要素双重模糊下的合作博弈Shapley值的算法

考虑到现实应用中,局中人可能以不同的参与度参加到不同的联盟中,并且他们在合作之前不确定不同合作策略选择下的收益,则在传统合作博弈中应用模糊数学理论。基于Choquet积分,将支付函数和参与度拓展为模糊数,给出要素双重模糊下的模糊合作博弈的定义和模糊合作博弈Shapley值的定义。应用模糊结构元理论,构造了要素双重模糊下的模糊合作博弈的Shapley值,使模糊Shapley值的隶属函数得到解析表达。通过一个算例,来说明该模型的具体应用。可以看出,该研究方法和结论易掌握、推广,使模糊合作博弈理论可以更广泛地应用到现实生活中。     

模糊测控仪器仪表研究与应用的新进展

对国内外研究和应用模糊测量与控制仪表的现状进行了综述.从工程角度介绍了模糊传感器、模糊控制器、模糊PLC和模糊DCS的最新进展,分析了模糊仪器仪表技术在理论与应用上将面临的挑战和今后工作重点.     

基于模糊简单多数票法则的模糊分类组合模型

首次将传统的简单多数票法则推广为模糊简单多数票法则.应用最近邻居法则与匈牙利算法,提出一种类的匹配算法,并应用此算法建立不同模糊聚类的类与类间的对应关系;再应用模糊简单多数票法则将匹配后的多个模糊聚类组合成一个组合模糊聚类,由此建立一个新的模糊聚类组合模型.实验结果表明,该组合模型产生的组合模糊聚类不仅优于参与组合的单个模糊聚类,而且优于Evgenia等人提出的组合模糊聚类.     

模糊相似关系下变精度模糊粗糙集

经典变精度模糊粗糙集模型是基于模糊等价关系建立的.在实际应用中,模糊等价关系很难直接构造,需要通过求模糊相似关系的传递闭包生成.对模糊关系的这种改造会丢失较多有价值的信息,而且还增大了模糊粗糙集应用的计算复杂度.基于模糊逻辑算子构造2个模糊集的相对错误包含度,构造性地提出基于模糊相似关系的变精度模糊粗糙集模型,研究了该模型的性质.该模型一方面具有变精度粗糙集的优点,对噪声数据具有很好的容错能力,另一方面是基于模糊相似关系建立的,其应用范围更为广泛.     

基于模糊聚类分析的模糊神经网络结构的优化

该文讨论了模糊聚类分析在模糊神经网络结构的确定中的应用。通过将模糊C－均值算法、有效性函数和模糊指数相结合,给出了模糊神经网络结构确定的方法,并且给出了应用该算法具体的模糊神经网络模型。     

模糊逻辑控制技术及应用(一)——模糊变量的数学描述

近十年来,模糊逻辑控制技术得到了空前发展。各种应用模糊逻辑控制技术的产品如雨后春笋般出现在世界市场上,国内的模糊逻辑控制产品也五彩纷呈,为满足广大读者对模糊逻辑控制技术知识的渴求,特邀请华南理工大学毛宗源教授撰文作《模糊逻辑控制技术及应用》的专题讲座并准备分期连载以飨读者。本专题讲座共分三讲:(一)模糊变量的数学描述(二)模糊关系及模糊算法(三)模糊逻辑控制技术及应用     

模糊测试下软件安全漏洞发掘技术分析

模糊测试在近几年的应用范围越来越广了,模糊测试用于测试软件存在的安全漏洞,例如该项技术在客户端应用程序microsoft中word软件的测试等等。模糊技术的应用产生了许多新的应用程序,使程序的应用安全功能更完善。本文将论述模糊测试下软件安全漏洞发掘技术分析。     

DC/DC 变换器的变结构模糊控制研究

对不同类型的模糊PID控制器(模糊P控制器、模糊PD控制器、模糊PI控制器、模糊PID控制器)在DC/DC变换器中的应用作了全面的研究。目前,模糊PI控制器应用得最为广泛,然而在其控制作用下,DC/DC变换器的输出电压通常会超调,并且当响应时间较短时有很大的冲击电流尖峰。探讨一种变结构模糊控制器,这种控制器将有效地克服模糊PI控制器的上述不足。基于Matlab/Simulink对应用变结构模糊控制器控制的DC/DC变换器系统进行了计算机仿真。仿真结果表明,变结构模糊控制器控制拥有较好的动态特性和稳态性能。     

基于模糊综合评价的课堂教学质量数据挖掘

本文从应用模糊综合评价法得到教师的课堂教学质量的评估等级和量化成绩,应用模糊聚类算法确定主关键条件属性集,使用模糊数据挖掘出评估数据库中教师课堂教学质量评估等级同评估指标之间的规则知识,以一个应用实例为对象建立的课堂教学质量模糊数据挖掘验证了该方法的可行性.     

近似空间上模糊粗糙路径的研究

在近似空间M=(U,R)上对模糊关系S粗糙化,诱导出粗糙关系S*。以此为基础构造模糊粗糙路径,给出模糊粗糙路径的相关性质,并通过构造关于S*的模糊路径矩阵,得到模糊粗糙路径的判定方法,拓宽了二元关系粗糙化方法的应用范围,为模糊粗糙路径的进一步应用奠定了理论基础。     

基于自适应神经模糊推理系统的非线性系统控制

由于非线性系统具有模糊性、不确定性、非线性等特点，所以常常使用模糊控制来对其实现控制，但常规的模糊控制系统存在着一定的问题。该文把神经网络与模糊控制相结合，介绍了自适应神经元模糊推理系统ANFIS(Adaptive Neuro—Fuzzy Inference System)的基本结构，并将ANFIS用于典型的非线性系统控制中，仿真结果表明训练后的ANFIS能很好地控制实际的对象。     

潜艇垂直面运动自适应神经网络模糊控制仿真

神经网络控制和模糊控制技术的广泛应用为潜艇自动舵控制器的设计提供了新的思路.而模糊规则的提取和隶属函数的学习是模糊推理系统设计中重要而困难的问题,自适应神经网络模糊推理系统(ANFIS)结合模糊控制和神经网络控制的优点,基于sugeno模糊模型采用反向传播法和最小二乘法调整模糊推理系统的参数,并自动产生模糊规则.利用方法对潜艇乖直面运动自动舵控制器进行了设计和仿真.从仿真结果来看,自适应神经网络模糊控制器能较好的实现对潜艇垂直面运动的操纵控制,是一种很好的控制方法.     

Control of convergence in a computational fluid dynamics simulation using ANFIS

Adaptive-network-based fuzzy inference system (ANFIS) was used to control convergence of a computational fluid dynamics (CFD) algorithm. Normalized residuals were used to select the relaxation factors on each iteration of the computation. The ratio between the residual of the current iteration and of the previous iteration was used as a control input. ANFIS was designed to keep the tuning index at or near one throughout the fluid dynamics simulation. The finite volume CFD algorithm SIMPLER was used as the platform for this study. Four different benchmark cases were examined.     

一种基于ANFIS的ABR拥塞控制

由于ATM网络环境的复杂性、多变性,用常规的数学模型对网络模型、可用带宽的获取以及控制器设计的描述具有很大的局限性,因此论文提出了一种基于自适应模糊推理系统(AdaptiveNeuralFuzzyInferenceSystems,ANFIS)的ABR业务拥塞控制方法,该方法结合模糊推理系统的规则结构化及神经网络强泛化能力的优点,克服了模糊推理模型的偶然性和神经网络收敛速度慢、训练时间过程长等缺点。仿真结果表明使用ANFIS进行拥塞控制的可行性,增加了系统稳定性并减小了信元丢失率。     

基于ANFIS的水质净化预测控制

水资源是基础性自然资源,也是战略性经济资源,正确对自来水的净化进行预测控制对于社会经济和环境的协调发展具有重要的意义。传统的预测控制方法不能及时适应水质的不确定动态变化,净化效果不佳。自适应神经模糊推理系统（ANFIS）是模糊逻辑和神经网络最完全的融合,ANFIS的自适应性质使得它可以替代控制系统的任意神经元网络并执行同样的功能。针对水净化过程的不确定性,建立了以ANFIS为基础的自来水质净化的预测控制,仿真结果显示：该自适应神经模糊控制器具有较高的控制精度,控制效果较好。     

三级倒立摆的自适应神经模糊控制

在三级倒立摆(TIP)系统中, 应用神经网络与模糊控制相结合的自适应神经模糊推理系统(adaptive neuralfuzzy inference system), 根据样本数据调整隶属函数和控制规则参数, 使得训练后ANFIS控制器很好地模拟期望的输入输出数据. 仿真结果表明所设计的ANFIS控制器对三级倒立摆系统的稳定控制是可行的. 与LQR控制相比, 基于ANFIS控制的倒立摆系统具有良好的动态性能和抗干扰性能.     

自适应神经模糊推理结合PID控制的并联机器人控制方法

针对6自由度液压驱动并联机器人的精确控制问题,提出一种结合自适应神经模糊推理系统(ANFIS)和比例积分微分(PID)控制的机器人控制方法。首先,利用浮动坐标系描述法(FFRF)来模拟机器人柔性组件,并构建并联机器人的拉格朗日动力学模型。然后,根据模糊推理中的模糊规则来自适应调整PID控制器参数。最后,利用神经自适应学习算法使模糊逻辑能计算隶属度函数参数,从而使模糊推理系统能追踪给定的输入和输出数据。将该控制器与传统PID控制器、模糊PID控制器进行比较,结果表明,ANFIS自整定PID控制器大大减小了末端器位移误差,能很好的控制并联机器人末端机械手的运动。     

Internal Model Control Based on a Neurofuzzy System for Network Applications. A Case Study on the High-Performance Drilling Process

This paper presents the design and implementation of a neurofuzzy system for modeling and control of a high-performance drilling process in a networked application. The neurofuzzy system considered in this work is an adaptive-network-based fuzzy inference system (ANFIS), where fuzzy rules are obtained from input/output data. The design of the control system is based on the internal model control paradigm. The results obtained are significant both in simulation as well as the real-time application of networked control of the cutting force during high-performance drilling processes.     

基于模糊神经网络的温度控制系统研究

在硬件系统不变的情况下提出一种新型温度控制方案,结合自适应模糊控制和神经网络,用神经网络的学习能力计算出隶属度函数参数及相应的模糊规则,达到更高的控制精度。并运用Matlab中自适应神经网络模糊推理系统ANFIS对系统进行了仿真,研究表明系统具有极强的适应能力和稳定性。     

基于自适应模糊网络的在线辨识

研究了基于一阶Sugeno的自适应网络模糊推理系统（ANFIS）进行在线辨识的方法。给出了该自适应网络的结构,在此基础上给出了网络权值的修正算法,即综合最陡下降法和最小二乘法得到的一种混合学习算法。对一个非线性模型进行了数字仿真,得到的在线辨识的结果优于采用反传算法的普通神经网络辨识方法。由此证明,一阶Sugeno模糊推理模型和混合学习算法的采用,使得该辨识方法具备网络结构简单、收敛速度快的优势,便于工程实现。