顾及参考点点位误差的八方向模糊不均匀划分模型*

基于经典模糊集建立了模糊方向模型,在四方向模型中各方向是等角划分;在八方向模型中四个主要方向各占60°,四次要方向各占30°。提出建立模糊方向区间来描述目标地物与参考点之间的方向关系,用一对带有符号的隶属度来表示目标在原子方向的隶属关系,使方向关系的描述更精细。利用二型模糊集理论建立了顾及参考点点位误差的八方向模糊不均匀划分模型,讨论了方向主隶属度成员函数和隶属度的不确定性。由于参考点点位误差引起方向隶属度误差,增加了方向关系的不确定性。该模型充分考虑了参考点点位误差、认知习惯和目标对象在参考点各原子方向     

模型参考模糊自适应控制*

本文提出了一种模糊自适应机构的设计方法，所设计的自适应机构为偏差的非线性函数。用模糊自适应机构替代常规自适应机构，构成一个模型参考模糊自适应系统。导出了该系统稳定的充要条件，提出了一量化因子的选择方法，设计方法简单，便于工程应用。仿真结果表明：ＭＲＦＡＳ系统自适应性能好，抗内外扰动的能力强。     

模型参考模糊神经网络控制器的开发

给出一种用模糊神经网络控制器作调节器，用模糊逻辑和BP算法的结合作自适应机构的模型参考自适应模糊神经网络控制器。为一类缺乏精确数学模型的被控对象提供了一种有效的自适应控制方法。仿真验证了该方法的合理性。     

基于模糊神经网络的模型参考自适应控制

用模糊神经网络作为控制器,依靠参考模型产生理想的控制系统闭环响应,从而随时得到控制系统的输出误差.用梯度法实时修正模糊控制器的输入和输出隶属度参数,得到一种在线模糊自适应控制的新方法.通过倒立摆的仿真实验表明,该方法是可行的并能适应对象特性的大范围变化.     

集群资源模糊聚类划分模型

提出一种集群资源模糊聚类划分模型。对计算机集群中计算节点的CPU、内存、网络、I/O和网卡资源参数进行量化和规范化,运用模糊聚类技术,实现计算节点的聚类划分。引入任务资源需求向量和最低误差容忍向量,将计算机集群划分为若干个性能均衡的逻辑子群。测试结果表明,该模型能有效划分计算机集群,适用于云计算领域的资源调度。     

参考模糊集合构造方法及模糊模型辨识

本文提出了一种基于参考模糊集的模糊模型辨识方法,探讨了模型结构和模糊关系的辨识问题.在隶属函数的定义上引入了优化算法,最终将辨识问题转化为优化问题.文中给出了具体的辨识算法,仿真实例表明该模型辨识方法具有满意的精度.     

船舶航向模型参考模糊自适应控制器的设计

本文介绍了模型模糊自适应控制器的结构，调节机理。针对船舶航向控制，设计了参考模型模糊自适应控制器，并进行了仿真。与普通模糊控制器控制效果进行了比较，仿真表明参考模型模糊自适应控制有良好的控制性能。     

有建模误差的模型参考自适应控制系统的鲁棒性

本文研究相对阶(传递函数分母和分子阶之差)为一和二的乃伦局(Narendra)方案用于有建模误差的模型参考自适应控制系统(MRAC)的鲁棒性.结论是当建模误差足够小时,该方案在某一域内是稳定的.     

基于模型参考模糊自适应PID的高压釜温度控制

通过对某厂生产复合玻璃的关键过程合片抽真空的研究,发现该过程中应用的温度控制方法简单,但控制效果不理想,会产生超调、震荡等现象。为了改善生产过程中的温度控制效果,对高压釜的升温状况以及控制方法进行了研究。以模型参考模糊自适应控制为基础,设计了一种控制效果更精确的温度控制方式。首先,对高压釜釜内温度进行温度建模,对高压釜的温度模型进行机理分析,得出其温度模型,并进行阶跃响应试验,将采集到的数据通过飞升曲线方法获得温度模型的模型参数。其次,以温度模型为理论依据,通过模型参考模糊自适应控制方式对PID参数进行在线调整,弥补PID参数不能在线整定的缺点。最后,通过仿真试验,验证了该控制方案能有效减少超调,加快反应速度。结果表明,该控制方式可以有效改善控制效果,提高产品的生产质量。     

基于CHC遗传模型的数量属性模糊划分

提出一种基于跨世代异物种重组大变异遗传模型的数量属性模糊划分方法,采用实数编码和PNX交叉算子,通过设定阈值重新初始化算子,以模糊1-频繁项的支持度、三角形隶属度函数对数量属性取值范围的覆盖率以及隶属度函数间的重叠度为优化目标,通过遗传进化自动确定数量属性的模糊划分区间。实验结果表明该方法缩短了进化所需时间,所得最优个体的适应度值较高。     

基于CHC遗传模型的数量属性模糊划分

提出一种基于跨世代异物种重组大变异遗传模型的数量属性模糊划分方法,采用实数编码和PNX交叉算子,通过设定阈值重新初始化算子,以模糊1-频繁项的支持度、三角形隶属度函数对数量属性取值范围的覆盖率以及隶属度函数间的重叠度为优化目标,通过遗传进化自动确定数量属性的模糊划分区间。实验结果表明该方法缩短了进化所需时间,所得最优个体的适应度值较高。     

基于不均匀空间划分和R树的时空索引

随着移动互联网以及物联网的发展,越来越多的移动设备都内置GPS服务,从而产生了大量的时空数据.这些数据体量大、分布不均匀且带有时间和空间经纬度等多维属性.传统的时空索引还有很多问题有待解决,例如难以处理大规模数据、无法同时处理时间和空间维度等.基于Geohash和R-Tree,提出一种2层时空索引GRIST(Geohash and R-Tree based index for spatio-temporal data),第1层是空间索引,它将空间划分为不同大小的网格并使用Geohash进行编码;第2层是时间索引,由R-Tree构成,不同R-Tree索引不同网格里的数据.GRIST索引支持面向时间和面向时空的查询.在大量随机数据和真实Uber数据上的实验表明：GRIST在索引的构建效率上较于GeoMesa和PostGIS系统可以提升10～45倍,在查询效率上可以提升2～4倍.     

GIS矢量数据的拓扑空间模糊划分模型

在地理信息系统（GIS）中,针对现实世界复杂的地理现象和地理实体具有模糊不确定性而造成实体之间拓扑关系描述困难的问题,文中首先从四交模型和九交模型对空间实体间拓扑关系进行概述,然后在点集拓扑学的基础上,分析了复杂的模糊地理实体间拓扑关系形式化描述模型,并对该模型进行详细、准确的形式化描述和严格的数学表达,最后提出对模糊地理实体拓扑划分的改进方法和扩展模型。分析结果表明,该模型可以实现从简单实体到复杂实体的分析和模糊划分。     

基于子空间划分的模糊系统模型辨识

提出了基于子空间划分的模糊系统模型（SPFS）,并给出一种针对SPSF的白适应模型辨识方法．应用遗传算法进行子空间划分方案的优化。降低了最大子空间的辨识误差,从而得到优化的模型辨识结果．理论分析和仿真计算证明了该模型的有效性．所提出的模型有助于缓解规则数爆炸问题．     

模型参考和误差白化的传感器动态补偿算法

通过模型参考的系统辨识方法建立传感器的动态补偿器, 常用的系统辨识采用均方误差(mean square error, MSE)为评判标准. 但是, 由于测量噪声存在和补偿器的频率特性, 使得补偿器的输入/输出信号存在严重的噪声干扰, 采用MSE为评判标准的系统辨识方法, 无法得到最优的补偿器的参数. 为此, 本文研究了一种以误差白化(error whitening criterion, EWC)为评判标准, 设计传感器动态补偿器的系统辨识方法. 该方法无需事先已知系统的动态特性, 根据传感器以及参考模型对     

改进的基于子空间划分的模糊系统模型

针对模糊系统建模过程中实现结构风险最小化问题,提出改进的基于子空间划分的模糊系统模型（SPFS）.使用偏最小二乘法（PLS）建立初始模型,有效地提取对系统解释性最强的信息.通过ε不敏感函数和子空间划分,达到模型的置信范围与经验风险的折中.改进的SPFS能保证模型的可解释性,并实现结构风险最小化.仿真计算证明了该模型的有效性.     

基于模糊模型参考学习控制的手术机器人人机交互

为了解决机器人辅助手术环境下人机交互运动过程中的不稳定性问题以及医生个人因素难以建模的问题,提出了一种基于模糊模型参考学习的变导纳人机合作控制方法.首先将人体手臂自然运动的特征作为模糊学习控制的参考模型,通过离线学习机构训练出模糊导纳控制器的变阻尼系数调整参数规则.再以医生对机器人的拖拽力以及机器人速度作为输入、机器人期望的速度作为输出,构建基于变阻尼参数调整的变导纳控制方法.离线训练实验结果表明,该方法经过10次离线训练,可以达到柔顺性要求,人机合作速度最大误差低于17 mm/s,且人机合作轨迹最大误差低于15 mm.相比单纯基于固定导纳参数的模糊控制,该方法具有更好的跟踪速度与精度.     

云计算中的集群资源模糊聚类划分模型

随着云计算应用的开展,计算机集群的作用越来越重要,但集群中计算机的性能良莠不齐,虽然能互联且能共享资源,但是很有可能因为某些集群内的计算机的性能不均衡或集群性能与并行任务资源需求不匹配而造成任务低效执行的后果。如何把物理集群(普通局域网互联的计算机构成)分为若干个性能均衡的逻辑集群是集群调度的关键。通过对计算机资源的模糊聚类来划分集群中的计算机,引进任务资源需求向量和最低误差容忍向量机制,把物理集群划分为若干个性能均衡或与并行任务资源匹配的逻辑计算机集群,使集群更易管理调度。对物联云运用此算法划分了网关集群、数据库集群和服务集群,验证了本算法,这种划分方法适合云计算应用。     

模型参考自适应控制方案对建模误差的鲁棒性局限

在现有模型参考自适应控制(MRAC)方案的结构下,不可能通过设计调节参数规律来增强对平衡点一致渐近稳定(u.a.s)的自适应控制系统对建模误差的鲁棒性.本文通过研究能保证系统u.a.s.的一般形式的调节参数规律下的自适应控制系统对建模误差的鲁棒稳定性,得出了现有MRAC结构对I型建模误差具有鲁棒性,对II型建模误差没有鲁棒性的结论.