复杂系统的遗传-模糊建模方法

针对复杂系统的模糊建模问题，提出了一种遗传．模糊建模新方法。首先，利用竞争学习算法对输入空间进行自适应聚类，基于聚类结果提取模糊模型的规则前件隶属函数参数，采用局部最小二乘法求得规则后件参数，从而初步建立起系统的T-S模糊模型。然后，对规则前、后件参数进行编码，借助于实值编码遗传算法优化模糊系统。最后，数字仿真结果验证了算法的可行性和有效性。     

基于自适应混合变异进化策略的神经模糊系统及应用研究

针对现存神经模糊系统中存在的问题,提出了基于自适应混合变异进化策略的神经模糊系统采用改进的最近邻域聚类算法对输入空间进行模糊聚类,确定模糊规则数以及模糊规则前件,这样做精简了模糊规则,不会因输入变量的增加而造成"维数灾难”;采用自适应混合进化策略确定模糊规则的后件,明显提高了算法的收敛速度和精度.将本文提出的基于自适应进化策略的神经模糊系统用于某炼油厂航煤干点的软测量建模,结果表明,该系统具有结构简单、建模精度高、泛化能力强等优点.     

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

一类不确定混沌系统的自适应模糊同步控制

针对一类带有未知非线性函数、参数和外界干扰的混沌系统,通过将一个时变参数引入到带有非线性后件的T-S模糊逻辑系统中,结合自适应方法对未知参数进行在线估计,完成了自适应模糊同步控制器的设计,并实现了驱动-响应混沌系统的渐近同步。一般而言,带有非线性后件的T-S模糊逻辑系统具有更高的逼近能力,可用更少的规则去逼近主从系统中的未知非线性函数,且在同步控制器的设计过程中,参数自适应律的个数与模糊规则的个数无关。因此,该同步方法不仅减少了在线运算量,而且通过直觉推理生成规则少、解释性强的模糊逻辑系统具有更广泛的应用。最后所给数值仿真算例说明了该方法的有效性。     

基于离散模糊动态贝叶斯网络的空战态势评估及仿真

自动准确地进行空战态势评估是无人作战飞行器（UCAV）自主作战，或有人作战飞行器（MCAV）的辅助作战决策系统必须解决的技术，也是进行威胁评估和战斗决策的基础。为了解决空战态势评估的建模和实现问题，提出了用模糊动态贝叶斯网络实现空战自动态势评估的方法，推导了离散模糊动态贝叶斯网络的推理算法，建立了空战白动态势评估的离散模糊动态贝叶斯网络模型，并进行了仿真验证。仿真结果表明，依据离散模糊动态贝叶斯网络所建立的空战态势评估模型，能够准确地跟踪战场态势的变化，及时发现态势的转换边界，而且在观测值出现偶然误差或者错误时，仍然可以给出正确的评估结果。     

一种MIMO复杂过程的模糊建模新方法

针对难于建立精确数学模型的MIMO复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。即首先将一个MIMO系统分解成多个MISO子系统,对每一个MISO子系统按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分。在此划分的基础上确定出MIMO复杂过程模糊模型的规则总数和前件参数;然后,由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模型模型的后件参数。仿真举例验证了所述模糊建模方法的有效性。     

基于DDBN-Cloud的舰艇编队防空目标威胁评估方法

海上编队防空作战中,针对来袭目标威胁评估过程中不确定性因素较多、观测数据易缺失以及已有评估方法难以考虑动态威胁态势的问题,提出了基于离散动态贝叶斯网络云模型(discrete dynamic Bayesian networks cloud, DDBN-Cloud)的威胁评估方法。通过分析来袭目标特征,构建了目标威胁评估体系;为避免节点威胁属性值在小范围内连续变化所引起的重复计算,采用模糊逻辑理论将体系中的连续型变量转化为离散型变量;针对评估过程中指标数据缺失问题,采用前向信息修补算法进行信息预测修补;采用证据可信度对不确定性节点的先验概率进行赋值,使得贝叶斯网络(Bayesian network,BN)参数更贴合实际;最后,利用云模型将得到的威胁评估概率转化为确定的威胁度,实现由定性概念到定量数值的转化,进行威胁排序;仿真实验表明,该方法适用于目标数据缺失时的动态威胁评估,与静态贝叶斯网络云模型(Bayesian networks cloud, BN-Cloud)法和相对熵排序法相比,其结果更合理,具有一定的实用价值。     

基于直觉模糊逻辑的插值推理方法

针对直觉模糊逻辑及命题演算,揭示了规则前件与规则后件中模糊论域之间的映射关系,提出利用隶属度与非隶属度计算直觉模糊逻辑的插值推理方法.研究了在连续空间与离散空间状态下线性插值的推理合、成方法,包括直觉模糊取式推理、直觉模糊拒式推理及直觉模糊假言推理,推导了相关的推理合成运算公式.以具体算例验证和表明了所推导方法的正确性和有效性,以及对方法进行验证的详细步骤.     

基于Niche的间接T-S模糊自适应控制

提出了新的基于生态系统的Niche间接T-S(Takagi-Sugeno)自适应模糊控制,将含有参数的生态位贴近度函数作为模糊规则的后件,从而构成零阶的T-S模糊控制模型。采用Lyapunov合成方法设计控制器,并使用梯度下降法优化后件参数,最后得到了后件参数的自适应律,体现了生物个体的自适应能力,引入了生态位的模糊系统具有生物个体始终朝着有利于自身方向发展的特性。因此,所建立的模糊T S系统具有更好的自适应性,可以获得更小的变动跟踪误差,并保证整个闭环系统全局稳定性。通过对生态系统的二维捕食系统的仿真验证了本方法的可行性。     

基于遗传模糊系统的兵棋推演关键点推理方法

近年来,基于人工智能技术的自动化作战推演越发受到重视,但是由于有效地采集作战推演数据难度较大,许多依赖数据学习的人工智能技术效果不佳。在结合专家知识和作战推演数据的基础上研究作战推演中的人工智能技术,是一种可行的替代方案。为此,立足兵棋推演设计了关键点推理遗传模糊系统(genetic fuzzy system, GFS)框架,有效整合了对兵棋专家知识的建模和对兵棋复盘数据的学习,从而提高了关键点的推理质量。进一步以安全点为例,构建了安全点推理GFS,在初始化模糊系统规则库的基础上,通过合理设计遗传算法中的参数编码、适应度函数、遗传算子等,实现了安全点推理模糊系统的遗传调优算法。最后,通过实验仿真展示了所提方法的可行性和实用性。     

组合导航智能信息融合自适应滤波算法分析

针对当前自适应组合导航系统算法的研究趋势,总结了卡尔曼滤波技术的缺陷和利用智能融合技术提高滤波器性能的设计思想。对模糊控制自适应算法(FIR AKF)、神经网络自适应算法(NN AKF)和自适应神经网络模糊推理自适应算法(ANFIS AKF)进行了分析。着重研究FIR AKF采用滤波器新息序列和外系统状态的模糊控制器关键的模糊规则设计问题;分析NN AKF在组合导航系统模型调整、故障检测和隔离中的应用方法,并给出ANFIS AKF利用神经网络自动生成推理规则和建立自适应组合导航系统的基本方法。     

Air Target Fuzzy Pattern Recognition Threat-Judgment Model

Abstract: Threat-judgment is a complicated fuzzy inference problem. Up to now no relevant unified theory and measur-ing standard have been developed. It is very difficult to establish a threat-judgment model with high reliability in the airdefense system for the naval warships. Air target threat level judgment is an important component in naval warship com-bat command decision-making systems. According to the threat level judgment of air targets during the air defense of sin-gle naval warship, a fuzzy pattern recognition model for judging the threat from air targets is established. Then an algo-rithm for identifying the parameters in the model is presented. The model has an adaptive feature and can dynamicallyupdate its parameters according to the state change of the attacking targets and the environment. The method presentedhere can be used for the air defense system threat judgment in the naval warships.     

从样本数据中获取模糊规则的一种算法

提出一种直接从样本数据中获取模糊规则的算法．模糊规则的隶属函数通过计算样本数据的方差与期望而得出,规则的抽取通过一个５层模糊神经网络实现,该算法包括两部分,第１部分确定出最佳规则;第２部分通过学习提高推理精度,通过仿真验证了该算法的有效性．     

基于自适应直觉模糊推理的目标识别方法

将自适应神经网络--直觉模糊推理系统(adaptive neuro intuitionistic fuzzy inference system, ANIFIS)引入信息融合领域,提出一种基于自适应直觉模糊推理的目标识别方法。首先,分析了现有目标识别方法的特点与局限性,建立了基于ANIFIS的Takagi Sugeno型目标识别模型。其次,设计了系统变量属性函数和推理规则,确定了各层输入输出计算关系及合成计算表达式。再次,设计了学习算法对网络和规则进行训练修改。最后,以20批典型目标的类型识别为例,分析比较基于直觉模糊推理及ANIFIS推理的输出结果与识别精度。仿真结果表明该方法是一种比较实用、有效的决策融合方法.     

面向伙伴选择的模糊Markov博弈控制及仿真研究

针对不确定条件下的伙伴选择决策问题,把自适应模糊控制系统理论及神经网络理论引入到Markov博弈中,提出一种基于多智能体的伙伴选择模糊控制模型。该模型引入基于ANFIS和神经网络的模糊神经网络,实现了一种全新的进行值函数逼近的梯度下降Q学习的算法。并应用该模型对伙伴选择问题进行研究,对多影响因素进行FNN学习,将输出量作为标准Markov博弈模型的输入量,得到影响的策略,最后研究了一个应用实例,利用具体历史数据对建模方法和模型进行了验证和分析。     

基于直觉模糊TOPSIS和变权VIKOR的防空目标威胁综合评估

针对传统防空目标威胁评估中威胁因素考虑不全、定性指标量化不精确以及属性指标权重固定不变等方面的不足,在综合考虑目标静态和动态属性的基础上,提出了基于直觉模糊理想解逼近(technique for order preference by similarity to an ideal solution,TOPSIS)法和变...     

基于FBNs的有人机/UCAV编队对地攻击威胁评估

信息化环境下的编队对地攻击过程中,所获取的地面兵力威胁信息具有高度不确定性。如何采用高效的不确定性信息推理方法快速准确地完成地面兵力对空中飞行编队的威胁评估建模成为一个亟待解决的问题。提出基于模糊贝叶斯网络的有人机/无人战斗机编队对地威胁评估建模方法,综合模糊逻辑与贝叶斯网络的优势,对战场的随机、模糊威胁信息进行综合处理。仿真结果表明,模糊贝叶斯网络不仅能够有效处理战场不确定信息,而且能够综合指挥员的主观判断,适合于不确定性战场环境下的威胁评估推理。     

改进的模糊神经网络应用于投标报价

针对模糊神经网络规则膨胀导致的网络训练速度慢和泛化能力弱的缺陷,提出了一种改进的基于T-S模型的模糊神经网络的结构和算法。网络结构包括前件和后件网络二部分,本文在后件网络中增加了一个隐含层以提高计算能力,在前件网络中运用了有效模糊规则选取的方法以提高收敛速度。最后将提出的网络结构应用于建筑工程的投标报价中,仿真结果证明:该网络能达到更高的误差精度、更快的训练速度和更好的泛化能力。     

复杂环境下的无人机任务决策模型

为实现不确定环境下无人机(unmanned aerial vehicle, UAV)自主动态任务决策,提出一种基于变结构离散动态贝叶斯网络(structure-varied discrete dynamic Bayesian network, SVDDBN)的任务决策模型。该模型由威胁等级评估、目标价值评估和态势优势评估三部分组成,在此基础上可完成突变过程建模。根据以上三部分的评估结果,运用变结构离散动态贝叶斯网络推理算法得到当前时刻的任务决策。仿真结果表明,给出的决策模型满足突发威胁下的任务决策需求。