基于BFO聚类算法的T-S模糊模型辨识

针对非线性系统的辨识问题,本文提出一种基于BFO聚类算法的T-S模糊模型辨识方法。首先通过BFO聚类算法自动地从已知的输入输出数据中确定模糊模型的结构和前件参数,然后用BFO算法估计模糊模型的后件参数。仿真结果表明,该方法辨识精度高,得到的模糊模型简单、模糊规则少,很好地解决了现有算法复杂、输入空间难以划分或者带来的高维问题等,因而具有很好的实用性和有效性。     

UKF参数辨识的T-S模糊多模型目标跟踪算法

针对非线性系统中机动目标动态模型不确定性问题，提出了一种新的基于UKF参数辨识的T-S模糊多模型机动目标跟踪算法。在提出的算法中，用多个语义模糊集对目标特征信息进行模糊表示，构建一个通用的T-S模糊语义多模型框架。在T-S模糊语义多模型中，使用模糊C回归聚类算法实现对前件参数的辨识，同时，为了实现系统的非线性特征，引入无迹卡尔曼算法辨识后件参数。仿真结果表明，提出的算法跟踪性能优于传统的交互多模型算法和交互多模型无迹卡尔曼滤波算法，在被跟踪目标突然发生方向改变或目标的动态先验信息不精确等复杂情况时，能够有效地对目标进行精确跟踪。      

基于T-S模糊神经网络汽提塔温度控制研究

由于汽提过程是一个具有高度非线性和时变等特点的复杂工艺过程,其准确的数学模型难以建立,过程参数也较难控制,运用传统的控制方法难以达到高精度的控制效果。基于T-S模糊神经网络具有较强的逼近和学习能力,又需要较少的先验知识,能够在线学习等特点,本文采用最邻近聚类法对传统的T-S模糊神经网络方法进行改进,同时,采用共轭梯度法和递归最小二乘法来确定模型得参数,结合现有的该公司的实际运行数据,建立了汽提塔系统的模型。仿真结果验证了采用T-S模糊神经网络方法建模的有效性。     

基于T-S模糊模型的预测控制方法研究

采用T-S模糊模型与预测控制相结合,对模糊预测控制进行了研究。利用模糊聚类和递推最小二乘法辨识T-S模糊模型,并将其作为预测模型。利用T-S模糊模型对非线性系统的良好描述特性,结合预测控制的线性滚动优化,实现对强非线性系统的控制。仿真结果表明了该算法的有效性。     

一种改进的模糊聚类算法

ＦＣＭ（Ｆｕｚｚｙ Ｃ－Ｍｅａｎｓ）算法是一种基于目标函数优化的模糊聚类方法,其收敛地于初始条件敏感。与ＨＣＭ（Ｈａｒｄ Ｃ－Ｍｅａｎｓ）算法相比,ＦＣＭ算法的模糊分割矩阵提供的信息更加丰富。本文采用冗余聚类中心初始化,根据模糊分割矩 列和以及实际的要求逐级减少类别数目。实验结果显示改进的算法得到的收敛中心稳定,并且中以融合有关数据分布的先验知识得到所期望的结果。     

一种基于向量空间模型的文档聚类算法研究

随着网络信息的迅速增长,文档聚类技术成为了人们研究的热点课题.探讨了典型的基于向量空间模型的文档聚类算法-k-means算法,针对它的不足提出了改进的BK-means算法.最后,根据一定的评价标准,得出BK-means算法是文档聚类算法中较好的算法.     

一种T-S模糊模型的聚类分析与辨识方法

传统的模糊聚类分析方法分两个步骤,首先使用目标函数进行模糊生成,然后应用聚类有效性函数决定聚类的最佳数目。针对模糊形成和有效性验证函数的内在不同所导致的聚类不准确性,应用一种新的基于双目标模糊聚类分析（BOFCM）的聚类方法。同时将基于三角形隶属函数的T-S模糊系统应用于非线性系统辨识中,该方法可以很方便地确定输入空间的划分及隶属函数的形状,减少了计算量。将以上方法应用于一个二阶系统辨识分析,证实了该方法的有效性。     

一种新的两阶段FCM聚类算法

提出了一种新的两阶段FEM聚类算法,一方面有效弥补了Stephen L Chiu提出的FCM算法中存在的不足,更好地解决选择初始聚类中心的问题;另一方面,新算法解决了大数据量数据聚类时间过长的问题,取得了较好的聚类效果.实验结果也显示了该算法的有效性和优越性.     

基于新的AFCM算法的陀螺仪漂移预测

为克服模糊规则提取的盲目性和随机性,提出了一种基于新的自适应模糊C-均值聚类(AFCM)算法的T-S 模糊建模方法.首先利用减法聚类来确定聚类数目的上限和初始聚类中心,然后采用改进的模糊C-均值聚类(FCM).算法进一步优化聚类中心,最后通过聚类有效性评判方法自适应地确定规则数及聚类中心,同时改进的FCM算法也克服了野...     

Modeling and Stability Analysis for Non-linear Network Control System Based on T-S Fuzzy Model

Based on the T -S fuzzy model, this paper presents a new model of non -linear network control system with stochastic transfer delay. Sufficient criterion is proposed to guarantee globally asymptotically stability of this two - levels T - S fuzzy model. Also a T - S fuzzy observer of NCS is designed base on this two - levels T - S fuzzy model. All these results present a new approach for networked control system analysis and design.     

基于广义T-S模糊辨识模型的混沌系统模糊控制

该文针对混沌系统辨识引入广义T-S模糊模型,并对T-S模糊模型自适应参数进行遗传退火算法优化,使系统具有最佳结构和参数。在此基础上给出了广义T-S模糊模型使系统渐近稳定模糊控制算法,并证明了广义T-S模型有足够的精度, 控制的精度就能得到满足,系统可以跟踪目标。控制的目标可以为周期轨道,也可以为连续变化的目标函数。以一维的Logistic 系统和二维的Henon系统为例进行仿真分析,结果表明该方法的有效性和可行性。     

基于T-S模糊模型的迭代学习初始控制

分析了初始控制量对迭代学习控制(ILC)算法收敛速度及跟踪精度的影响,为保证ILC算法对任意期望轨迹的跟踪性能,提出了一种基于T-S模糊模型的ILC算法初始控制量确定方法。利用模糊系统理论对未知非线性对象进行离线逆建模,实现对象逆模型参数化,根据模糊逆模型求得任意期望轨迹下的初始控制量,将其作为ILC算法的理想初始控制量进行迭代学习。倒立摆系统仿真实验表明,算法能快速跟踪上设定点,与任意选取初始控制量相比能有效减少迭代次数,提高跟踪精度,具有更好的动态性能。     

T-S模糊粒子群优化建模及稳定性分析

在粒子群优化问题空间是一维有界的前提下,本文结合T-S模糊框架提出了一种模糊粒子群优化模型,即粒子群优化中的速度和位置迭代公式变换为一个带时变非线性反馈的线性时不变系统,将其嵌入到T-S模糊状态模型,同时将粒子的认知部分和社会部分随机加权和的反向运动作为T-S模糊状态反馈控制.针对该模型,本文根据T-S稳定性理论和非线...     

基于模糊变换的模糊系统和模糊推理建模法

首先针对双输入单输出模糊系统提出了一种模糊变换方法,指出这种模糊变换不仅与单输入和单输出模糊系统有密切的联系,而且利用这种模糊变换构造的模糊系统具有很好的泛逼近性.然后将这种模糊变换应用到模糊推理建模法中,导出了所研究的模糊系统的微分方程模型和状态空间模型,从而给出了一种新的模糊推理建模法.理论分析和仿真实验均表明:利用模糊变换构造的微分方程对所研究的模糊系统具有很好的泛逼近性.     

Impulsive Control for T-S Fuzzy Model Based Chaotic Systems Consisting of Van der Pol Oscillators Coupled to Linear Oscillators

This paper proposes an impulsive control scheme for chaotic systems consisting of Van der Pol oscillators coupled to linear oscillators （VDPL） based on their Takagi-Sugeno （T-S） fuzzy models. A T-S fuzzy model is utilized to represent the chaotic VDPL system. By using comparison method, a general asymptotical stability criterion by means of linear matrix inequality （LMI） is derived for the T-S fuzzy model of VDPL system with impulsive effects. The simulation results demonstrate the effectiveness of the proposed scheme.     

基于局部线性度量的模糊建模

提出了一种高木-关野模糊逻辑系统的学习算法,该算法的核心是基于数据样本局部线性度量的聚类,它可以有效地确定规则数以及相应模糊逻辑系统的参数初值.通过对系统的参数进行优化,可以很好的描述输入输出变量间的关系.仿真实验说明了该方法的优越性.     

T-S模型的模糊神经网络控制器及应用研究

本文介绍了Ｔ－Ｓ模型的模糊神经网络,讨论了这种网络的结构、学习算法,给出了由这种网络组成的控制器结构。仿真结果表明此控制器对船舶操纵等非线性系统具有很好的控制性能和鲁棒性。     

面向高维数据的Takagi-Sugeno模糊系统建模新方法

对高维数据进行建模是Takagi-Sugeno(T-S)模糊系统建模面临的一个重大挑战。为此,该文提出一种特征选择与组稀疏编码相结合的模糊系统建模新方法WOMP-GS-FIS。首先,运用一种新型的加权正交匹配追踪算法对原始样本进行特征选择,在此基础上提取出模糊规则前件并产生模糊系统字典;然后,基于组稀疏正则化构造关于后件参数的组稀疏优化问题,在优化问题求解的同时得到重要的模糊规则。实验结果表明,在保证模型泛化性能的前提下,该方法不仅能对所获得的模糊规则结构进行精简还可以进一步减少模糊规则数,进而解决高维数据环境下模糊规则可解释性差的问题。