基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

软测量技术及其在加氢裂化分馏塔中的应用

在总结现有各种软测量技术的基础上,指出统计分析方法中的部分最小二乘法和神经网络方法中的径向基函数网络,是经实际应用证明有效的方法。提出了一种将ＰＬＳ和ＲＢＦＮ结合的方法,并将ＰＬＳ,ＲＢＦＮ,ＰＬＳ－ＲＢＦＮ３种算法分别用于加氢裂化分馏塔航煤点软测量模型的建立,其泛化结果表明基于ＰＬ－ＳＲＢＦＮ算法建立的软测量模型具有更好的预测精度。     

镍闪速熔炼过程的模糊动态质量模型与控制

提出了利用Ｔａｋａｇｉ－Ｓｕｇｅｎｏ（简称Ｔ－Ｓ）模糊模型建立镍闪速熔炼过程动态质量模型的方法（即考虑过去与当前的输入、输出信息对将来输出的影响）,并对其动态过程进行了结构辨识和模型参数辨识。;在此基础上,针对建立的模糊动态模型,设计了２种不同的模糊控制器,一种是建立模糊动态质量模型的逆模型来实现控制;另一种是通过模型计算输出的前馈控制加系统输出的反馈控制来实现控制。经过２个月的离线指导和实际在线     

Sugeno模糊模型的辨识

提出了一种新的Ｓｕｇｅｎｏ模糊模型辨识算法。在Ｓｕｇｅｎｏ模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量。通过Ｂｏｘ－Ｊｉｎｋｉｎｓ数据建模说明了本文算法的有效性。     

一种一致性的不确定性推理模型

将修正了的ＭＹＣＩＮ的可信度因子ＣＦ与ＰＲＯＳＰＥＣＴＯＲ的两种规则的不确定度量充分性和必要性度量ＬＳ,ＬＮ,放在ＢＡＹＥＳ框架下进行综合考虑,建立ＣＦ与ＬＳ,ＬＮ的函数关系,最后用实例说明了此模型的计算方法与主观ＢＡＹＥＳ方法的结果是一致的     

RBF神经网络用于辨识光纤陀螺温度漂移

温度漂移是存在于光纤陀螺系统中使得输出信号产生较大偏置误差的一种不可忽略因素,准确地辨识漂移并有效地对其进行补偿直接关系到陀螺的测量精度。文中比较了前馈网络中的ＢＰ网络和径向基函数（ＲＢＦ）网络,采用ＲＢＦ网络进行温漂辨识,温漂辨识可以通过离线事先学习,因而在多种学习方法中选择了简单易行、精度高且运算速度快的正产郇小二乘（ＯＬＳ）法。通过仿真验证,采用ＲＢＦ网络及其ＯＬＳ学习算法可以快速、有效、高     

脉冲准分子激光制备多层铁电薄膜的铁电性能研究

为ＦＲＡＭ、ＦＦＥＴ、ＦＤＭ的实际应用和研究提出了多层结构铁电薄膜的设计思想．采用脉冲准分子激光淀积方法实际制备了两种不同电极的ＢＩＴ／ＰＬＺＴ／ＢＩＴ／ｐ－Ｓｉ多层铁电薄膜．用Ｓａｗｙｅｒ－Ｔｏｗｅｒ电路测试了这两种薄膜的铁电性能．结果表明，多层结构铁电薄膜具有良好的铁电性能，并且以氧化物为电极的铁电薄膜的铁电性能优于用金属为电极的铁电薄膜     

水稻花发育相关MADS-box基因的克隆

以水稻幼穗总ＲＮＡ为模板,利用３′－ＲＡＣＥ克隆了８个接近于全长的水稻ＭＡＤＳ－ｂｏｘ 基因的ｃＤＮＡ．在ＧｅｎＢａｎｋ 的数据库中查询表明,其中２个ＦＤＲＭＡＤＳ１,ＦＤＲＭＡＤＳ２分别与已报道的水稻ＭＡＤＳ－ｂｏｘ 基因Ｏｓ－ＭＡＤＳ５和ＯｓＭＡＤＳ４５有极高的同源性,另外６个为新的尚未见报道的水稻ＭＡＤＳ－ｂｏｘ 基因．系统进化树分析表明ＦＤＲＭＡＤＳ１,ＦＤＲＭＡＤＳ２和ＦＤＲＭＡＤＳ４可能与Ｃ组基因的功能相关;ＦＤＲＭＡＤＳ３,ＦＤＲＭＡＤＳ６和ＦＤＲ－ＭＡＤＳ７可能与Ａ 组基因的功能相关     

MIS二维报表自动生成工具的设计与实现

提出了一种用于管理系统（ＭＩＳ）的二维报表方法，它根据抽象描述自动生成并具有全屏幕编辑功能，且阐述了软件自动生成工具的设计思路与实现方法，此软件工具面向ＯＲＡ－ＣＬＥ，ＤＢＡＳＥⅢ，ＦＯＸＢＡＳＥ，ＦＯＸＰＲＯ。     

基于神经网络的可靠度时序预测方法研究

提出了利用人工网络进行可靠度时序预测的方法,分别利用径向基函数（ＲＢＦ）网络及自适应模糊神经（ＡＮＦＩＳ）网络对发动机涡轮增压器进行了可靠度的时序预结果表明,利用神经网络进行可靠度时序预测是可行的,并且ＡＮＦＩＳ的预测能力要优于ＲＢＦ。     

基于Matlab和给小费模型的Mamdani与Takagi＆Sugeno型模糊推理算法研究

在模糊推理中,Mamdani和Takagi＆Sugeno是两种应用最广的模型。本文对这两种推理模型的原理进行了说明,并对其输入输出变量的形式、推理结果及适用范围等进行比较和分析。利用Matlab中Fuzzy工具箱,通过给小费模型进一步验证两种推理模型的优缺点和适用范围。     

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 ,仿真研究验证了学习算法的有效性     

一种新型的TS-PID模糊控制方法

基于Takagi和Sugeno的确定性模糊控制,提出了一种变参数模糊PID控制方法.该控制器的参数调整也采用确定性模糊调整规则,从而使控制器的设计简单、容易,同时与一般的参数自适应相比具有很强的适应性和鲁棒性.仿真结果表明,该控制器明显地改善了控制系统的动态性能.     

Takagi - Sugeno Fuzzy PID Gain - Scheduling Controllers

This paper aims at Takagi - Sugeno (TS) fuzzy controllers as gain scheduling (GS) schemes of PID controllers. A TS fuzzy controller employs arbitrary input fuzzy sets, product or Zadeh fuzzy logic AND, TS fuzzy rules with linear consequent, and the generalized defuzzifler containing the popular centrold defuzzifler as a special case. We first establish the relationship between the TS fuzzy controller and the linear PID controller. The TS ftizzy controller is accurately a nonlinear PID controller with gains continuously changing with Its process output. Then we point out that the TS fuzzy controller is closely related to the traditional gain scheduler. The gains of the TS ftizzy controller are determined by three two - Input - one - output fuzzy systems with singleton output fuzzy sets. Finally, as a demonstration, a simple TS fuzzy controller employing two linear input fuzzy sets, Zadeh fuzzy logic AND, and the popular centrold defuzzifler is designed to be the gain scheduler for the PID controller. Com     

混沌优化在模糊系统优化设计中的应用

在基于 T- S模型的模糊神经网络的基础上 ,提出了一种将混沌优化方法和最小二乘法相结合的优化方法。用变尺度混沌优化方法优化隶属函数参数 ,而用最小二乘法估计规则后件参数。该方法同时利用了变尺度混沌优化的快速全局搜索能力和最小二乘法的快速收敛性 ,因此网络学习速度快 ,精度高。仿真结果表明了该方法的有效性 ,所建立的模型具有良好的泛化能力。     

T-S型模糊RBF神经网络的结构研究

提出Ｔ－Ｓ型模糊ＲＢＦ神经网络模型结构,讨论该模型参数的输入空间模糊最优聚类学习算法．仿真结果验证了学习算法的有效性和可行性,表明Ｔ－Ｓ型模糊ＲＢＦ神经网络可逼近任意多变量非线性函数．     

基于自适应网络的动态双足机器人模糊控制

提出一种基于步态规划分级结构的自适应网络模糊推理系统控制策略,该方法不需要确定双足机器人运动学和动力学模型.以一种动态双足机器人为例,建立机器人的Sugeno模糊模型,对机器人系统的不确定上界进行自适应参数估计,采用自适应控制器逼近未知不确定界,解决了一类非线性系统的稳定控制问题.控制器的设计只要求不确定性满足匹配条件,而无需知道不确定界,能够处理不确定参数变化范围更广的情况,减少控制系统设计中的保守性.设计的分级控制系统可以学习试验的输入输出数据,从而在动态平衡下进行行走.同时,模糊控制器的进一步在线学习能力可以显著地改善步行机器人的动态性能.     

基于改进RPCL算法的模糊推理系统构建方法

给出了一种改进的RPCL算法,然后提出了一种基于此算法的Sugeno型模糊推理系统构造方法.该方法首先对训练样本子集聚类以形成初始模糊规则集合,然后对初始模糊规则集合再次聚类以确定模糊语言值个数和隶属函数,从而克服了以往规则提取法在训练样本不充分时规则数目难以确定及规则提取不足等缺点.最后,以倒车实验为例验证了该方法的有效性.     

一种新的状态估计混合智能模型

为实现发电机状态维修，研究一种新的状态估计混合智能模型。设计了一种基于径向基信息神经网络和模糊推理的模型，阐述径向基信息神经网络的结构和训练算法，介绍一阶Sugeno模糊模型的5层结构，根据专家经验知识选择合适的模糊输入隶属函数和模糊逻辑推理规则，而结论参数采用递归最小二乘法辨识。该模型充分利用各种在线监测装置的监测数据，特别是可利用领域专家的实践经验和专业知识，实现发电机状态估计。