改进的T-S模糊模型建模方法及其应用

针对一般的仿射非线性系统,提出了一种改进的建立T-S模糊模型的方法. 使建立的模糊系统与原非线性系统具有相同的响应特性,避免了平衡点线性化产生的系统误差的不利影响,同时也适用于含有多个非线性项的系统. 将这种建模方法应用到GMAW系统,建立了改进基于T-S模糊模型GMAW系统,并且建立的模糊系统和原系统具有相同的响应特性. 仿真结果证明了该方法的有效性.     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

基于T-S模型的高炉煤气系统模糊建模

针对钢铁企业高炉煤气系统这一复杂非线性系统的建模问题,提出一种基于数据的高炉煤气系统模糊建模方法.基于T S模糊模型的高炉煤气系统辨识模型,考虑系统中煤气调节用户的人为干扰特性,采用条件模糊聚类的方法来对输入/输出空间进行划分.引入模糊思想,使模型能够更好地适应工业噪声的干扰.利用贝叶斯线性回归方法求解模糊模型的后件参数,避免了后件参数求解过程中常出现的异常解问题.通过对实际企业高炉煤气系统的实验验证,结果表明了所提出的高炉煤气系统模糊建模方法的有效性,可进一步用于实施高炉煤气系统的优化与调度工作.     

基于多维ANFIS的T-S模糊控制规则聚类获取方法

T-S模糊模型与自适应神经模糊推理系统(ANFIS)的结合便于描述多输入系统模糊控制规则.为解决规则前件过多时传统ANFIS结构导致的维数灾难问题,同时进一步提高ANFIS对于复杂系统T-S规则在线获取速度,首先采用多维输入向量对ANFIS网络进行修正,在此基础上提出了T-S模糊控制规则聚类获取方法;其次,利用所提出的方法分别对倒立摆和二阶滞后系统进行了控制仿真,该方法同Mamdani规则自组织模糊控制的控制效果比较表明两者的最大超调量、振荡次数、过渡时间基本一致,上升时间要较Mamdani模糊控制器缩短3个采样周期,控制规则较Mamdani控制器减少了45条.     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.     

基于T-S模糊模型的酸碱中和过程的系统辨识

针对pH中和过程存在非线性和大滞后性的特点,建立了基于协同GK模糊聚类的T-S模糊模型。将协同模糊聚类与GK相结合进行系统辨识,提高了聚类效果,使其前件和后件参数得到优化。利用上述方法建立了pH中和过程系统模型,取得了良好的仿真效果,验证了该算法的优越性和有效性。     

基于密度聚类补偿模糊神经网络的建模方法

补偿模糊神经网络是综合补偿模糊逻辑和神经网络的混合系统。提出了将密度聚类算法运用到补偿模糊神经网络的输入模糊化和规则提取中。通过该方法对非线性系统的建模,仿真结果证明改进后的网络在提取规则、误差精度、收敛速度等方面均优于传统补偿模糊神经网络。     

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。     

一类非线性系统的模糊建模方法

针对一类非线性系统的建模问题,以扇区非线性化为基础,提出了一种T-S模糊建模方法。首先在论域上确定出系统中非线性项的最大值和最小值;然后给出非线性项的隶属度函数;最后建立了非线性系统的T-S模糊线性模型。本算法计算简单,容易实现,同时,仿真结果也表明算法能够有效实现对原系统的逼近。     

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T-S模型的模糊PID控制系统设计

在对T-S模型的结构及稳定性分析研究的基础上，提出了一种基于T-S模型最简的模糊PID控制系统；该系统克服了非线性系统设计的困难，借助于线性系统理论解决非线性系统设计中的问题；还把三维模糊PID控制系统设计用两个二维的模糊控制器或是二维模糊控制器加上积分环节来替代，使模糊PID控制系统的设计得到大大的简化．仿真结果表明：这种模糊PID控制系统具有结构简单，规则数少，稳定性高的特点．     

基于递阶T-S模糊系统的软测量建模方法

在采用递阶模糊系统进行软测量建模时,合理的模糊系统结构对于提高模型的性能具有重要的意义.为选择合理的系统结构,采用多目标遗传算法(MOGA)选择子系统的输入变量,并结合T-S模糊系统的特点,采用二分法划分子系统的输入空间,建立了基于递阶T-S模糊系统(HTFS)的软测量模型.该方法从结构细化、输入变量对输出的影响度、输入空间划分等多方面同时提高建模精度,简化模型结构.仿真结果表明,提出的软测量方法具有精度高、结构简单、生成规则数量少,具有良好的泛化特性等优点.     

一类模糊系统的有记忆保成本控制

在控制过程中,采用有记忆的状态反馈控制器,能够使系统具有更好的性能和较小的保守性。采用带有状态不确定项的T-S模糊系统描述非线性控制系统,通过设计有记忆模糊反馈控制器,应用李雅普诺夫稳定性理论和线性矩阵不等式,实现闭环系统的稳定性,同时找到保成本函数的一个上界。     

基于均匀设计的一种多目标最优化并行算法

算法把均匀设计方法用于确定一组带权极大模评价函数的权系数，通过独特选取目标函数多组权系数，使这组评价函数的搜索方向在目标函数空间中均匀指向有效界面，并且用并行算法计算多目标最优化问题的有效解。无论多目标最优化是凸或非凸问题，该算法均能找到一个均匀分布的有效解集 。数值实验结果表明该算法十分有效。     

均匀设计法在醋酸香根酯合成中的应用

本文采用四因素五水平的均匀设计试验法合成醋酸香根酯，用微型计算机进行逐步线性回归，得到表明指标和显著因素之间关系的回归方程．仅需五次试验便可得到合成反应的较优化工艺条件。合成醋酸香根酯的原料本文选用香根油，这对于香根油的综合利用，提高其经济效益有重要意义．其合成反应的较优化条件是：香根酯：醋酐：催化剂＝１∶１∶０．２，反应温度１２５±５℃，反应时间６０±１０ｍｉｍ，转化率可达６０～６５％．