基于密度聚类的模糊神经网络和CHP分解过程建模

针对基于样本数据的复杂系统建模问题,提出了基于密度聚类的模糊神经网络（DFNN）的建模方法,研究了利用密度聚类原理提取数据样本的内在规则的理论和方法,提取的规则能较好地反映样本数据输入输出的对应联系,根据提取的规则给出了模糊神经网络的模型结构.本文以化工生产过程过氧化氢异丙苯（CHP）分解反应过程为对象进行仿真建模,结果显示在模型精度和可靠性上均优于基于c均值聚类提取规则的模糊神经网络模型（CFNN）.     

模糊神经网络及其在聚酯酯化建模中的应用

提出一种通过改进减法聚类优选模糊规则的模糊神经网络建模方法.该算法仅从已知的输入输出数据中,就能快速确定模糊规则的数目;给出了模糊规则中参数的确定方法,用误差反传法优化参数;最后用该方法对聚酯的酯化率建立软测量模型.仿真结果表明该方法运算速度快,模糊规则较少,同时具有的良好泛化性能,能够满足软测量建模精度的要求.     

建立河流水质模型的新途径

本文在阐述GMDH算法及改进算法的基础上,提出用GMDH法建立河流水质模型,并提供了具体的方法,试图解决因机理不清而建模的问题,有效地利用常规水质监测资料。     

模糊神经网络及其在聚酯酯化建模中的应用

提出一种通过改进减法聚类优选模糊规则的模糊神经网络建模方法．该算法仅从已知的输入输出数据中，就能快速确定模糊规则的数目；给出了模糊规则中参数的确定方法，用误差反传法优化参数；最后用该方法对聚酯的酯化率建立软测量模型，仿真结果表明该方法运算速度快，模糊规则较少，同时具有的良好泛化性能，能够满足软测量建模精度的要求。     

基于思维进化算法的工业过程粗糙建模及应用

在工业过程建模中,传统的建模方法依赖数学模型.当实际系统模型难于用解析式精确表达时,智能建模成为研究热点之一.对具有非线性、时变性、不精确性等复杂系统,智能建模弥补了机理建模、辨识建模等方法的不足,能够避开数学表达式模型.模糊建模的隶属函数不容易得到,而粗糙集能直接从数据库中提取规则,不需要任何先验知识.但粗糙集不能处理连续属性,需要将属性离散化.对水泥回转窑控制系统进行建模,首先应用思维进化算法对决策表中的连续属性进行离散化,然后利用粗糙集理论化简决策表,提取最优的决策规则,最后分析决策规则,得出结论,说明该建模方法的可行性,且由此建模方法得到的决策规则覆盖度较高.     

基于模糊PID控制的直流电机调速系统

针对传统直流调速不能有效克服非线性因素,难以满足某些特定场合对高精度、高性能的控制要求,提出了基于模糊PID控制的直流电机调速系统。介绍了模糊控制器的原理及特点,分析了模糊PID控制器的控制原理,并确定了模糊语言变量和隶属函数,制定了模糊规则和反模糊化方法,最后利用Matlab/Simulink对直流电机调速系统进行建模仿真。仿真结果表明:直流电机调速采用模糊PID控制比传统PID控制具有更好的控制精度、鲁棒性,并提高了电机动、静态性能。     

基于规则自动生成的模糊神经网络建模

该文提出了一种基于规则自动生成的模糊神经网络建模方法。该方法是利用样本数据自动生成模糊规则,再利用模糊逻辑的万能逼近能力来逼近理想输出,并且根据样本数据自动增加、删除或者修改模糊规则来达到优化模糊模型。介绍了广义动态模糊神经网络的结构和学习方法,并给出了实例来验证该方法是可行的,并优于MATIAB自带的自适应模糊神经网络取得的结果。     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法．采用结构辨识和参数辨识相结合的方法，构造模糊系统完善的模糊规则库．用此设计方法对函数逼近问题进行仿真，结果表明该方法具有规则数目少、学习速度快、建模精度高等特点．     

考虑电源完整性的数字驱动器模糊逻辑建模

高速电路的电源完整性分析需要电源和地非理想情况下的数字驱动器模型,该文将模糊逻辑方法用于考虑电源与地非理想因素的数字驱动器宏模型构造。根据驱动器电路的工作特点,该文提出了一种简化的模糊逻辑模型表达式,通过简化模糊逻辑的前提,有效地降低了模型复杂度,方便了模糊规则结构与参数的确定,加快了建模过程。通过实际电路例子,验证了方法的有效性。     

基于SOMK算法的T-S模糊系统建模方法

针对T-S模糊系统建模中的结构辨识和参数辨识问题,以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类,同时以Davies-Bouldin(DB)指标来验证聚类的有效性,得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后,用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明,该方法逼近精度高,泛化能力强,具有较好的实际应用价值。     

IVKGMDH算法用于常压塔质量模型的研究

在研究GMDH算法基础上，提出了原始变量保存的改进型的GMDH算法，并分析了它的特点．利用在线数据仿真表明，改进的GMDH算法具有更高的可靠性和灵活性，并可减少计算机的计算量和内存．     

GMDH方法在电力负荷预测中的应用研究

本文在介绍数据处理组合方法GMDH基本原理的基础上,将其用于电力负荷时间序列数据预测,并通过某地区电力负荷预测实例,对电力负荷值进行了计算分析,结果表明该方法可得到满意的预测结果。     

粗糙集与模糊集的比较

近年来，人们提出许多描述不确定性的方法。本文将给出粗糙集和模糊集的比较。粗糙集理论是描述模糊性和不确定性的一种新的数学工具。由于大家对模糊集的熟悉，本文不再给出模糊集的相关概念。     

基于GMDH的中长期电力负荷组合预测模型

组合负荷预测模型能够充分利用数据信息,有效降低预测风险、改善预测效果,在中长期负荷预测中获得了广泛应用。而目前的组合预测模型实质大都为单一预测模型的加权平均,没有能够充分发挥综合预测的优势.应用数据分组处理方法（GMDH）进行组合预测,在充分考虑各单一模型特点和预测效果的基础上,形成多元非线性组合预测模型,自动从数据中挖掘出重要信息,克服了传统组合预测模型建模中的主观因素影响,可以改善预测精度。并将该预测模型应用于实际电网,计算结果表明该模型有效提高了预测精度,适用于中长期负荷预测.     

关于Fuzzy约束条件下多目标线性规划问题方法的改进

经典的最优化方法中,常将目标函数和约束条件视为确定的,然而在实际问题中,不论目标函数和约束条件都具有不确定性.对Fuzzy约束条件下多目标线性规划方法做了进一步改进,讨论了g0和r0(见正文)的选取方法,避免了由于g0和r0选取不当而导致问题无解的情形,而实际上这时原问题是可能有解的.     

Fuzzy关系方程的几何解法

本文用几何理论对Fuzzy关系方程进行“直观化”,形成一个十分清晰的Fuzzy关系方程几何模型,然后,根据这一模型,构造出一种对某些Fuzzy关系方程的更简易的解法——几何解法。     

Bridging GPS outages of tightly-coupled GPS/SINS using GMDH neural network

A tightly-coupled GPS(global positioning system)/SINS(strap-down inertial navigation system)based on a GMDH(group method of data handling)neural network was presented to solve the problem of degraded accuracy for less than four visible GPS satellites with poor signal quality.Positions and velocities of the satellites were predicted by a GMDH neural network,and the pseudo-ranges and pseudo-range rates received by the GPS receiver were simulated to ensure the regular operation of the GPS/SINS Kalman filter during outages.In the mathematical simulation a tightly-coupled navigation system with a proposed approach has better navigation accuracy during GPS outages,and the anti-jamming ability is strengthened for the tightly-coupled navigation system.     

基于聚类算法组织教学班的策略研究

论文关注人们研究较少的教学班组织问题,研究了大基础小专业教育模式下选修课教学班组织策略,提出基于模糊聚类构造教学班的方法及结果评价原则。首先分析算法与选用依据,其次建立样本数据,再用算法划分数据,最后设定聚类结果评价原则,实现从个体出发组织教学班集合的思路。     

模糊粗糙集的分解定理

根据模糊粗糙集(FR集)中上下近似都是模糊集合的构造性质,利用模糊集不同截集定义和分解定理,给出了模糊粗糙集(FR集)截集定义和相应的分解定理,并证明了模糊粗糙集(FR集)集的分解定理,分解定理揭示了模糊粗糙集和普通集之间的关系,在理论和应用中发挥着重要的作用。     

基于模糊神经网络的模糊辨识方法及其应用研究

利用模糊神经网络（FNN）的学习能力从控制操作的现场数据中获取模糊规则,并自动调节隶属函数,把建模的过程转化为FNN网络结构多数的生成与学习问题。用于一个非线性过程的模糊模型参数辨识问题,取得了满意的结果。