基于遗传算法的自学习模糊逻辑系统

利用遗传算法实现模糊逻辑系统的自学习,提出了遗传算法和模糊逻辑系统的结合方式,并针对模糊逻辑系统的特点,提出了初始种群的生成方法,较大地提高了遗传模糊逻辑系统的自学习性能。仿真结果表明,该系统对复杂的非线性系统具有较好的学习效果。     

非线性延迟积分微分方程线性多步法的渐近稳定性

本文研究了非线性延迟积分微分方程线性多步法的渐近稳定性.证明了在约束网格下,带有复合求积公式A-稳定的线性多步法能够保持解析解的渐近稳定性.文章最后,数值试验验证了本文的结论.     

模糊逻辑系统的GA+BP混合学习算法

提出一种在GA中融入BP算法的混合学习算法以实现模糊逻辑系统的自学习,利用遗传算法的全局最优性在大范围内搜索可能的极值,而用BP算法的误差梯度下降特性在极值点附近的快速搜索,从而达到了全局最优与快速搜索的有机结合,仿真结果表明,这种混合算法的学习效率无论是相对于GA还是BP均有显著提高。     

用线性多步法训练神经网络

研究用微分方程数值解法－－线性多步法替代神经网络的学习算法,指出在一定条件下神经网络的BP学习问题与求解一个相应的微分系统在渐近意义下是等价的,从而求解微分动力系统的数值解法也可用于神经网络的学习,给出了训练神经网络的Milne方法和BP－Milne结合算法以及Hamming方法和BP－Hamming结合算法,并以9点两类模式、随机模式识别和石油地质中沉积微相模式识别等3个问题为例进行了实验,实验结果表明利用微分动力系统的数值解法进行神经网络的学习是可行的。     

模糊逻辑系统的非线性组合预测方法与系统误差分析研究

本文提出一种基于模糊逻辑系统的组合预测方法。其基本思想是利用模糊系统的万能逼近特性,采用模糊Taki Sugeno模型来进行非线性组合预测函数的φ（x）模拟。这种全新的组合预测方法不仅降低了构造非线性组合预测函数φ（x）的难度,而且使预测精度大大提高。     

自适应模糊逻辑系统的鲁棒学习算法

通过对常规最小方差型目标函数局限性的分析，根据鲁棒统计学理论和目标函数在参数学习中的导向作用，对目标函数进行修正，在此基地之上，提出一种模糊逻辑系统的鲁棒学习算法，在噪声环境中，通过对该算法的仿真验证以及与常规算法性能的比较，表明该鲁棒学习算法在逼近精度和鲁棒性等方面优于传统方法，在实际工程中具有较高的应用价值。     

基于线性多步法的波形松弛方法的线性稳定性

波形松弛(WR)方法的研究成果丰富,但主要集中于收敛性,罕见关于稳定性的研究.研究基于线性多步法的WR方法的线性稳定性,获得了线性稳定的几个充分条件,给出了一些具体的线性稳定WR方法的例子,并提供了一些支持理论结果的数值算例.     

基于FANNC的模糊逻辑系统

1 引言为了用数学方法描述和处理自然界出现的不精确、不完整的信息,如人类语言描述信息,L.A.Zadeh于1965年发表了“Fuzzy Set”的论文,提出了模糊理论。模糊理论建立在模糊集合和模糊逻辑的基础上,引入隶属函数(membershipfunction)的概念来描述那些介于“属于”和“不属于”的中间过渡过程。模糊理论已经广泛地应用于控制领域,同时结合其他技术,如神经网络、遗传算法等,形成交叉学科,用于解决单一技术不能解决的问题。     

一类求解比例延迟积分微分方程线性多步法的散逸性

考虑了比例延迟积分微分方程的数值方法的散逸性。首先,通过变换将原方程变为常延迟积分微分方程,然后把一类线性多步法应用到以上问题中,用线性插值程序和复合梯形公式分别逼近延迟项和积分项,证明了在一定条件下,该数值方法具有散逸性。     

一个多理论的逻辑系统

文中为多理论系统建立了一个层次的理论框架－ＭＴ．ＭＴ在几个方面推广了传统的二型一阶谓词演算；允许表示多个理论，每个理论都在一个ｃｏｎｔｅｘｔ内声明；每个ｃｏｎｔｅｘｔ可以有关于其下层ｃｏｎｔｅｘｔ的元理论，而ｃｏｎｔｅｘｔ自身又作为其上层ｃｏｎｔｅｘｔ的一个个体常元。     

线性模糊微分系统的稳定性

利用模糊结构元方法研究了初始条件为模糊数的线性模糊微分系统的稳定性问题。将线性模糊微分系统化成同解的线性分明微分系统,给出了线性模糊微分系统解的解析表示,得到了系统稳定的充要条件。讨论了2维线性模糊微分系统平衡点的类型以及判定条件,说明在一定条件下线性模糊微分系统与线性分明微分系统平衡点的稳定性一致。最后,给出了2个实例并画出了系统相应的轨线,表明了模糊结构元方法的有效性和可行性。     

Stable Adaptive Fuzzy Control with TSK Fuzzy Friction Estimation for Linear Drive Systems

This paper considers the control of a linear drive system with friction and disturbance compensation. A stable adaptive controller integrated with fuzzy model-based friction estimation and switching-based disturbance compensation is proposed via Lyapunov stability theory. A TSK fuzzy model with local linear friction models is suggested for real-time estimation of its consequent local parameters. The parameters update law is derived based on linear parameterization. In order to compensate for the effects resulting from estimation error and disturbance, a robust switching law is incorporated in the overall stable adaptive control system. Extensive computer simulation results show that the proposed stable adaptive fuzzy control system has very good performances, and is potential for precision positioning and trajectory tracking control of linear drive systems.     

Fuzzy Non-Homogeneous Markov Systems

In this paper the theory of fuzzy logic and fuzzy reasoning is combined with the theory of Markov systems and the concept of a fuzzy non-homogeneous Markov system is introduced for the first time. This is an effort to deal with the uncertainty introduced in the estimation of the transition probabilities and the input probabilities in Markov systems. The asymptotic behaviour of the fuzzy Markov system and its asymptotic variability is considered and given in closed analytic form. Moreover, the asymptotically attainable structures of the system are estimated also in a closed analytic form under some realistic assumptions. The importance of this result lies in the fact that in most cases the traditional methods for estimating the probabilities can not be used due to lack of data and measurement errors. The introduction of fuzzy logic into Markov systems represents a powerful tool for taking advantage of the symbolic knowledge that the experts of the systems possess.     

基于模糊观测器T-S模型和自适应模糊逻辑系统的一类非线性系统的H∞控制

针对一类非线性系统，把模糊T-S模型和自适应模糊逻辑系统两类模糊逻辑方式结合起来，提出了一种基于观测器的控制方案．首先，应用模糊T-S模型对非线性系统建模，设计观测器来观测系统状态；由线性矩阵不等式得到模糊模型的控制律．其次，应用自适应模糊逻辑系统作为补偿器来补偿建模误差．证明了闭环系统满足期望的性能．仿真结果表明了该方案的可行性．     

逻辑公式的模糊度

从判断一个命题正确与否的难易程度入手,在经典的二值逻辑系统中,利用一个命题公式赋值为1与赋值为0的个数,引入了一个反映命题公式清晰程度的量——模糊度。给出了模糊度的相关性质,指出了模糊度与计量逻辑学中真度定义之间的联系与区别,得到如下结论：（1）在一个推理中过程中,随着前提模糊度的降低,结论的模糊度也随之降低;（2）具有相同模糊度的命题公式构成的命题集是一个不相容命题集;（3）两个距离相近的命题公式,其模糊度也十分接近。     

Filtering of Linear Partially Observe Stochastic Systems: The Fuzzy Logic Approach

In this paper we consider the filtering problem for a class of partially observed systems governed by linear stochastic differential equations. Using Takagi–Sugeno linear fuzzy model and assuming membership functions of Gaussian type, we have proposed minimum unbiased linear fuzzy filter, driven by the observed process, with the help of which the system states can be estimated from the observed data. Further, using calculus of variation, we have developed a set of necessary conditions of optimality on the basis of which filter parameters can be determined. Finally, numerical simulations are presented to illustrate the effectiveness of the proposed filter.     

求解模糊线性方程组的并行分割算法

在简化方法的基础上，提出了在MIMD模型上采用异步通信模式求解模糊线性方程组的分布式并行分割算法，算法有效地平衡了负载，并分析了算法的时间复杂性和通信复杂性。     

基于网点的自学习模糊逻辑系统

提出网点的概念与构造模糊逻辑系统的方法，给出了易于实现的学习算法。该方法适用于模糊规则难以获得而输入输出数据可得的情况，可用于设计基于样本的模糊控制器和系统模糊建模。理论分析和数字仿真说明了该系统的正确性与实用性。     

基于模糊切换策略的线性切换系统的稳定性

切换系统在运行中常受到干扰、时滞等影响,致使切换系统很难准确实施已确定的切换策略,因此系统的稳定性不能得到保证,鉴于此,本文基于模糊方法研究切换系统的稳定性问题,以增强系统的鲁棒性。将切换系统转换成T—S模糊模型,该系统具有非线性性;依据变量-梯度法,给出此系统在原点的小领域内渐近稳定的充分条件,同时获得模糊切换策略。系统仿真证实此方法简单而有效。