A TWO-PHASE APPROACH TO FUZZY SYSTEM IDENTIFICATION

A two-phase approach to fuzzy system identification is proposed. The first phase produces a baseline design to identify a prototype fuzzy system for a target system from a collection of input-output data pairs. It uses two easily implemented clustering techniques: the subtractive clustering method and the fuzzy c-means (FCM) clustering algorithm. The second phase (fine tuning) is executed to adjust the parameters identified in the baseline design. This phase uses the steepest descent and recursive least-squares estimation methods. The proposed approach is validated by applying it to both a function approximation type of problem and a classification type of problem. An analysis of the learning behavior of the proposed approach for the two test problems is conducted for further confirmation.     

基于在线聚类的机器人自适应模糊建模

针对机器人这种具有时变、强耦合和不确定性的复杂非线性被控对象,提出一种基于在线聚类的模糊自适应方法用于机器人系统建模。建模过程中采用在线聚类算法辨识机器人T-S模型的前提参数,采用递推最小二乘算法(RLSE)辨识结论参数,根据过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新,而且该方法具有模型结构简单、建模速度快、精度高等优点。最后通过二自由度机器人仿真研究证明了该方法的有效性和优越性。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

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T-S模糊模型的模型参考自适应逆控制

针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法。所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合。首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型。将辨识出的对象逆设为原始控制器,与被控对象串联;为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节。用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小。最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性。     

基于结构元理论的模糊多元线性回归模型

针对系数为模糊数的多元线性回归模型， 运用基于模糊结构元理论的最小二乘法， 研究模型的解析表达式. 首先运用模糊结构元方法定义了模糊数距离公式， 该公式与文[1]给出的距离公式在一定条件下等价， 但避 免了后者因区间运算而带来的不便. 对模糊参数用结构元理论表示， 得到了模型的解析表达式. 再根据 定义的距离公式采用最小二乘法得到了估计模糊参数的方法. 根据该方法得到系数为LR-型模糊数的回归模型. 最后给出一个应用算例， 说明本文方法的简便性.     

改进的模糊网络关键路径法

提出一种改进的模糊取最大运算和模糊减运算以确定模糊网络中的模糊时间参数. 改进的基于区间数距离测度的模糊取最大运算,通过枚举不同α-cut值,计算活动的模糊最早开始时间并确定项目可能变化的关键路径,从而解决了现有的研究中忽视了在活动工期模糊的情况下关键路径可能会发生变化的问题. 用改进的模糊减运算来计算活动的模糊最晚开始时间,有效避免了在传统的逆向递推计算中可能出现负的或者不可行解的情况. 通过一个实例验证了所提出的方法求解模糊网络时间参数的有效性和优越性. 所提出的方法不仅可用于模糊网络时间参数计算,也可以用于模糊资源受限项目调度问题.     

基于最大熵原则的2-可加模糊测度确定方法

2-可加模糊测度以适量的参数,灵活有效地描述和处理了普遍存在于决策准则间的各种交互作用。对模糊测度、默比乌斯变换形式及交互作用系数间的转化关系进行了说明,论证了交互作用系数与2-可加模糊测度之间的唯一确定条件,并给出了模糊测度熵的默比乌斯变换及交互作用系数表现形式。依据决策者的经验和主观判断,利用最大模糊测度熵原则,构造出了一种新的2-可加模糊测度确定方法。最后,数值算例说明了该方法的可行性和有效性。     

Wang-Mendel模糊模型控制规则的提取及应用

针对如何利用系统的模糊模型设计模糊控制器,提出以系统的模糊规则库为基础,提取模糊规则中的信息获得控制规则的方法。以钢铁工业中连续退火炉的加热炉为对象进行了仿真,首先提取描述对象输入-输出映射关系的模糊规则组成完备规则库,并以此为基础提取控制规则补偿输出偏差。仿真结果表明能够达到期望的效果。     

基于灵敏性分析的模糊非线性规划方法

在求解含不确定性模型参数的模糊非线性规划问题时,一般会使用模糊区间较大的模糊参数,然而,这将会影响目标所能达到的满意度水平. 为此,论文提出采用灵敏性分析的方法研究模糊参数对目标的影响程度,找出严重制约优化目标满意度的模糊参数,通过减小其模糊区间而使问题的结果更加合理. 给出一种简单搜索算法确定模糊数的最佳取值区间,帮助决策者深入了解不确定性模型参数的性质. 通过一个数值实例详细阐述所提方法,验证了其有效性.     

基于模糊内模的自适应控制算法的并行处理

针对非线性系统,在PRAM计算模型上,探讨基于模糊内模自适应控制算法的并行处理。利用TSK建模方法,m个处理机并行地在线辨识出模糊内部模型,并采用内模控制理论并行求出H2最优控制器。仿真实验表明,并行处理方法达到亚线性加速,可以较好地满足实时在线辨识内部模型的应用需求。     

模糊环境下应急物资预置的优化方法

本文基于模糊可能性理论,研究了2-型模糊应急物资预置问题.考虑到运输费用、出救点的供应量、受灾点的需求量和道路容量的不确定性,用2-型模糊变量来刻画,建立了2-型模糊环境下的期望值应急物资预置模型.根据风险值简约方法,推导了2-型三角模糊变量的上下风险值简约模糊变量的期望值公式.当模型中的2-型模糊变量相互独立且服从三角分布时,应用所得期望值公式转化原模型为等价的确定模型.等价模型是一个混合整数参数规划,因此可采用Lingo软件求解.最后,通过数值例子演示所提建模思想.实验结果证明了所建模型的有效性.     

求解模糊排队性状指标隶属函数的通用方法

针对顾客到达率和系统服务率等参数均为模糊数的排队模型,应用模糊结构元理论研究系统模糊指标的解析表达式. 在模糊分析的基础上,将模糊排队模型中主要指标求解转化成了模糊多元函数的运算. 通过模糊结构元表示方法,将模糊多元函数转化成了模糊一元函数,根据模糊一元函数可得到性状指标的隶属函数,避免了只利用α-截集的定义和Zadeh的扩展原理方法带来的运算困难,也给模糊多元函数的求解提供了途径. 实例分析了多重休假策略成批到达排队问题,其中,顾客的平均到达率、系统的平均服务率和服务员的平均休假率均用模糊结构元表示,求解出了顾客平均逗留时间及隶属函数,说明了方法的有效性.     

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法中算法过于复杂的问题，提出了一种简单而有交的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分，计算给定样本在各模糊子空间的隶属度，并列用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法和误差反馈学习方法相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据仿真结果证明了该方法的有效性与实用性。     

基于模糊小波网络的防空导弹自动驾驶仪设计

针对防空导弹的飞行控制问题,提出一种基于模糊小波网络的导弹自动驾驶仪设计方法。该方法利用模糊小波网络良好的学习和参数自调整能力,因而使建立的系统辨识器及控制器能够很好地近似系统动态特性,逼近最佳控制效果。给出了应用该方法的具体实现步骤,结合导弹飞行的全弹道典型特征点参数,通过仿真实验说明了设计方法的有效性。     

自适应律修改的间接自适应模糊控制

针对一类不确定非线性系统提出了一种间接自适应模糊控制方法,此方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛于原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小。仿真结果验证了此方法的有效性。     

一种模糊神经网络控制系统研究

针对被控过程的非线性、时变性和复杂性,提出了一种模糊神经控制器与动态辨识器组成的控制系统。该系统的控制器采用模糊神经网络控制器,它的控制参数采用遗传算法全局离线优化对BP算法局部在线调整相结合的混合方法;该系统的辨识器采用变形Elman动态神经网络进行系统辨识。给出了该系统的结构、原理及工作流程,通过仿真实验证明该系统的可行性和有效性。     

一类三角模糊层次分析法的无效性分析

模糊层次分析法是非常流行的决策方法,已经有上千篇文献使用它进行决策分析.本文针对Laarhoven等~([1])提出的三角模糊AHP方法,使用几何平均法对来自单个判断的多个专家打分进行合成,从而简化原有模型.对简化模型进行求解得到其解析解.通过理论的和数值的分析,我们发现三角模糊AHP得出的结果是无效的,因为它违反了三角模糊数的基本假设:1)下限值、最有可能值和上限值应该是非减排序;2)最终的三角模糊权重的下限值和上限值应该仅仅与三角模糊判断的下限值和上限值相关;此外,3)三角模糊AHP方法无法应用于2×2或某些残缺三角模糊判断矩阵中.本文展示三角模糊AHP存在的问题并希望AHP的使用者注意这些.我们建议纠正这种错误的方法是坚持传统的判断方法,即基于最大特征值法得AHP以及在此基础上发展的考虑相关与反馈的ANP方法.     

Transformation and entropy for fuzzy rough sets

A new method for translating a fuzzy rough set to a fuzzy set is introduced and the fuzzy approximation of a fuzzy rough set is given. The properties of the fuzzy approximation of a fuzzy rough set are studied and a fuzzy entropy measure for fuzzy rough sets is proposed. This measure is consistent with similar considerations for ordinary fuzzy sets and is the result of the fuzzy approximation of fuzzy rough sets.     

Designing fuzzy inference system based on improved gradient descent method

1. INTRODUCTION Estimating an unknown complex nonlinear function from a set of input-output data has become a key issue in intelligent control field[1]. Although the theory of traditional equation based approaches is well devel- oped and successful in practice, there has been a great deal of interest in applying model-free methods such as fuzzy and neural techniques for nonlinear function approximation. One of the main reasons for this is that accurate mathematical models do not always exi…