基于模糊层次分析法的建筑结构安全评价体系研究

为了准确地对建筑结构现状进行安全评价，考虑到建筑房屋结构的复杂性与安全评价因素的模糊多样性，采用模糊层次分析法建立建筑结构安全评价体系。首先，将建筑房屋划分为地基基础、承重柱、承重梁、墙体、楼板层以及屋盖围护系统６项一级评价指标，然后在此基础上建立２３项二级评价指标。其次，由层次分析法得到各评价指标的权重，根据建立的安全因素评判标准和隶属函数对各因素进行模糊评价，并利用多级评价原理来构建建筑结构安全评价模型。最后，通过工程实例对评价模型进行验证，评价结果为较安全。与现有评价规范相比，提出的建筑结构安全评价体系涉及指标全面、方法可行、结果可靠，可对类似房屋结构的评估鉴定提供借鉴和指导。     

基于滑模的二阶多智能体快速抗扰一致性

针对带有外部未知扰动的二阶多智能体系统的领导—跟随有限时间一致性问题，本文设计出一种带有时变增益的有限时间干扰观测器，用以实现对每个跟随智能体中未知扰动的快速估计，在此基础上，本文结合超螺旋积分滑模控制方法并利用邻居智能体的位置和速度信息设计一种快速抗扰一致性协议，该协议能够保证存在非线性动态的多智能体系统有限时间一致性控制并能抑制抖振现象.同时，利用李亚普诺夫函数进行了稳定性的证明.最后，通过Matlab数值仿真进一步验证了所提出协议的可行性.     

基于模糊PD型输入迭代学习的工业机器人轨迹跟踪控制

针对工程应用中工业机器人的内置控制器在确定其结构和控制参数后一般不能修改的问题,提出一种基于机器人内置控制器的模糊比例—微分(PD)型输入迭代学习轨迹跟踪控制方法。利用跟踪误差及其导数构建控制律,控制参数采用模糊增益调整型进行自整定,无需根据轨迹反复调整,并将迭代学习量叠加到轨迹输入中,通过更新实际轨迹输入来提高目标轨迹的跟踪精度。MATLAB/SIMULINK仿真和六自由度工业机器人实验结果表明:提出的方法能够在不影响机器人内置控制器稳定性的基础上,实现更高精度的轨迹跟踪。     

模糊综合评价法在医生评价系统中的应用

本文以Java和模糊数学为基础并使用后台框架设计了医生综合评价系统。系统以easyUI为前端框架,后台在业务处理上使用spring、SpringMVC等框架,在数据处理上融合了模糊综合评价算法。整个系统逻辑严谨,结构稳定,数据处理科学,评价结果准确。     

显隐信息协同的多视角极限学习模糊系统

多视角数据正在越来越多地应用于各种建模任务,但当前的多视角模糊系统建模方法,主要集中于实现各个显性视角的合作,还未能充分探讨和利用各视角间共享的隐信息。针对此,对如何引入各个显性视角共享的隐空间信息来实现显隐视角协同的模糊系统建模进行了研究。具体地,基于岭回归极限学习模糊系统(ridge regression extreme learning fuzzy system,RR-EL-FS)模型,引入隐空间信息实现显隐视角协同学习来对RR-EL-FS进行学习,最终开发出具有显隐视角协同功能的岭回归极限学习模糊系统预测模型(ridgeregression extreme learning fuzzy system with cooperation between visible and hidden views,RR-EL-FS-CVH)。该方法较之以往相关的多视角建模方法能更好地利用隐空间的有效信息,从而能够进一步提高受训模型的泛化性能。大量的实验结果亦验证了所提方法的有效性。