy data have been extensively investigated in the context of the relational model, the classical relational database model and its fuzzy extension to date do not satisfy the need of modeling complex objects with imprecision and uncertainty on the Web. On the basis of possibility theory, this paper concentrates on fuzzy information modeling in the fuzzy XML model and the fuzzy IFO model. In particular, the formal approach to mapping a fuzzy IFO model to a fuzzy document-type definition model is developed.     

模糊时间序列挖掘在复杂系统模糊建模中的应用

针对于复杂工业过程领域模糊建模问题, 提出了一种基于时间序列的模糊定量数据挖掘方法, 并讨论了其在复杂系统模糊逻辑推理模型结构辨识中的应用. 该方法建立在系统历史采集数据库基础之上, 较好的解决了多入多出 (MIMO)非线性复杂工业过程模糊建模时初始模型的建立问题. 文章最后讨论了该方法在氧化铝熟料烧结回转窑建模中的应用, 取得了良好的现场运行效果.