一种基于模糊规则融合的模糊建模方法及其应用

为了有效地利用经验知识,弥补训练数据覆盖范围不足的问题,提出一种将经验知识以TSK (Takagi-Sugeno-Kang)型模糊规则引入模糊模型的建模方法.在结构辨识中,提出了模糊规则融合方法,用以确定初始模糊规则.在参数辨识中,改进了原梯度下降方法中的目标函数,并引入了经验知识准确性评价参数,用以平衡样本数据和经验知识对模型的影响.数值仿真和工程实例应用结果表明,所提出的方法可以有效地利用经验知识和样本数据,使预报结果更可靠、更精确.     

基于模糊规则的非线性系统建模方法

提出了一种基于模糊聚类自调整的模糊建模方法,基于模糊聚类通过自适应模糊推理来调整模糊系统,一种在线辨识算法的是通过非线笥系统参数的在线性估计来进行的,为了证明了所提出方法的适用性,给出了几个实例的仿真结果。     

模糊广义预测控制及其应用

本文将单变量广义预测控制原理应用到多变量模糊系统,提出了一种基于辨识模糊模型的多变量预测控制方法.仿真研究表明,该模糊广义预测控制方法适用于工业过程的动态辨识和控制,交能取得良好的效果.     

模糊规则在线提取及其在非线性系统辨识中的应用

提出一种从输入-输出数据提取模糊规则的新方法基于K-Nearest-Neighbor概念对输入-输出数据对进行预处理;利用竞争学习对输入空间自适应聚类;提取高斯基;在线调整规则库和模糊推理.将该方法应用于非线性系统辨识,仿真结果表明了它的有效性     

基本模糊控制器控制规则的提取

0 引言 模糊控制系统是以模糊数学、模糊语言形式的知识表示和模糊逻辑的规则推理为基础,采用计算机控制技术的数字控制系统.其组成核心是具有智能型的模糊控制器.其方框图如图1所示.     

基于规则熵函数法的结构自适应模糊辨识与控制

提出一种新的结构自适应模糊辨识器,其特点是采用“规则熵函数”法在线调节模糊逻辑系统参数,使规则前件参数趋于一致,从而进行规则合并,简化了系统结构。将该结构自适应模糊辨识器用于一类非线性系统的自适应控制,仿真结果验证了所提出方法的有效性。     

一类提取模糊规则的新方法及其在干燥建模中的应用

基于系统的输入－输出数据,提出一种通过划分输入空间撮模糊规则的方法,并将该方法应用于建模非线性程度较高物干燥过程。建模过程中,首先利用训练样本将输入空间动态地划分为若干个子空间,然后针对第一个子空间了生一条模糊规则,再将所产生的模糊规则共成一个模糊规则库,模糊逻辑系统的最终输出从模糊规则库中产生。仿真结果表明,该方法可很好地预测干燥系统的物料降水率,而且简单实用,十分可靠。     

一类数据结构的模糊规则构造方法

提出用模糊逻辑规则精确表示一类有限元的方法，基于这种方法构造的模糊规则是唯一的，模糊规则之间不存在相互矛盾的情况。理论分析表明，一类有限元插值是模糊逻辑系统逼近器和多项式逼近器的交集。单机无穷大系统励磁控制的仿真结果表明了这种模糊逻辑构造方法的有效性和实用性。     

基于快速模糊规则搜索的快速模糊系统建模

本文提出了一种基于快速模糊规则搜索的快速模糊系统建模方法,首先使用本文提出的快速模糊规则搜索方法进行模糊规则的粗略搜索,然后基于所得到的模糊规则集建立模糊神经网络模型,即利用规则前件确定网络结构,规则后件初始化部分网络权值。使用遗传算法对网络模型的权值和阈值进行学习训练。实验结果验证了快速模糊系统建模方法在描述较大规模非线形系统中的实用性和有效性。     

一类数据结构的模糊规则的构造方法

提出用模糊逻辑规则精确表示一类有限元的方法，基于这种方法构造的模糊规则是唯一的，模糊规则之间不存在相互矛盾的情况。     

一种改进的模糊关联算法及其在IDS中的应用

关联规则的发现是数据挖掘中的一个重要问题,但只是对离散型数据进行处理。为解决连续数量值属性的划分出现的“尖锐边界”问题,采用模糊划分,实现数据平滑过渡。由于入侵检测系统(IDS)对训练数据要求不高,文中提出了一种使用哈希链表改进模糊关联规则挖掘的新算法,且在挖掘过程中使用了等价类快速查找频繁项集,避免了反复扫描数据库及大量重复计算检验步骤。通过一个入侵检测系统的算例显示了其优越性,来提高对入侵数据的识别能力。     

一种改进的模糊关联算法及其在IDS中的应用

关联规则的发现是数据挖掘中的一个重要问题．但只是对离散型数据进行处理。为解决连续数量值属性的划分出现的“尖锐边界”问题，采用模糊划分，实现数据平滑过渡。由于入侵检测系统（IDS）对训练数据要求不高，文中提出了一种使用哈希链表改进模糊关联规则挖掘的新算法，且在挖掘过程中使用了等价类快速查找频繁项集，避免了反复扫描数据库及大量重复计算检验步骤。通过一个入侵检测系统的算例显示了其优越性，来提高对入侵数据的识别能力。     

有效支持度和模糊关联规则挖掘

关联规则挖掘是数据挖掘的重要研究内容，将模糊的思想融入数据挖掘，形成的模糊关联规则的挖掘是当前关联规则研究的新方向，本文在模糊关联规则的挖掘中提出了有效支持度的概念，使其用于频繁模糊模式集的挖掘、挖掘的结果更为简洁和合理，同时挖掘的效率也得到了提高。     

模糊系统的逼近精度和规则关系研究

从模糊系统的逼近精度角度来研究模糊系统的杂程度、逼近精度、控制规则数目之间的关系。通过修改逼近精度的边界而减少了控制规则,近而达到了简化系统复杂程度的目的。通过实例分析可以看出,所设计的模糊系统既达到了所要求的精度,同时又使规则数目大大地减少了。     

一种基于动态聚类的模糊分类规则的生成方法

介绍了一种基于动态聚类的模糊分类规则的生成方法，这种方法能决定规则数目，隶属函数的位置及形状．首先，介绍了基于超圆雏体隶属函数的模糊分类规则的基本形式；然后，介绍动态聚类算法，该算法能将每一类训练模式动态的分为成簇，对于每簇，则建立一个模糊规则；通过调整隶属函数的斜度，来提高对训练模式分类识别率，达到对模糊分类规则进行优化调整的目的；用两个典型的数据集评测了这篇文章研究的方法，这种方法构成的分类系统在识别率与多层神经网络分类器相当，但训练时间远少于多层神经网络分类器的训练时间．     

A Genetic Approach for Simultaneous Design of Membership Functions and Fuzzy Control Rules

Based on the genetic algorithm (GA), an approach is proposed for simultaneous design of membership functions and fuzzy control rules since these two components are interdependent in designing a fuzzy logic controller (FLC). With triangular membership functions, the left and right widths of these functions, the locations of their peaks, and the fuzzy control rules corresponding to every possible combination of input linguistic variables are chosen as parameters to be optimized. By using a proportional scaling method, these parameters are then transformed into real-coded chromosomes, over which the offspring are generated by rank-based reproduction, convex crossover, and nonuniform mutation. Meanwhile, the concept of enlarged sampling space is used to expedite the convergence of the evolutionary process. To show the feasibility and validity of the proposed method, a cart-centering example will be given. The simulation results will show that the designed FLC can drive the cart system from any given initial state to the desired final state even when the cart mass varies within a wide range.     

Structured Learning and Decomposition of Fuzzy Models for Robotic Control Applications

In this paper a specially designed structured-optimization procedure is used for learning the parameters of the Takagi–Sugeno (TS) type fuzzy models. It is well-known that the number of learning parameters increases exponentially with the number of model inputs. Therefore an appropriate learning scheme with preliminary structuring of the learning parameters into two groups: antecedent parameters and consequent parameters can be helpful for speeding-up the learning process. Two different optimization algorithms for tuning the antecedent and consequent parameters respectively are used in a sequence of repetitive loops (epochs). The stop criterion is defined as a number of repetitions of the loops or as a desired minimal error. Random walk algorithm with variable step size is used in this paper for tuning the antecedent parameters of the membership functions. For tuning the consequent parameters of the singletons, a specially proposed local learning algorithm is used. The problem of dimensionality reduction in fuzzy modeling is also considered in the paper from another viewpoint, namely as a hierarchical fuzzy model structure. It is accomplished by a decomposition of the complete fuzzy model into a feedforward hierarchical structure of sub-models called partial fuzzy models each one with two inputs and one output. Then the local models are learned separately in a preliminary specified and repetitive order. Such decomposition scheme has a potential for a significant reduction of the number of model parameters to be tuned thus reducing the total learning time. It has been experimentally shown that both concepts for dimensionality reduction in learning fuzzy models have benefits in learning speed and accuracy. A comparison with simultaneous optimization of all parameters of a single fuzzy model is also given. It shows that the proposed structured learning as well as the decomposition of the fuzzy model into a hierarchical fuzzy model structure lead to reducing the learning time and creating more accurate fuzzy models. Finally an application for learning a fuzzy controller of a two-link robot motion is shown and analysed.     

规则不完备的模糊系统新规则在线生成

由专家经验和输入输出样本数据得到的模糊规则常常是不完备的,规则不完备的模糊系统因为缺少一些规则,对于某些可能的输入值产生的输出会很不合理。文章提出了用插值法在必要时在线生成新规则,并设计了一个模糊系统来插值填充规则库空格。实验结果表明,这种方法大大增强了规则不完备的模糊系统在整个输入域上输出的连续性和稳定性。     

用BP神经网络记忆模糊规则的控制算法及其实现

ＢＰ神经网络可有效地记忆模糊控制规则，并以“联想记忆”方式使用这些经验。用这种方法设计的控制器与模糊控制器一样，具有良好的控制效果。