一种新的模糊神经元网络建模方法

基于零阶Ｔ－Ｓ模糊模型,本文指出了一种实用的输入输出的数据进行复杂系统的模糊神经元网络建模的方法,该方法的主要目的是解决模糊神经元网络中结构辨识的困难。 种所谡语言模型被用来寻找系统输入变量的最佳组合。     

动态模糊系统的鲁棒稳定性分析与控制器设计

稳定性是任何系统正常系统的必备条件,由于动态模糊系统缺乏通用的稳定性分析方法和工具,作者介绍了一类动态模糊系统－Ｔａｋａｇｉ－Ｓｕｇｅｎｏ－Ｋａｎｇ（ＴＳＫ）模糊系统,并推导出被控对象和控制器均由ＴＳＫ模糊系统描述的闭环控制系统的详尽表达式;然后针对该模糊闭环控制系统分析了其鲁棒稳定性;最后给出了鲁棒稳定模糊控制器的设计步骤。该分析和设计方法为动态模糊系统的研究提供了一条崭新的思路,将使动态模糊系     

多变量模糊解耦控制系统研究与应用

根据多变量控制系统各变量之间有耦合存在的特点，利用模糊解耦的方法设计了多变量模糊解耦控制器，经过结合工业实际被控对象－氢气烧结炉温度群控系统的仿真与应用研究，基本上消除系统之间的耦合作用。     

识别输入变量的模糊方法

在已有识别输入变量的模糊方法的基础上，通过分割输入区间提高了模糊曲线的精度，同时提出了一种排除相关输入变量的方法－－模糊曲面法Ⅱ和对分组变量识别的一种模糊n维面法。当系统完全是未知时，它不需要用复杂的非线性技术建模，十分方便实用。     

模糊线性回归及其在模糊可靠性分析中的应用

在T ANAKA提出的模糊线性回归模型的基础上,对其进行了扩展和改进,建立了输入变量和输出变量同为模糊量时的模糊线性回归模型,实现了从输入变量到输出变量之间的模糊性传递,从而使得结构/机构系统基本变量的模糊特性可以通过回归分析传递给响应变量,进而将一个多变量的模糊可靠性问题转化为只有模糊响应量和模糊允许量两个变量的问题,大大简化了模糊可靠性分析问题。最后,应用所提的模型对一个含隐式功能函数的弹性四连杆机构进行了模糊可靠性分析,分析结果表明了该模型的可行性。     

一类不确定非线性系统的模糊鲁棒控制及稳定性分析

用模糊Ｔ－Ｓ模型对一类不确定非线性系统进行模糊建模,在此基础上研究了模糊系统的状态可测和不可测条件下反馈控制器、基于观测器的输出反馈控制器的设计,证明了所的模糊状态反馈控制器,输出反馈控制器可使闭环系统二次稳定性质。     

采用高木—关野模糊系统的自适应控制器

采用神经网络 ＢＰ算法提供信息对经验规则进行修改,用 Ｐｉ－Ｓｉｇｍａ神经网络表示的高木－关野模糊系统作为模糊控制器。对于对象模型参数变化的自适应性及系统控制规则参数的修改使控制输出能较快地跟踪系统输入。     

多变量模糊控制器及其应用

提出了多变量模糊控制器的概念、结构及其实现方法；同时介绍多变量模糊控制器在工业锅炉微机控制系统中的应用，该多变量模糊控制器有效克服了工业锅炉虚假水位现象，提高了水位控制系统的稳定性。     

一类不确定非线性系统的模糊鲁棒输出反馈控制

用模糊Ｔ－Ｓ模型对一类不确定非线性系统进行模糊建模,在此基础上模糊系统的状态反馈控制器,鲁棒观测器、基于观测器的状态反馈控制器的证明,证明了所设计的模糊状态反馈控制器,鲁棒观测器具有全局渐近性质。     

隧道岩体抗力模式的随机—模糊估计方法

指出隧道结构抗力是同时含有随机性和模糊性的随机－模糊变量，提出了实用于这类变量的随机－模糊统计方法，包括随机－模糊均值和方差，以及随机－模糊概率分布的估计等。对应的传统随机方法作为一种特例被包含于其中。     

精密机械热动态误差模糊神经网络建模研究

结合模糊逻辑与人工神经网络的优点,提出精密机械热动态误差的模糊神经网络模型,并在多变量模糊模型后件结构与参数辨识中提出了主分量分析建模的新方法.基于语言控制规则的模糊模型,采用模糊推理方法,建模的关键在于结构辨识和参数辨识. 采用主分量分析方法可有效地辨识模型后件的结构与参数.为克服建模用的有效数据量少于后件参数,而无法建立相应的模糊模型这一问题,采用一种多变量系统的模糊神经网络建模方法,利用神经网络具有学习的能力,通过使用适当数量的具有充分激励信息的优选数据组作为学习样本对神经网络进行训练,从而建立起模糊神经网络模型.当辨识的模型精度达不到要求时,可应用模糊神经网络的多次训练获取更高的模型精度.实测数据建模表明,模糊神经网络模型能有效地描述热动态误差.     

神经-模糊预测控制算法及应用

提出了一种新的神经－模糊系统，结构上分为六层，包括一个输入层、一个输出层和四层隐层。该系统规则的结论部分采用线性ARX模型，训练方法结合最小二乘法与BP算法。将此神经－模糊系统与广义预测控制算法相结合，形成一种神经－模糊预测控制算法。有一个具有三条规则的神经－模糊系统建立某大型纸浆厂碱回收炉的模型，并应用神经－模糊预测控制算法进行控制，结果显示神经－模糊预测控制算法性能优良，应用前景广阔。     

一种基于改进FCM划分算法的T-S模型辨识

鉴于以往T-S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T-S模型模糊辨识.在用该方法对多参量水质评价系统进行基于T-S模型模糊辨识建模时,取得了较好的验证效果.该研究结果表明,基于改进模糊C-均值划分算法的T-S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果.     

多变量非线性系统的有约束模糊预测控制

针对多变量非线性系统提出了一种带约束输入的广义预测控制(GPC)算法.首先对多变量非线性系统建立T-S模糊模型,利用模糊聚类算法和正交最小二乘算法对输入变量的模糊划分及后件部分的参数分别进行辨识,然后在每个采样点对系统进行局部动态线性化.根据得到的系统线性化模型设计GPC算法,该算法充分考虑了控制输入及其增量受约束的情况,而且不必求D iophantine方程,大大减小了计算量.仿真结果表明该算法能保证系统输出有效跟踪设定值,而且控制输入和控制增量均在其约束范围之内.     

市场供求平衡中的模糊模型

基于复杂系统的变量之间非线性关系，用模糊模型分别表示了价格与供应、价格与需求的关系，通过求解两个联立模糊模型得到了供求平衡价格的有效解。     

基于T-S模糊模型的隶属度函数学习算法

模糊规则的提取和模糊隶属度函数的学习是模糊系统设计中重要而困难的问题。文中探讨了Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的隶属度函数学习问题,建立了基于模拟退火的模糊隶属度函数学习算法,给出了用于验证该算法有效性的仿真实例。     

TYPE—1模糊神经网络参数辨识

分析了关《关于利用ＢＰ算法的模糊神经网络模型》一文提出了ＴＹＰＥ－１模糊神经网络模型，指出该文结果不妥之处的根本原因是，所选择的前提结构空间样太少和模糊模型的指标定义值得商标榷，文中重新定义了模糊模型估计准则并指出将数据分成模型建模数据和模型校验数据是没有必要的，而检验准则更是没有价值的，采用ＧＡ算法和ＢＰ算法优化模糊神经网络模型（Ｓ型函数）的结构和参数，实现了模糊神经网络模型的高精度辨识，最后的     

球磨机模糊解耦控制系统的一种实现方法

中储式钢球磨煤机制粉系统是一个多变量,大惯性,大迟延,三输入三输出的强耦合系统。针对强耦合多变量特性,依据解耦补偿原理和模糊控制的思想,提出了一种新的解耦方法——利用模糊规则进行补偿解耦。介绍了将解耦补偿器的模型模糊化,由模糊规则实现的解耦算法,并由此设计了新型的磨煤机控制系统。对300 MW机组球磨机制粉系统的仿真结果表明:该方法具有较好的解耦能力,动态和静态特性,从而验证了利用模糊规则实现解耦是有效的。     

一种新型模糊控制器在液压控制系统中的应用

介绍了一种以误差、误差变化和时间为模糊变量的新型模型控制器；采用这种模糊控制器来实现对液压速度控制系统的控制，可以大大改善系统的动、静态性能。     

一种基于改进FCM划分算法的T—S模型辨识

鉴于以往T—S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T—S模型模糊辨识。在用该方法对多参量水质评价系统进行基于T—S模型模糊辨识建模时,取得了较好的验证效果。该研究结果表明,基于改进模糊C-均值划分算法的T—S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果。