基于模糊穴—穴映射的多变量模糊系统分析

在简要介绍了多变量模糊系统的模糊穴－穴映射（ＦＣＭ－Ｉ）模型的基础上，提出了一种对多变量模糊系统进行分解的方法，此法的核心在于认为任何复杂系统的动态都是由其隐含的稳定子动态和不稳定子动态聚合而成，而系统特性则主要取决于决定性子动态的性质，并介绍了确定系统决定性子动态和基于其上的多变量模糊系统渐近分析方法。     

处理复杂模糊系统的模糊穴映射方法

在对模糊穴和模糊穴空间等基本概念作一简单介绍之后，本文着重从模糊多变量系统的建模，辨识和控制等方面出发概述了基于模糊穴射的理论和方法，本文的方法有效地处理多变量模糊系统和利用已有的传统方法来解模糊系统问题开辟了一条新的途径，本文建立的方法的有效性已补实际的应用所证明。     

多变量模糊系统的一种快速算法

在简要介绍模糊穴一穴映射基的模糊多变量系统模型基础上，给出一种适用于多变量模糊系统运算中复合推理过程的快速算法。理论分析和示例表明该算法的计算效率远远高于广泛采用的复合推理算法。新算法的提出使用ＦＣＭ－Ｉ方法成为解决多变量模糊系统研究和应用中复杂高维模糊系统的简捷表示和高效率的计算问题的有效途径。     

一类多变量非线性动态系统的模糊辨识及鲁棒分析

对一类非线性多变量未知动态系统，提出一种模糊辨识器，设计中采用ＩＦ－ＴＨＥＮ推理规则来构造多变量模糊逻辑系统，实现对系统中未知函数的逼近；应用李亚普诺夫合成方法和奇异摄动理论，研究模糊辨识器的稳定性和鲁棒性。     

基于广义模糊基函数的多变量模糊模型及其辨识方法

利用模糊穴位映射理论，提出一种有效描述复杂多变量系统的模糊模型－－广义模糊基函数展开式，它可方便地处理多输入多输出系统的语言和系统信息，并可逼近任意非线性函数，是一种通用的多变量模糊逻辑系统模型。利用语言信息，提出一种新的自适应参数辨识方法－－改进的Ｗｉｄｒｏｗ－Ｈｏｆｆ学习规则，仿真结果验证了它的有效性。     

板球系统T—S模糊多变量控制方案

板球系统是一个典型的多变量，非线性控制对象，它是杆球系统的扩展，适合用于检验各种控制方案，本文介绍了板球系统及其数学模型，就轨迹跟踪问题提出了基于T－S模糊的模糊多变量控制方案，并验证了这种控制方案能使系统全局渐进稳定，仿真实验结果表明本文所采用的控制方案明显优于传统的PD控制方案。     

多变量系统的模糊神经网络控制模型及其应用

本文综合模糊控制系统与人工神经网络的优点，提出了一种多变量系统的模糊神经网络控制模型并给出了其建模方法，该方法适合于多变量系统的建模及其模糊控制器的设计。笔者以此方法建立了渣贫化电炉生产过程的模糊神经网络控制模型并开发出相应的决策支持系统，该系统自１９９２年６月投入生产现场使用以来，一直稳定可靠地正常运行，取得了令人满意的效果和显著的经济和社会效益。     

模糊广义预测控制及其应用

本文将单变量广义预测控制原理应用到多变量模糊系统,提出了一种基于辨识模糊模型 的多变量预测控制方法.仿真研究表明,该模糊广义预测控制方法适用于工业过程的动态辨 识和控制,交能取得良好的效果.     

典型T-S模糊系统是通用逼近器

研究的多输入单输出T－S模糊系统采用输入变量的线性函数作为规则后件,称为典型T－S模糊系统,在每个输入变量的模糊子集满足一致性以及隶属函数连续且分段可微的条件下,证明了典型T－S模糊系统是通和逼近器,以此为基础,提出当典型T－S模糊系统采用BP算法进行在线学习时,可以仅调节规则后件的参数,而同时仍然能够确保通用逼所性。     

不确定广义模糊系统的鲁棒模糊H∞控制器设计

研究了不确定广义模糊系统鲁棒H∞状态反馈控制器和动态输出反馈控制器设计问题。在E确定其它系数矩阵均存在不确定性情况下，给出鲁棒模糊H∞状态反馈控制器和动态输出反馈控制器存在的充分条件。鲁棒H∞状态反馈控制律的设计可能通过求解线性矩阵不等式得到，而动态输出反馈鲁棒H∞控制器可通过定义新变量得到，所求控制器使闭环系统对所有的不确定性稳定且满足H∞性能指标γ。     

模糊Prolog系统

模糊Prolog系统将不确定性引入到传统的Prolog系统中,对现实应用具有很大的意义。文中首先介绍了模糊系统和Prolog系统,然后讨论了实现模糊Prolog系统的两种方法,并给出了一些典型的模糊Prolog模型。最后重点讨论了在Prolog系统中实现模糊集合的几种方法,因而对于不同的应用要求可以选择不同类型的模糊Prolog系统。     

利用模糊系统的自适应模糊控制器

针对非线性系统控制,设计了利用TSK(Takagi-Sugeno-Kang)模糊系统的自适应模糊控制器。所设计的自适应控制方法是参考模型自适应控制方法,而且利用Lyapunov函数保证了闭环系统的稳定性,同时推导了最优的自适应控制规律。首先,根据控制对象的输入输出数据建立TSK模糊模型,然后,由TSK模糊模型设计初期的TSK模糊控制器,并根据自适应规律随时调整模糊控制器参数。倒立摆系统的仿真实验验证了所设计的自适应模糊控制器的有效性。     

基于中心型TSK模糊模型的分层模糊系统

模糊系统随着输入维数的增加,其中模糊规则和辨识参数的数量将按指数级增长,针对这一问题,采用分层模糊系统是一种很好的解决方法,但分层模糊系统中各层的辨识变量没有明确的物理含义,无法进行合理的模糊化设计和解释。基于一种分层模糊系统,引用中心性TSK模糊系统思想,从而构造了一种新型的模糊系统。这种新型模糊系统保留了分层模糊系统的结构优势,极大地减少了模糊系统的模糊规则数量和辨识参数数量,又能对用到的内部参数进行很好的解释。并通过实例仿真表明基于中心型TSK模糊模型的分层模糊系统具有较好的逼近性能和更简单的结构。     

基于模糊聚类和卡尔曼滤波方法的模糊辨识*

本文提出一种通用的基于模糊聚类和卡尔曼滤波方法的模糊辨识方法。模糊聚类方法在给定的广义目标下按线性簇对被辨识的样本数据进行聚类，这样使得被辨识模型可用基干局部线性模型表示，然后，利用卡尔曼滤波方法拟合这些线性模型。本文给出了详细的模糊辨识算法。为了验证该辨识方法的有效性，本文最后给出了熟知的Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果。     

基于模糊积分的多模糊决策树融合

给定一个模糊信息系统,可能找到多个重要的模糊属性子集,而且这些重要的模糊属性子集对决策有不同的贡献,会产生不同的影响.如果仅选择其中一个模糊属性子集进行决策,即使是最重要的一个,也会丢失隐含在其他重要的模糊属性子集中的可用信息.为了充分利用模糊信息系统中每个重要的模糊属性子集所提供的信息,提出了一种基于模糊积分的多模糊决策树融合方法.这种方法分3个步骤:1)通过模糊等价关系找到几个重要的模糊属性子集;2)对每个模糊属性子集,利用模糊ID3算法生成一棵模糊决策树;3)用模糊积分融合几棵模糊决策树.实验结果证明了用多模糊决策树融合方法比单模糊决策树分类效果更好.     

模糊系统的逼近精度和规则关系研究

从模糊系统的逼近精度角度来研究模糊系统的杂程度、逼近精度、控制规则数目之间的关系。通过修改逼近精度的边界而减少了控制规则,近而达到了简化系统复杂程度的目的。通过实例分析可以看出,所设计的模糊系统既达到了所要求的精度,同时又使规则数目大大地减少了。     

Fuzzy Non-Homogeneous Markov Systems

In this paper the theory of fuzzy logic and fuzzy reasoning is combined with the theory of Markov systems and the concept of a fuzzy non-homogeneous Markov system is introduced for the first time. This is an effort to deal with the uncertainty introduced in the estimation of the transition probabilities and the input probabilities in Markov systems. The asymptotic behaviour of the fuzzy Markov system and its asymptotic variability is considered and given in closed analytic form. Moreover, the asymptotically attainable structures of the system are estimated also in a closed analytic form under some realistic assumptions. The importance of this result lies in the fact that in most cases the traditional methods for estimating the probabilities can not be used due to lack of data and measurement errors. The introduction of fuzzy logic into Markov systems represents a powerful tool for taking advantage of the symbolic knowledge that the experts of the systems possess.     

规则摄动时模糊蕴涵算子对模糊推理的鲁棒性的影响

列举了模糊规则发生摄动的常见情形,建立了一般性的模糊推理算法对规则摄动的鲁棒性的概念;就多重、链式和多维模糊推理情形,重点研究了一般性的模糊蕴涵算子对几个重要的模糊推理算法的这种鲁棒性的影响,并分别给出了相应的充分必要条件;初步尝试了通过一定的摄动制约来改善这种鲁棒性;同时指出了很多现有的模糊蕴涵算子使得所讨论的这些推理算法拥有好的鲁棒性,此时,即使规则中的隶属度有适度的粗糙或摄动,推理仍是可行的、安全的．文中工作对模糊系统的分析、模糊蕴涵算子的选择以及规则获取过程有一定的指导意义．