基于机制建模与模糊建模相结合的聚丙烯熔融指数软测量方法

针对聚丙烯熔融指数软测量建模问题,提出一种基于机制建模与模糊建模相结合的建模方法.从聚合反应机制出发,得到熔融指数软测量模型的机理结构框架,将其作为Takagi-Sugeno(T-S)模糊模型的后件部分,然后用加强型模糊聚类算法辨识T-S模型的前件参数.应用结果表明,将机制建模与模糊建模相结合的方法保留了模型参数的物理意义,提高了建模精度,所建软测量模型具有较好的预测性能.     

基于偏差补偿的T-S模糊神经网络

将T-S模糊神经网络应用于化工生产过程的软测量,并针对提高软测量精度的问题,提出了一种基于偏差补偿的改进型T-S模糊神经网络模型。将网络模型输出与样本输出比较后所得的偏差,作为校正网络的样本数据输出,以样本输入数据为输入,对校正网络进行训练,建立了关于偏差的模糊系统模型,将校正网络的输出对软测量系统模型的误差进行修正。经过实际测量,取得了较好的应用效果。     

基于模糊竞争学习和UD分解的模糊建模

为解决复杂系统模糊建模问题,研究了利用模糊竞争学习实现非线性系统的模糊建模方法.首先,利用模糊竞争学习方法划分输入变量的模糊输入空间,确定模糊模型的规则数、规则,实现模糊模型的结构优化.另外,为了克服递推最小二乘出现的误差积累、传递现象,采用基于矩阵UD分解的递推最小二乘方法确定模糊模型的结论参数,从而实现模糊模型的结构和参数优化.采用该方法对M ackey-G lass混沌时间序列进行建模研究,结果表明可以在线或者离线对M ackey-G lass混沌时间序列进行准确预测,效果较好.     

齐次T-S模糊系统的逼近性能

为深入剖析模糊系统的通用逼近性能,明确定义了输入模糊集的有关概念和模糊系统输入空间的标准双交叠模糊划分,给出了在此定义下的模糊系统的一些基本性质.构造了一类输入变量采用伪梯形隶属函数的一般齐次T-S(CHTS)模糊系统,进而证明了此类T-S模糊系统能够以任意精度逼近满足Lipschitz条件的任意非线性函数,定理假设的保守性得以降低,结论更具一般性.仿真结果验证了齐次T-S模糊系统的通用逼近性,为基于平行分布补偿(PDC)原理和线性矩阵不等式(LMI)的T-S模糊控制系统的设计和稳定性分析提供了理论依据.     

一个基于模糊划分结构信息的模糊控制系统稳定性条件

针对T-S模糊控制系统,为了更好地利用模糊划分的结构信息来降低稳定分析的保守性,在模糊规则输入空间的一种划分方式下,研究了T-S模糊模型的一些性质.然后用扩展的Lyapunov分析方法,获得了保守性更低的稳定性充分条件.最后,通过仿真实验验证了结论的有效性.     

基于软传感器技术的海水富营养化监测

藻类的繁殖生长状态很难用一种传感器在线、实时地直接测量出来。影响藻类生长的环境理化因子众多,这些环境因子之间又相互作用,海洋生态环境是一个高度复杂的非线性系统,很难用传统的机理建模方法来描述。文中用T-S模糊神经网络描述这种复杂的非线性系统,通过构造软传感器来测量藻类的繁殖生长状况。将叶绿素a的含量作为描述藻类生长状态的直接指标,并作为系统的输出变量,通过相关性分析,将影响藻类繁殖生长的主要环境因子作为系统的输入变量,通过对样本的学习训练,构造基于T-S模糊神经网络的软传感器模型。实验结果表明,这种软传感器模型能较好地描述可测环境因子与海水叶绿素a含量之间的非线性映射关系,验证了这种软传感器在监测海水水质异常变化时的有效性。     

基于模糊关联规则与减法聚类的神经模糊建模

针对许多复杂系统的输入变量之间存在的相互关联,提出了一种基于聚类与模糊关联规则的神经模糊建模方法.这种方法采用基于聚类的模糊关联规则挖掘算法来进行输入变量的选择,之后,再采用基于减法聚类的神经模糊建模方法建模.最后,还将这种建模方法应用于实际建模问题,结果表明这种方法在保证模型精度符合建模要求的情况下,减少了模型输入个数,降低了建模的复杂程度.     

自适应DNA免疫算法在化工软测量中的应用

将T-S模糊模型与RBF神经网络相结合,构成T-S模糊RBF神经网络,提出了一种自适应DNA免疫算法优化设计T-S模糊RBF神经网络的规则后件参数的方法。该方法采用基于抗体浓度和克隆选择的更新策略调节机制,能有效地保持抗体的多样性,避免早熟收敛。将该方法应用于延迟焦化汽油干点的软测量建模,仿真结果表明了DNA免疫遗传算法在T-S模糊神经网络系统优化设计中的有效性,并可获得较高精度的模型。     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法,采用模糊C均值聚类(FCM)算法划分输入输出数据空间,最后将该算法应用于丙烯腈收率的预报,仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

基于正则化的模糊C-均值聚类算法及其在T-S模糊系统辨识问题中的应用

在模糊C-均值聚类问题目标函数中使用正则化泛函,将聚类中心解的误差指标引入到模糊聚类的目标函数中,构造出新的模糊C-均值聚类算法RBFCM(Regularization based Fuzzy C-means)算法.算法RBFCM不仅具有较高的聚类精度,且计算结果具有更好的稳定性.进一步,将此RBFCM算法应用于基于T-S模糊模型的系统辨识问题.由于RBFCM算法优化了模糊系统的输入空间划分,提高了隶属度函数的精度,使得后继得到的T-S模糊系统辨识精度也有所提高,且系统辨识过程的收敛速度也有所改善.最后,通过对经典IRIS数据集、带有噪声的IRIS数据集的聚类算例和对Box-Jenkins煤气炉数据集进行辨识算例,验证了RBFCM算法的有效性和优越性.     

基于RBM和T-S模型的料位软测量方法的研究

球磨机是火力发电厂的基础设备,可靠测量料位是实现系统优化的关键。针对球磨机音频信号中存在强噪声、非线性等问题,结合受限玻尔兹曼机(RBM)、减法聚类和T-S模糊模型,提出了一种软测量方法。首先采用微调后的玻尔兹曼机提取特征,去除存在的噪声,然后使用减法聚类辨识模糊模型的初始结构,最后采用T-S模糊模型预测球磨机料位。通过在球磨机运行数据上进行模型验证,验证了该方法的实用性和可行性。     

基于T-S模糊建模方法的近空间飞行器姿控系统传感器故障调节技术研究

针对近空间飞行器从近空间空域返回地面再入大气层的飞行过程中其姿态控制系统发生传感器故障的情况,研究了基于广义扩张系统方法的传感器故障调节问题。首先,将再入飞行阶段的近空间飞行器非线性姿控系统用一组T-S模糊模型来表示,并基于此模糊模型引入传感器故障模型。然后,将含有传感器故障的T-S模糊模型利用广义扩张系统方法将其转化为T-S模糊奇异系统,进而设计一个全维状态观测器来得到被控系统的状态向量和传感器故障信号的估计值,并在此基础上提出了一个利用传感器故障补偿技术的反馈控制策略,使得闭环控制系统能够渐近调节传感器故障的影响。最后,通过数值仿真验证了所提方案的有效性。     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T—S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模,结果表明能较快确定优化模型,并能满足软测量建模精度要求。     

Hammerstein-Wiener非线性系统的模糊预测控制

针对输入和输出受约束的Hammerstein-Wiener型非线性系统,提出一种基于T-s模糊模型的非线性预测控制算法,并用Lyapunov函数分析系统稳定性.通过建立T-S模糊模型,将预测控制器设计中的非线性优化问题转化为相应的线性优化问题;通过离线设计状态反馈控制律,在线实施符合条件的反馈控制律,极大程度地提高了在...     

最大交互数对非齐次T-S模糊系统的潜在影响

最大交互数是描述模糊系统前件模糊集的疏密程度,它在各类模糊系统逼近性的实现问题中具有重要意义.首先引入分片线性函数(PLF)和最小推理机重新建立非齐次T-S模糊系统.其次,基于几何直观阐述了最大交互数对该系统的影响,并通过改变最大交互数和随机选取样本点对该系统实际输出实施近似计算.结果表明,剖分数一定时最大交互数对非齐次T-S模糊系统内部结构和取值都具有潜在影响.     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

一类非线性随机系统的模糊双曲H_∞滤波

针对伊藤型非线性随机系统,对基于模糊双曲正切模型的H∞滤波问题进行了研究.首先通过定义非线性随机系统的模糊双曲规则基,推导出系统的随机模糊双曲正切模型(SFHM);与Takagi-Sugeno(T-S)模糊模型相比,SFHM不需要前提结构的辨识和完备的前提参数空间,尤其是当所需模糊规则数很多时,采用SFHM明显比T-S模型计算负担小;然后基于该模型进行了滤波器的设计,把非线性随机H∞滤波设计中难以求解的二阶汉密尔顿-雅可比不等式问题转化为线性矩阵不等式问题.仿真结果验证了所提出方法的有效性.