一类二叉树型分层模糊系统的等效性条件

为了进一步证明分层模糊系统在很好地解决了多变量模糊系统的规则数随输入变量个数指数增长的问题的同时,是否能够解决系统的参数个数随输入变量指数式的增长,推导一类二叉树型分层模糊系统和一类典型多输入单输出(MISO)模糊系统的输入输出表达式,证明了两者的等效性条件。得出结论:此类二叉树型分层模糊系统要达到典型MISO模糊系统同样的逼近精度,其参数个数至少要与典型模糊系统一样多。这一特例对分层模糊系统是否能从根本上解决MISO模糊系统的"维数灾"问题提出了质疑。     

一类二叉树型分层模糊系统的等效性条件

为了进一步证明分层模糊系统在很好地解决了多变量模糊系统的规则数随输入变量个数指数增长的问题的同时,是否能够解决系统的参数个数随输入变量指数式的增长,推导一类二叉树型分层模糊系统和一类典型多输入单输出(MISO)模糊系统的输入输出表达式,证明了两者的等效性条件。得出结论:此类二叉树型分层模糊系统要达到典型MISO模糊系统同样的逼近精度,其参数个数至少要与典型模糊系统一样多。这一特例对分层模糊系统是否能从根本上解决MISO模糊系统的"维数灾"问题提出了置疑。     

一般二叉树型分层模糊系统的通用逼近性

为解决多变量模糊系统中的“维数灾”问题,该文提出了一般二叉树型分层模糊系统,简化了多输入复杂模糊系统的分析,并研究了它的通用逼近性。利用分片线性函数理论和中值定理,证明了该二叉树型分层模糊系统具有通用逼近性,并得到了该通用逼近性的充分条件。相对于一般模糊系统,分层模糊系统大大减少了系统的规则数。仿真结果表明:在同样的逼近精度下,二叉树型分层模糊系统的规则数比一般模糊系统减少了10倍左右,从而大大简化了系统的设计。     

广义Takagi-Sugeno模糊系统与其分层系统的等价性

引入广义分层Ｔａｇａｋｉ－Ｓｕｇｅｎｏ模糊系统,“规则爆炸”或“维数灾难”问题可由该系统得到解决,通过引入中间变量,证明了分层模糊系统的Ｉ－Ｏ关系可以表示为带 有中间变量的广义ＴＳ模糊系统;反之,一个分层系统也可表示模糊系统的Ｉ－Ｏ关系。     

分层模糊控制器的解析表达式及自适应控制方法

为解决模糊多变量控制中的“维数灾”问题 ,提出了一种 4输入 1输出的分层模糊控制器 ,推导了它的解析表达式。依据分层模糊控制器的解析表达式 ,提出了其设计参数的模型参考自学习方法 ,其中参考模型选取典型二阶系统 ,用梯度法设计自学习律 ,在线学习分层模糊控制器的可调参数 ,以达到最优值。为检验所提出控制策略的有效性 ,将其应用到板球系统的轨迹跟踪问题 ,并进行了仿真实验。仿真实验结果表明 ,这种分层模糊控制器的可调参数少 ,学习算法收敛快 ,控制效果好 ,具有较强的实用性。     

SISO高阶非线性系统的模糊滑模控制方法

为了解决基于TS(T akag i-Sugeno)模型的模糊控制方法在高阶单输入单输出(S ISO)非线性系统模糊控制中出现的“维数灾”问题,采用由作者研究组提出的多输入单输出(M ISO)典型模糊控制器,提出了模糊滑模控制方法,并且证明了闭环非线性系统的全局渐近稳定性。另外,当非线性系统存在模型不确定性时,只要将控制式略加修改,仍能保证闭环非线性系统的全局渐进鲁棒稳定性。仿真试验表明,该模糊滑模控制方法不仅设计参数少,设计步骤简单,具有良好的控制性能,并且可以有效地避免了维数灾问题。     

高阶SISO非线性系统的分层模糊滑模控制

为了解决高阶SISO(单输入单输出)非线性系统模糊控制中出现的"维数灾"问题,采用典型模糊控制单元,构造了"增一型"分层模糊控制器。提出了分层模糊滑模控制方法,并证明了分层模糊滑模控制系统的全局渐近稳定性。该方法设计参数少,设计步骤简单,并且控制器的设计参数只需要满足一定的比例关系即可使整个分层模糊滑模控制系统全局渐近稳定,从而减小了模糊控制器的设计工作量和难度。用一个仿真例子验证了该方法的有效性和优点。     

分层型多变量自适应模糊控制算法的研究

利用多维模糊条件语句的分解定理，结合分层多规则集输入的设计方法，获得了多变量模糊控制算法的一个简化表达式，模糊规则的修正通过抑制外扰的α因子查询修正表得到，从而获得了一类带解耦设计的多变量自适应模糊控制算法，并进行仿真验证。     

多输入模糊神经网络结构优化的快速算法

采用规则前件提取,以获得较少的高效规则,对模糊神经网络(Fuzzy Neural Network)进行结构优化,解决了在多输入模糊系统中因规则数多导致的结构庞大问题,使之适用于多输入模糊系统．结构学习中采用竞争算法优化隶属函数,保证规则前件提取的高效;参数学习中采用梯度下降法调整网络参数。     

二叉树型分层广义混合模糊系统的结构和规则数分析

模糊系统由一般输入变量、推理规则和实际输出组成,推理规则总数会随着输入变量的增多而呈指数形式急剧上升,容易引起规则爆炸.为此,降低规则总数是必要的.本研究首先对二叉树型分层广义混合模糊系统进行结构分析;其次,依据混合推理规则及计数公式针对分层前与分层后的规则总数进行比较和分析.结果表明,分层后系统内部规则总数的增长速度远远小于不分层的规则总数的增长速度,从而可避免规则爆炸现象.     

输入隶属函数不均匀分布时典型模糊控制器的结构分析

针对两输入 (e,Δe)一输出 (u)的典型模糊控制器 ,输入隶属函数为三角形、全交迭、不均匀分布 ,输出隶属函数为单点、均匀分布 ,当采用线性控制规则和 Sum - Product推理方法时 ,证明了输出的解析表达式是一个全局的二维多值继电器与一个局部的线性 PD控制器的和。进而对最常用的输入变量各取 5个模糊集的情况进行了详细分析 ,并将理论结果应用于倒立摆的模型参考模糊自适应控制     

输出隶属函数不均匀分布时典型模糊控制器的结构分析

针对两输入 (e,Δe)一输出 (Δu)的典型模糊控制器 ,其输入变量采用三角形、全交迭、均匀分布的隶属函数 ,输出变量采用不均匀分布的单点隶属函数 ,当采用线性控制规则和 Sum- Product推理方法时 ,推导了输出的解析表达式 ,分析了其结构特性和极限特性。进而对最常用的输入变量各取 5个模糊子集的情况进行了详细分析 ,研究了输出隶属函数参数对典型模糊控制器性能的影响 ,并将理论结果应用于倒立摆的模型参考模糊自适应控制     

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.     

基于Type-2 T-S的模糊脉冲控制

利用Type-2模糊系统在描述复杂非线性系统诸多不确定性问题时的有效性,在Type-1模糊脉冲控制的基础上,提出了区间Type-2 T-S模糊脉冲控制方法.该方法利用Type-2模糊隶属函数的“宽带”效应,解决了Type-1模糊脉冲控制中数据噪声和外界扰动问题;利用Lyapunov理论和Lipschitz条件,通过运用比较方法和线性矩阵不等式等综合方法,设计Type-2 T-S模糊脉冲控制器,给出系统的渐进稳定性分析;最后,在倒立摆系统的仿真中,较方便地确定了隶属函数并选取了较少的模糊规则,表明系统的有效性和优异性.     

分布式环境下全局模糊频繁项目集的快速挖掘

为了解决模糊关联规则挖掘算法需要用户事先给定模糊集和相应隶属度函数的问题,提出基于分布式聚类自动生成模糊集及隶属度函数的算法GFAM.该算法利用分布式K-Means聚类算法对每个数值型属性进行聚类,求得聚类中心,由此构造全局模糊集,定义全局隶属度函数.DFAR算法根据构造的全局模糊集及隶属度函数进行分布式模糊频繁项目集的快速挖掘,采用全局-局部站点模式,其中包括局部模糊频繁项目集产生算法FLF和全局模糊频繁项目集产生算法FGF.实验结果表明,该算法能准确地生成全局模糊频繁项目集,在求解全局模糊频繁项目集过程中,传送局部模糊候选项目集支持数的通信量为O(n),提高了算法的挖掘效率.     

磁流变阻尼结构模糊控制器的设计与分析

对3种采用不同隶属函数和模糊规则的模糊控制器进行了比较分析,即分别比较分析了采用相同模糊规则和不同隶属函数时隶属函数设计对动力反应的影响,及采用相同隶属函数和不同模糊规则时模糊规则设计对动力反应的影响.并对一装有磁流变阻尼器的5层结构分别采用不同模糊控制器进行了实例分析,结果表明:磁流变阻尼器输出大控制力并不能同时有效减小系统的位移和加速度反应,因此在模糊控制器隶属函数和模糊规则的设计中必须权衡系统的位移和加速度反应,以达到最佳减震控制效果.     

模糊神经网络结构动态学习算法

提出了一种模糊神经网络（ＦＮＮ）结构学习算法,根据输入样本动态构建ＦＮＮ的输入节点及其对应的输入隶属函数,从而实现动态确定ＦＮＮ的结构,大大减少了对初始学习本本数目的要求,提出了ＦＮＮ学习算法在实时控制中的适应能力,仿真结果表明,这一算法很好地实现了对超出初始学习样本范围的其他样本的学习。