用遗传算法对模糊量的隶属函数进行优化

在模糊控制器设计中，模糊规则的确定以及模糊变量隶属函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响，实际设计时隶属函数的确定往往需要反复试凑．文章目的是解决在控制规则已知的情况下语言变量最佳覆盖范围，及隶属函数优化．采用遗传算法对各模糊变量的隶属函数进行二进制编码和优化计算，可以得到隶属函数覆盖范围的最优划分．结果表明这种方法可以求得全局最优。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在的两个瓶颈：模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象。并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中,根据已知的模糊控制规则,对模糊隶属函数自动寻优。以工业过程控制为对象,针对具     

基于模糊逻辑的图像阈值分割算法

为确定图像分割的最佳阈值,提出了一种新的有效的图像阈值分割方法.该方法首先给出一个新模糊熵的定义,这个模糊熵定义不仅考虑到图像在模糊域中划分区域时随隶属函数变化而变化的情况,同时也考虑到图像在空域中划分区域时随隶属函数变化而变化的情况,这样就使得图像依照最大熵准则变换到模糊域更能够有效地反映图像的固有信息.然后,采用改进粒子群优化算法寻求隶属函数的最优参数,得到分割的最佳阈值,并用该阈值对图像进行分割.将新算法应用于图像分割中,效果优于现有大多数阈值分割算法.     

基于自适应高斯云变换的模糊控制器隶属度函数选取

针对现阶段模糊控制器中隶属度函数选取的局限性,利用自适应高斯云变换算法在概念含混度阈值的引导下对工程样本数据进行概念层次划分,根据最终所得的高斯云分布情况确定出隶属度函数的数目、形状及覆盖范围。为了验证自适应高斯云变换算法提取的隶属度函数的合理性,构建了无人机六自由度模型,搭建了基于simulink仿真平台的无人机俯仰角模糊控制器用于仿真验证。数值仿真结果表明嵌套有自适应高斯云变换算法所确定的隶属度函数的无人机俯仰角模糊控制器可有效实现俯仰角的控制,同时具有良好的动态响应特性。     

模糊编码与信息处理

该文摘自作者的博士学位论文“基于模糊划分的智能系统的分析与应用”。本章节在模糊划分概念的基础上给出了语言变量与模糊编码的定义,使得语言变量与一般的代数变量有了一个统一的处理方法。文中还给出了模糊编码的一些性质及模糊划分的确定算法,进而分析了隶属函数的定义对模糊系统的影响,并附以仿真说明。     

基于粒子群算法的模糊滤波器优化方法

根据粒子群算法可以搜索全局最优的特点,提出一种新的基于粒子群算法优化模糊隶属函数,从而对带有脉冲噪声图像进行模糊中值滤波的方法.该方法给出一个新的模糊熵定义,采用改进粒子群优化算法寻求隶属函数的最优参数,依照最大熵准则将图像变换到模糊域,然后对需要处理的噪声图像进行滤波.实验表明,提出的方法可以很好地滤除图像中的脉冲噪声,自适应性强.     

设计遗传算法规则自生成模糊控制器

提出了以遗传算法设计自生成规则变换的模糊控制器.而模糊控制器是由个体表示的盒式变换相联系,而提出一个短的编码串,控制器的结构是由输入变量的隶属度函数的个数,隶属度函数的形状和指数函数组成.那么,以适当的函数来选择合适的模糊控制器的搜索过程以达到期望的性能.最后,以倒立摆的控制过程来证明该方法的效果.     

模糊编码与信息处理

该文摘自作者的博士学位论文“基于模糊划分的智能系统的分析与应用”。本章节在模糊划分概念的基础上给出了语言变量与模糊编码的定义，使得语言变量与一般的代数变量有了一个统一的处理方法。文中还给出了模糊编码的一些性质及模糊划分的确定算法，进而分析了隶属函数的定义对模糊系统的影响，并附以仿真说明。     

基于遗传算法的飞行器追踪拦截模糊导引律优化设计

针对飞行器的追踪拦截问题,研究了基于遗传算法的模糊导引律。导引律的设计以模糊逻辑控制理论为基础,以追踪拦截过程中的接近速度和视线角速度为输入变量、追踪器控制指令为输出变量,在合理给出追踪拦截适应度函数后,采用遗传算法对各变量的模糊分区、隶属度函数参数和模糊推理规则进行了优化。并与一般模糊导引律以及工程中广泛应用的比例导引律进行了性能对比。仿真结果表明:所设计的导引律对目标的追踪性能更优。     

Development of single-chip fuzzy controller based on FFSI in binary

Length and concise structure of fuzzy logic reasoning program and its real-time reasoning characteristic have their effect on the performance of a digital single-chip fuzzy controller. The control effect of a digital fuzzy controller based on looking up fuzzy control responding table is only relative to the table and not relative to the fuzzy control rules in the practical control process. Aiming at above problem and having combined fuzzy log-ic reasoning with digital operational characteristics of a single-chip microcomputer, functioning-fuzzy-subset inference (FFSI) in binary, in which triangle membership functions of error and error-in-change are all represented in binary and singleton membership functions of control variable is binary too, has been introduced. The circuit principle plans of a single-chip fuzzy controller have been introduced for development of its hardware, and the primary program structure, fuzzy logic reasoning subroutine, serial communication subroutine with PC and reliability de     

自适应神经网络模糊推理系统在结构振动主动控制中的研究

运用线性二次型经典最优控制算法获得学习样本，由神经网络反向传播算法训练产生模糊规则和隶属度函数，设计自适应神经网络模糊控制器，通过某结构地震波作用下振动控制的数字仿真，表明自适应神经网络模糊推理系统可以有效地应用到结构控制中。     

基于IVFS的专家模糊控制应用研究

针对不确定性知识难以量化．摸铷控制器曲隶属函数不容易确定等问题．提出了一种区间值横期产生式规则．建立模糊控制规则模型，给出了区间值模糊匹配函数定义，在此基础上给出了区间值模糊推理方法。该方法更有利于模期规则的精确匹配．应用到实际工业控制对象，能更好的反映领域专家的决策思维和推理过程。     

建立在神经网络基础上的模糊控制器的设计

提出了建立在神经网络基础上的模糊控制器设计方法，这个控制器实际上是一个模糊控制规则被一个神经网络学习和联想使用的模糊控制器，从而获得一种比模糊推理更自然的使用人类经验的方法。仿真结果表明这种控制器是有效的。     

模糊数学存在的问题及解决方法

指出模糊数学的问题是没有计算,因为支撑模糊集合转换的不是数学计算而是基于“取大取小”和“If…then”型模糊逻辑的专家系统。解决模糊数学问题的途径是,不借用“取大取小”和“模糊逻辑”等辅助性支撑条件来实现模糊集合转换,而是直接研究基于隶属函数的“不确定性转换”。做法是,用构造隶属函数的方法确定目标在单指标下具有某种状态程度的不确定性,进而用隶属度向量表征目标在单指标下的不确定性状态,并把确定目标在多指标下的不确定状态具体化为实现“指标隶属度到目标隶属度转换”。从分析指标隶属度中包含对目标分类的冗余值入手,通过建立一系列定理、推论揭示隶属度转换的非线性转换机理,由此构建实现隶属度转换的非线性计算方法。     

一种具专家能力的模糊神经网络自组织控制器

随着现代科学技术的迅猛发展,人们所面临的问题日益复杂多变。传统的控制技术与信息处理技术对这些复杂问题时常无能为力,因而产生了智能控制技术。近年来智能控制的研究主要集中在模糊系统、神经网络以及二者结合的模糊神经网络技术方面,特别是模糊神经网络已成为研究者们倾注的焦点。因此提出了一种具有专家调整策略的模糊神经网络自组织控制器的设计方案。其特点是：用神经网络代替传统模糊控制器的隶属函数和权值,实现了模糊规则的自动更新;采用一种对量化、比例因子进行专家调整的策略。仿真结果表明,这种智能控制器具有良好的控制性能。     

模糊控制在自主循迹模型车控制中的应用

以＂飞思卡尔＂杯模型车为研究对象,给出了一种基于道路信息的自主循迹模型车的二维模糊控制策略。该控制器以传感器与道路中心引导线的偏差及偏差的变化率作为控制器的输入,经过模糊推理,输出控制舵机转角及模型车速度,输入、输出隶属度函数采用矩形函数,该方法缩短了系统执行时间,提高了系统的响应速度。通过实际跑车,证明该方案设计合理、可行,能以较高的车速跟随给定路径。     

神经网络模糊控制在透镜抛光中的应用

构造了一种用于光学透镜磨抛加工控制的神经网络自适应模糊控制器，同时建立了用于动态估计透镜光圈数的磨抛机模型网络．控制器采用梯度下降学习算法，对网络权重和隶属函数参数进行自动调整，从而可以获得最优隶属函数．系统具有较好的自适应学习功能，仿真结果表明控制性能优于普通模糊控制．