模糊多准则决策方法研究综述

模糊多准则决策是当前决策领域的一个研究热点,在实际决策中有着广泛的应用.为此,介绍了基于模糊数、直觉模糊集和Vague集的多准则决策方法和语言多准则决策方法的研究现状,定义了直觉梯形模糊数和区间直觉梯形模糊数,扩展了模糊数和直觉模糊集.最后探讨了目前模糊多准则决策要解决的问题和发展方向.     

多变量控制系统的一种变量配对方法

在设计分散控制系统时,输入输出（ＩＯ）变量配对是一个重要的步骤．同时考虑系统的稳态增益和动态特性,提出一种新的关联度量方法进行ＩＯ 配对．在时域内基于传递函数的阶跃响应,其物理意义比较明确,并进一步结合了相对关联阵列（ＲＩＡ）的优点．通过实例研究和与其他方法的对比表明,所提出的方法能较好地给出配对方案．

     

云决策分析方法

提出一种基于不确定性人工智能的决策分析方法.该方法利用云理论中的云变换和概念提升方法来刻画属性因素的概念云模型,并对每个因素都分配相应的云权重;使用X-条件云和极大判定法,找出每个因素的最佳评判语言云模型;让云权重参与综合评判,最终通过云计算得到基于云滴分布的综合评价结果.实验结果表明,与传统的模糊决策分析相比,它更具有易理解性,广普适性和高准确性等特点.

     

求解动态优化问题的多群体UMDA

提出一种求解动态优化问题的多群体单变量边缘分布算法(MUMDA).首先,利用多个概率模型(对应多个群体)将搜索空间分成几个部分,通过对不同区域的搜索或探索将好解进行迁移,扩大搜索空间,增加种群多样性,跟踪最优解的变化;然后,利用对UMDA收敛性的证明分析了所提出算法的有效性;最后,对两个动态优化问题进行仿真计算,并与传统UMDA和基于随机迁移的UMDA(iUMDA)进行了比较.结果表明,MUMDA能快速适应环境的变化,跟踪最优解.     

多机器人覆盖技术研究进展

系统地总结了当前覆盖问题的定义、分类和应用前景.对多机器人覆盖中关于通信、环境地图、路径规划算法及效果评价等方面的研究进展情况进行了阐述.分析并指出若干多机器人覆盖研究中的重点和难点问题:体系结构、通信技术、协商协作、地图表示、路径规划及效果评价,并对未来的研究发展方向进行了探讨.     

一种辨识Wiener-Hammerstein模型的新方法

针对非线性Wiener-Hammerstein模型,提出利用粒子群优化算法对非线性模型进行辨识的新方法.该方法的基本思想是将非线性系统的辨识问题转化为参数空间上的优化问题;然后采用粒子群优化算法获得该优化问题的解.为了进一步增强粒子群优化算法的辨识性能,提出利用一种混合粒子群优化算法.最后,仿真结果验证了该方法的有效性和可行性.

     

基于直觉模糊关系的多主体联盟机制

提出一种新的联盟形成机制,以模糊数学为理论基础,着重研究个体间"满意度"和任务间"相似性"对联盟形成的影响,并将其表示为直觉模糊关系,通过模糊关系合成运算,得到新任务条件下agent间的"满意度".在此基础上,按不同阶段在不同范围内进行协商,从而有效降低了联盟形成的复杂性,并对其基本性质进行了分析.仿真实验表明了该机制的有效性.

     

基于层次分析法的模糊分类优选模型

不同的模糊分类算法在同一个数据集合上常会产生不同的模糊分类．究竟哪种方法最能揭示数据的真实结构,对此,以模糊分类有效性指标为评价指标,应用层次分析法对各模糊分类进行综合评价,建立了一个模糊分类优选模型．大量实验表明,该优选模型所选出的最优模糊分类,其模式识别率高,能揭示数据的真实结构．

     

多电机变频调速同步系统的多模型预测控制

针对多电机同步系统具有强烈的非线性和耦合性,难以建立精确数学模型并施加有效控制的缺陷,提出一种多电机多模型动态矩阵预测控制算法．在辨识不同工况子模型的基础上,设计各自的子控制器,并利用加权和形式构造全局控制器,在有约束的条件下,通过滚动优化的策略获得合适的控制增量．控制过程中,无需进行磁链观测．仿真结果验证了该算法的有效性．

     

A fuzzy logic based supervisory hierarchical control scheme for real time pressure control

This paper describes a supervisory hierarchical fuzzy controller （SHFC） for regulating pressure in a real-time pilot pressure control system. The input scaling factor tuning of a direct expert controller is made using the error and process input parameters in a closed loop system in order to obtain better controller performance for set-point change and load disturbances. This on-line tuning method reduces operator involvement and enhances the controller performance to a wide operating range. The hierarchical control scheme consists of an intelligent upper level supervisory fuzzy controller and a lower level direct fuzzy controller. The upper level controller provides a mechanism to the main goal of the system and the lower level controller delivers the solutions to a particular situation. The control algorithm for the proposed scheme has been developed and tested using an ARM7 microcontroller-based embedded target board for a nonlinear pressure process having dead time. To demonstrate the effectiveness, the results of the proposed hierarchical controller, fuzzy controller and conventional proportional-integral （PI） controller are analyzed. The results prove that the SHFC performance is better in terms of stability and robustness than the conventional control methods.     

Intelligent optimal control system for ball mill grinding process

Operation aim of ball mill grinding process is to control grinding particle size and circulation load to ball mill into their objective limits respectively, while guaranteeing producing safely and stably. The grinding process is essentially a multi-input multi-output system (MIMO) with large inertia, strong coupling and uncertainty characteristics. Furthermore, being unable to monitor the particle size online in most of concentrator plants, it is difficult to realize the optimal control by adopting traditional control methods based on mathematical models. In this paper, an intelligent optimal control method with two-layer hierarchical construction is presented. Based on fuzzy and rule-based reasoning (RBR) algorithms, the intelligent optimal setting layer generates the loops setpoints of the basic control layer, and the latter can track their setpoints with decentralized PID algorithms. With the distributed control system (DCS) platform, the proposed control method has been built and implemented in a concentration plant in Gansu province, China. The industrial application indicates the validation and effectiveness of the proposed method.     

一种新的基于模糊控制的电梯群控策略

从乘客的角度出发，通过分析乘客需求，推导了乘客最大冲击次数的估算公式，提出了基于层站最长候梯时间和乘客最大冲击次数的一种新型电梯群控策略．该策略采用模糊控制设计，符合人们对电梯服务水平的语言级评价，仿真结果表明，乘客的乘梯时间和所经受的冲击次数较两种常规的群控策略有明显降低，为研究符合乘客利益的电梯群控系统奠定了基础。     

磨矿过程磨机负荷的智能监测与控制

磨机过负荷是磨矿过程的常见故障工况, 如果不及时、准确处理, 就会造成磨矿产品质量变坏甚至磨矿生产的停顿. 采用规则推理(RBR)和统计过程控制(SPC)技术, 提出了由SPC机制、过负荷监测模块和监督控制器构成的磨机负荷智能监测与控制方法. 该方法通过对磨机过负荷的智能监测与诊断, 由监督控制器自动修改控制回路的设定值, 通过控制回路的输出跟踪修改后的设定值, 使磨机负荷逐渐远离过负荷状态. 工业应用表明, 该方法能够实现磨矿生产的安全、稳定和连续运行.     

模糊粗糙集测度的分析分层建模及应急演练控制应用

针对应急救援演练控制的复杂性和难以量化问题,为实现多人参演系统的有效控制,基于分析分层过程法(analytic hierarchy process,AHP),建立一种模糊粗糙集知识测度的综合建模方法.首先,分析模糊粗糙集各类知识测度相关概念、相互联系和各自特点,通过AHP方法,建立模糊规则的分层度量模型并给出了对比矩阵的构造示例,对模糊规则进行更加精细的度量.其次,在分析应急演练知识构成的基础上,提出预案知识提取和模糊关系粗糙集的构建方法;设计了演练过程控制流程和基于本文知识综合测度方法形成的核心控制流程;通过对规则重要性排序,提高规则判别精度,提供规则选择的手段和一种规则冲突消解方法.最终,通过一个简单案例,验证了本文所提的研究工作的可行性.     

基于模糊故障树的地铁综合监控系统可靠性分析

近年城市交通问题凸显,地铁作为解决城市交通问题的重要方式,其安全稳定运行显得尤为重要。地铁综合监控系统是整个地铁系统安全可靠运行的重要保障,对其可靠性进行有效的评估有着重要的价值。介绍了地铁综合监控系统和模糊故障树理论,运用模糊故障树对地铁综合监控系统可靠性进行分析,并对车站级监控系统的故障进行了定性和定量的可靠性分析,拓展了模糊故障树的使用领域。     

Intelligent process control using neural fuzzy techniques

In this paper, we combine the advantages of fuzzy logic and neural network techniques to develop an intelligent control system for processes having complex, unknown and uncertain dynamics. In the proposed scheme, a neural fuzzy controller (NFC), which is constructed by an equivalent four-layer connectionist network, is adopted as the process feedback controller. With a derived learning algorithm, the NFC is able to learn to control a process adaptively by updating the fuzzy rules and the membership functions. To identify the input–output dynamic behavior of an unknown plant and therefore give a reference signal to the NFC, a shape-tunable neural network with an error back-propagation algorithm is implemented. As a case study, we implemented the proposed algorithm to the direct adaptive control of an open-loop unstable nonlinear CSTR. Some important issues were studied extensively. Simulation comparison with a conventional static fuzzy controller was also performed. Extensive simulation results show that the proposed scheme appears to be a promising approach to the intelligent control of complex and unknown plants, which is directly operational and does not require any a priori system information.     

具有模糊监督控制器的积分变结构间接自适应控制

针对一类不确定非线性系统, 基于变结构控制原理, 并利用具有非线性可调参数的模糊系统去逼近过程未知函数, 提出一种具有模糊监督控制器的积分变结构间接自适应控制方案. 该方案通过监督控制器保证闭环系统所有信号有界. 进一步, 通过引入最优逼近误差的自适应补偿项来消除建模误差的影响. 理论分析证明了跟踪误差收敛到零. 仿真结果表明了该方法的有效性.     

未知参数多变量线性系统自适应模糊广义预测控制

对未知参数多变量线性系统提出了自适应模糊广义预测控制方法.该方法直接用模糊逻辑系统组成的向量设计广义预测控制器,并基于广义误差向量估计值对控制器中的未知向量和广义误差估计值中的未知矩阵进行白适应调整.该方法不但能保证闭环系统所有信号有界,而且可使广义误差向量收敛到原点的一个邻域内.     

非线性系统的直接自适应输出反馈监督模糊控制

针对一类单输入单输出非线性不确定系统，提出一种稳定的直接自适应模糊输出反馈监督控制算法，该算法不需要系统的状态完全可测的假设条件，监督控制不仅迫使系统的状态在指定的集合内，而且当模糊自适应控制处于良好的工作状态时，监督控制可以关闭，证明了整个模糊自适应输出反馈控制算法可以保证闭环系统稳定。