Hybrid approach for fuzzy system design

A hybrid approach for fuzzy system design based on clustering and a kind of neurofuzzy networks is proposed. An unsupervised clustering technique is firstly used to determine the number of if-then fuzzy rules and generate an initial fuzzy rule base from the given input-output data. Then, a class of neurofuzzy networks is constructed and its weights are tuned so that the obtained fuzzy rule base has a high accuracy. Finally, two examples of function approximation problems are given to illustrate the effectiveness of the proposed approach.     

基于T-S模型的迭代学习控制算法及其在机器人点位控制中的仿真研究

考虑了一类特殊的迭代学习控制问题，即用迭代学习方法解决机器人的点位控制问题。采用T-S模型描述机器人系统，在T-S模型的基础上，运用并行分配补偿方法(PDC)确定T-S模型的迭代学习控制器结构，并给出了误差收敛条件。为避免迭代过程的初始定位操作，丈中还设计了模糊循环迭代学习律。最后以在垂直面内运动的单关节的机器人为例说明了所提出方法的有效性。     

单路口多相位交通信号模糊控制系统的设计

模糊控制不需建立被控对象的精确数学模型，特别适用于具有较大随机性的城市交通控制。此文同时考虑多相位和倒计时问题，讨论用模糊控制方法对单路口多相位的交通信号进行控制，提出以当前相，后继相的车辆等待长度决定相位信号配时，文中重点讨论该二维模糊控制器的设计，并给出该模型控制系统的总体设计方案，利用Mcs96提供的Watch Dog，结合软件设计保证系统的稳定性，提高系统的抗干扰能力，由于每一相位的配时是根据路口实时数据经模糊推理一次确定，该系统可用于安装倒计时器的路口，具有良好的实用性。     

一种基于三角模糊数多指标信息的聚类方法

针对一类特征指标值及指标权重均为三角模糊数的多指标信息聚类问题,提出了一种新的最大树聚类分析方法。首先对三角模糊数多指标信息聚类问题进行了描述;然后依据传统的基于数值信息的最大树模糊聚类分析方法的基本思路,给出了解决三角模糊数多指标信息聚类问题的计算步骤。最后,通过算例说明了本文给出的聚类方法。     

一种T-S型粗糙模糊控制器的设计与仿真

提出了一种新型的粗糙模糊控制器的设计方法,该方法将粗糙逻辑与模糊推理结合起来,利用粗糙集寻求输入输出空间的最小规则集,通过对粗糙规则输出控制信息的补充,建立起T-S型粗糙模糊控制系统。此方法能有效地从输入输出数据中获取控制规则,同时能够解决规则数目随系统变量呈指数增长的“规则爆炸”问题。对变杆长倒立摆控制的仿真结果表明,该方法能够以较少的规则实现高精度、非线性控制。     

基于目标函数的直觉模糊集合数据的聚类方法

针对直觉模糊集合数据的聚类问题,提出了一种基于目标函数的聚类方法。该方法定义了直觉模糊集合间的加权相似性准则,解决了数据聚类过程中各维特征分配不均匀的问题。通过增加非隶属度参数对模糊c〖CD*2〗均值(fuzzy c means, FCM)聚类算法中的模糊划分矩阵〖WTHX〗U〖WTBZ〗和目标函数进行改造,进而给出迭代推导公式和算法描述,把聚类归结为一个带约束的线性规划问题,适用于大数据量的情况。最后通过典型实例验证了该方法的有效性和优越性。     

一种基于区间数多指标信息的FCM聚类算法

针对一类具有不确定性区间数多指标信息的聚类分析问题，基于传统的数值信息FCM(fuzzy c-means)聚类算法，提出了一种新的聚类分析算法．首先描述了具有区间数多指标信息的聚类分析问题，其次提出并证明了基于区间数多指标信息的关于最优划分和最优聚类中心确定的两个定理．然后根据提出的两个定理，进一步给出了基于区间数信息的FCM聚类算法的迭代步骤．最后，通过一个算例说明了给出的聚类算法．     

基于FCM的多传感器融合多目标跟踪的数据关联

数据关联是实现多目标跟踪的核心技术之一,也是实现多传感器信息融合的前提。本文采用改进的模糊c-均值法求解关联概率,并通过在不同的传感器所对应的观测空间上建立多目标运动状态的投影,将单传感器数据关联算法推广到多传感器信息融合系统,从而可在密集杂波环境中实现对多目标的数据关联和精确跟踪。仿真实验结果说明了本文方法的有效性。     

基于T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。     

基于T-S模型的非线性系统非脆弱保性能模糊控制

针对一类用T-S模糊模型描述的非线性系统,采用状态反馈的并行分布补偿方法研究其非脆弱保性能模糊控制问题,使得在控制器存在可加性摄动的情况下,其闭环性能指标值低于确定的上界。利用线性矩阵不等式处理方法,导出了非脆弱保性能模糊控制律的存在条件。通过建立和求解一个凸优化问题,给出了最优非脆弱保性能模糊控制律的设计方法,并用此方法设计一级倒立摆的非脆弱模糊控制律。仿真结果表明了方法的有效性。     

离散T-S模糊系统输出稳定性

研究了离散T-S模糊控制系统的稳定性分析及控制器设计问题。考虑到系统状态不易测量,利用输出反馈设计模糊控制器;基于模糊Lyapunov函数方法提出一新的稳定性判别条件,利用矩阵变换把该条件转化为一组线性矩阵不等式(LMIs),该条件具有更大的宽松性。最后,一个仿真实例说明了本算法的有效性和优越性。     

一种基于划分聚类和模糊神经网络的机器学习方法

将基于划分的模糊聚类算法和一般模糊极小极大神经网络分类算法相结合，提出了一种新的机器学习方法，实现了基于类比的案例推理学习模型。具体实现思想是，首先利用基于确定性退火技术的划分聚类算法对已知案例进行聚类标识，由所得结果建立一般模糊极小极大神经网络分类模型，然后用该模型实现新目标问题的案例相似性检索，最后针对目标问题结果案例完成案例学习。通过实例表明，该算法具有较好性能，并在基于案例推理的固体火箭发动机总体设计中成功应用，得到了论域覆盖面大的设计结果集。     

模糊系统逼近理论的发展现状

综述了近年来模糊系统逼近理论的主要研究成果,包括Madani型和T-S型模糊系统具有通用逼近性的存在性定理、充分条件和必要条件,以及模糊系统具有通用逼近性的本质。在此基础上,进一步介绍了目前有效的几种模糊系统构造方法:自适应模糊逻辑系统方法、自适应神经模糊推理系统(ANFIS)方法、模糊聚类法、模糊树方法。最后对该理论的未来发展方向给出了分析和展望。     

基于模糊偏序关系的混合型多属性决策方法

针对权重已知且属性值为精确实数型、区间型和模糊型的混合型多属性决策问题,提出了一种基于模糊偏序关系的混合型多属性决策方法。该方法利用混合型评估值模型来描述多属性决策问题;在对属性值预处理后,通过构建混合型模糊偏序关系模型,将决策问题转化为评估关系模型;然后对偏序关系进行集结,得到全序关系,从而获取所有方案的优劣排序。算例验证了方法的有效性。计算过程表明,该方法计算简单,且避免了逼近理想解的排序方法(technique for order preference by similarity to ideal solution,TOPSIS)难以合理定义距离函数的局限性。     

基于模糊邻近关系的结构聚类

在有序粒度空间理论的基础上,提出了基于模糊邻近关系的结构聚类分析理论和方法.首先,给出了依据距离的一致聚类的概念,提出了模糊粒度空间的一致聚类特征;其次,给出了模糊邻近关系结构聚类的粒度表示,并获得了基于模糊邻近关系结构聚类的快速算法;进而,提出了获取最佳聚类的新方法,并且这一方法是全局最优的;最后,给出了通过两个模糊邻近关系的交运算获取结构聚类融合的方法.为复杂系统结构分析研究提供了一整套理论工具和方法.     

基于LMI的连续时间模糊大系统的分散镇定

讨论了连续时间模糊大系统的分散镇定问题。整个模糊大系统由m个相互关联的T-S子模糊系统组成。基于李亚普诺夫稳定性理论及大系统分散控制理论,将单个模糊系统的稳定性条件推广到关联模糊大系统的情形,给出了保证该模糊大系统闭环渐近稳定的分散化并行分布补偿(decentralizedparalleldistributedcompensation,DPDC)控制器的设计方法。这些分散控制器的存在条件均以LMI的形式出现,因此可通过Matlab的LMI工具箱有效地对其进行求解。仿真例子说明了所提方法的有效性。     

基于模糊聚类的PolInSAR数据非监督分类方法

提出了一种结合Freeman分解和模糊聚类的极化干涉合成孔径雷达(polarimetric interferometric synthetic aperture radar, PolInSAR)数据非监督分类方法。针对基于Freeman分解的极化SAR图像分类方法中提取的3种散射机理：表面散射、体散射、偶次散射占主导的区域之间存在模糊的缺点,利用PolInSAR处理中的最优干涉相干系数引入的参数--最优相干熵H Int和最优相干各项异性度A Int,将每种散射机理主导区域划分为单个散射机制或多个散射机制共同作用的区域。并将模糊理论引入到H Int/A Int平面的区域边界划分,得到初始分割图像。对初始分割图像进行合并,模糊聚类等操作,得到最终分类结果。采用ESAR Oberpfaffenhofen地区PolInSAR数据实验的结果验证了本文方法的有效性。     

T-S模糊控制系统稳定性分析及控制器设计

研究了在新型的模糊Lyapunov方法下连续T-S模糊控制系统稳定性和模糊控制器设计问题,首先,得出了自由系统新的稳定性充分条件,这个条件具有更大的宽松性;然后基于一系列线性矩阵不等式设计了模糊控制器,这些矩阵不等式可以利用凸优化技术来进行解决。通过对两个具体的实例的仿真验证了本算法的有效性。     

基于动态软聚类的航空电子部件LMKELM诊断模型

为提高小样本条件下航空电子设备模块级故障诊断精度,基于动态软聚类的自适应特点与局部多核学习(local multiple kernel learning,LMKL)的局部特征表达能力,提出一种新的局部多核超限学习机(local mul-tiple kernel extreme learning machine,LMKE...     

基于GA-Fuzzy的混沌系统辨识研究

提出用遗传算法优化的Takagi-Sugeno-Kang(TSK)模糊模型对未知或不确定的混沌动力学系统进行辨识。在辨识未知混沌系统的TSK模型过程中，只需利用未知混沌系统的输出时间序列。首先，采用模糊聚类分析方法从训练数据建立其初始TSK模糊模型。然后采用实数编码的遗传算法对初始模型进行优化设计。同时为防止破坏模糊规则的语义属性，对遗传搜索空间采取了适当的限制。用辨识模型重建吸引子方法定性地评价辨识模型，通过计算辨识模型的Lyapunov指数定量地评价辨识模型的性能。仿真结果表明，该辨识模型能很好地逼近原混沌动力学系统，准确地体现原混沌系统的动力学特性。