广义多变量模糊C均值聚类算法

模糊聚类算法为了保证算法的收敛性,要求模糊指标m取值大于1,这限制了算法的普适性。提出广义多变量模糊C均值聚类算法(GMFCM),在多变量模糊C均值聚类算法(MFCM)的基础上,利用粒子群优化算法对分量模糊隶属度进行优化估计,进而将模糊指标拓展到m>0的情况,同时采用梯度法得到算法聚类中心迭代公式。GMFCM理论分析了模糊指标m扩展的原理,研究了模糊指标m在不同取值情况下的性质,解释了模糊指标m的实际意义,讨论了GMFCM算法的收敛性。GMFCM继承了MFCM算法的样本分量区分性能,弥补了MFCM算法聚类中心分量与样本分量重合时的不完备性,突破了模糊聚类算法对参数m的约束,提高了模糊聚类算法的普适性。基于gauss数据集和UCI数据集的仿真测试验证了所提算法的有效性。     

模糊有限自动机的最小化算法优化

现有的模糊自动机最小化算法没有涉及到对模糊自动机状态的隶属度迁移和变化的讨论,优化的模糊自动机最小化算法弥补了这类算法的不足之处。该算法将模糊有限自动机首先转化为单个初始状态的模糊自动机,然后再将转化后的模糊自动机化简为最小模糊自动机,算法在转化过程中单独讨论了模糊自动机状态隶属度的转化方式,使得算法更加严谨和简化。     

软硬结合的快速模糊C-均值聚类算法的研究

讨论的是对模糊C-均值聚类方法的改进,在原有的模糊C-均值算法的基础上,提出一种软硬结合的快速模糊C-均值聚类算法。快速模糊C-均值聚类算法是在模糊C-均值聚类算法之前加入一层硬C-均值聚类算法。硬聚类算法能比模糊聚类算法以高得多的速度完成,将硬聚类中心作为模糊聚类中心的迭代初值,从而提高模糊C-均值聚类算法的收敛速度,这对于大量数据的聚类是很有意义的。用数据仿真验证了这种快速模糊C-均值聚类算法比模糊C-均值算法迭代调整过程短,收敛速度快,聚类效果好。     

多重多维模糊推理算法的连续性和逼近性

针对多重、多维模糊推理情形,细致地研究了几类模糊推理算法是否满足连续性和逼近性,并进一步讨论了这几类算法对逼近误差的传播性能。把模糊推理算法看成是一个模糊集合到另一个模糊集合的映射,选用海明距离作为两模糊集的距离度量方法,证明了在模糊假言推理和模糊拒取式推理情形,几类多重多维模糊算法都拥有连续性。当多重多维模糊算法满足还原性时就具有逼近性;该模糊算法都不会放大逼近误差。结果对构建模糊控制系统和模糊专家系统时选用和分析模糊推理算法有一定的指导作用。     

一种基于广义熵的模糊聚类算法

针对熵模糊聚类算法只考虑特殊的加权指数问题,将广义熵引入到模糊聚类的目标函数,获得一种基于广义熵的模糊聚类模型和模糊聚类算法。将核函数引入到该模糊聚类模型中,提出基于广义熵的核模糊聚类算法。实验研究广义熵模糊聚类算法与核模糊聚类算法,证明当使用熵模糊聚类算法对数据聚类时,选取加权指数大于2的值可获得较好的聚类结果,同时参数对核算法的聚类结果有较大的影响。     

基于改进T-S模糊神经网络的交通流量预测

在萤火虫优化算法和T-S模糊神经网络的基础上,提出了一种采用萤火虫算法优化的T-s模糊神经网络预测交通流量的算法。该算法利用萤火虫算法得到T_s模糊神经网络的最优参数配置,从而能发挥T-s模糊神经网络泛化的映射能力。将该算法应用到实测交通流中进行算法的有效性验证,并与传统的T-s模糊神经网络和遗传算法优化的T-S模糊神经网络进行比较,仿真结果表明该算法具有更高的预测准确性,从而证明了该算法在交通流量预测领域的可行性和有效性。     

模糊逻辑控制技术与应用(二)——第二讲 模糊关系及模糊算法

3 模糊条件语句—模糊关系3.5 模糊算法模糊算法与一般算法一样,也是指令的有序集合,只不过其中有些指令是模糊指令而已.模糊算法执行的结果输出一个大概解的特殊问题模糊指令如何组成模糊算法,则取决于具体控制问题的控制规律.模糊集的概念,特别条件陈述语句的概念,提供了模糊算法在许多系统中应用的基础.我们把模糊算法中的指令归纳成下面三类(1)设定句例如:x=5;x=Small;X is large;     

基于多链量子蜂群算法的模糊聚类图像分割

针对传统模糊C-均值聚类算法对初始值和噪声敏感的缺点,提出了一种基于多链量子蜂群算法的模糊C-均值聚类算法。首先,将多链拓展编码方案应用到量子蜂群算法中,提出了多链量子蜂群算法;其次,利用多链量子蜂群算法来优化模糊C-均值聚类的初始聚类中心;最后,设计一种新的利用多链量子蜂群算法优化模糊C-均值聚类中心的图像分割算法。实验结果表明,所提出的基于多链量子蜂群算法的模糊C-均值聚类图像分割算法是有效的,相对于传统模糊C-均值聚类算法及基于模糊的人工蜂群算法,所提算法在分割正确率、分割速度及鲁棒性上均更有效。     

自适应模糊决策树算法

为改善模糊决策树算法凭经验设定参数值的不准确问题,在分析模糊决策树算法的主要参数特征后,提出使用粒子群算法智能设定参数值的自适应模糊决策树算法.实验表明,与经验设定参数值的模糊决策树算法相比,自适应模糊决策树算法生成的模糊决策树的性能明显提高;最后,通过实验数据分析了关键参数之间存在的交互影响关系.     

基于自适应控制的乒乓球陪练机器人的系统研究与设计

为提高乒乓球陪练机器人的拾球性能,将模糊理论与PID控制技术相融合,并将融合后的模糊PID算法应用于陪练机器人的收集模块中,以此来提高机器人拾球的准确性。将模糊PID算法与MFAC算法以及子空间算法进行性能对比实验,结果显示,基于模糊PID算法的机器人的跟踪误差为0.08,显著低于MFAC算法以及子空间算法的跟踪误差。该结果说明,模糊PID算法的性能优于另外两种算法,将模糊PID算法融入乒乓球陪练机器人中可以有效地提高机器人的拾球效率,从而更好地达到陪练效果。     

利用BP算法的一种自适应模糊预测控制器

提出一种由模糊预测器和模糊预测控制器组成的自适应模糊预测控制方案,采用ＢＰ算法训练模糊预测器和模糊预测控制器,并给出这种模糊预测控制器的训练算法。控制系统对于具有纯时延的非线性被控过程有良好的控制性能。     

基于半导体制冷片的超速离心机温度控制模块设计

设计了超速离心机的温度控制模块,采用了模糊PID算法,通过PID参数的自动整定,对半导体制冷片的电压进行调整,从而控制半导体制冷片的制冷或制热效率,能对超速离心机离心室内的温度进行精确并且快速的控制.在MATLAB的simulink环境下进行仿真后分析可知,模糊PID算法兼具常规PID算法和模糊控制的优点,能够有效提高...     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

基于蚁群算法的模糊控制规则的过滤简化

针对设计高维模糊控制器过程中会遇到的“规则爆炸”问题,利用蚁群算法进行控制规则的过滤简化。为了用尽量少的规则得到尽可能好的控制效果,利用蚁群算法在饵决组合优化问题中的强大优势,在已有的完备规则中优选出若干条规则嵌人模糊控制器。采用带有时间窗口的蚁群算法去克服遗传算法优选模糊控制规则时可能产生的规则不连续的问题。该文还从遗传算法和蚁群算法工作机制的角度分析了对这两种算法加入约束条件的可操作性。以单级倒立摆控制系统为对象进行仿真研究,最后的仿真结果表明该文方法可以使模糊控制规则具有更好的简化效果和鲁棒性,并能具有好的控制效果。     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。     

一个新型的模糊控制器

本文提出一种新型的模糊控制器，它以串级的三维模糊调节器为基础，同时引入了反馈模糊调节器作为并联校正。我们用这种算法，针对几个典型的工业用金属热处理炉的温度控制模型做了仿真实验，得到了很好的控制效果，在阶跃响应中，上升时间短，无超调，稳态精度优于普通二维模糊控制系统。文中给出了这种控制方法的结构和有关的算法。     

飞行模拟器视景图象补偿控制系统的实现

详细介绍了飞行模拟器视景系统图象补偿控制系统的设计原理及方法,应用了改进的模糊算法,并结合传统的前馈控制,成功地解决了图象旋转问题,改进的模糊控制器设计方法不比一般的模糊控制器复杂,但改进的模糊系统除具有一般模糊控制系统鲁 性强的特点外,还具有超调小,控制精度高的优点,实验结果表明,此系统的主方法在工程实践中有一定的应用价值。     

Robust adaptive fuzzy control of unknown chaotic systems

This paper presents a robust adaptive fuzzy control algorithm for controlling unknown chaotic systems. The control approach encompasses a fuzzy system and a robust controller. The fuzzy system is designed to mimic an ideal controller, based on sliding-mode control. The robust controller is designed to compensate for the difference between the fuzzy controller and the ideal controller. The parameters of the fuzzy system, as well as uncertainty bound of the robust controller, are tuned adaptively. The adaptive laws are derived in the Lyapunov sense to guarantee the stability of the controlled system. Numerical simulations show the effectiveness of the proposed approach.     

新型模糊PID控制及在HVAC系统的应用

为了推广模糊控制器在非线性系统中的应用,提出一种利用PID控制器的参数优化和调节模糊控制器的新型设计方法.通过模糊控制器的结构分析建立与PID控制之间的精确解析关系之后提出基于PID控制增益因子的模糊控制器设计算法,然后利用改进的变论域思想进一步优化模糊控制器设计参数.将其应用于暖通空调(HVAC)系统的节能控制中并与常规PID控制器相比较,仿真和实验结果表明这种模糊控制器具有超调量小、跟踪迅速、鲁棒性强等优越的控制性能.     

多变量模糊自校正控制器及其应用

本文介绍了表达ＭＩＳＯ动态系统的模糊模型，并提出了有关参数和结构的在线辨识算法。根据辨识的模糊模型，利用Ｃｌａｒｋｅ的单变量广义预测控制（ＧＰＣ）原理［１］设计了多变量模糊自校正控制器。仿真研究表明，该模糊自校正控制方法应用于火电机组负荷系统的控制，可以收到良好的效果。