基于正交最小二乘的非线性系统模糊辨识

提出了一种新的基于T-S模糊模型的建模方法．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，并利用正交最小二乘辨识模糊模型的结论参数．最后通过Box-Jenkins煤气炉数据和Mackey-Glass混沌时间序列的仿真结果验证了该方法的有效性与实用性．     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。     

模糊神经网络的混合学习算法及其软测量建模

提出了一阶TSK模糊神经网络的混合学习算法，算法由三部分组成：基于模糊聚类的网络初始化；基于梯度下降的规则前件的学习算法；基于部分最小二乘的规则后件的学习算法。该混合算法可以根据训练样本的分布自动确定模糊神经网络的初始值，当输入变量个数多时不会出现模糊规则数爆炸现象，训练速度快，模型精度高。将混合学习算法应用到PTA工业过程中4-CBA含量的软测量建模中，取得了令人满意的效果。     

基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

多变量动态模糊偏最小二乘建模方法及其应用

针对复杂工业过程存在的多变量、非线性和时变不确定性问题,将动态PLS与模糊建模方法相结合,提出一种基于DFPLS(动态模糊偏最小二乘)的多变量非线性动态建模方法。该方法外部采用动态PLS方法解决多变量高维共线性问题,并描述系统的动态特性;内部采用FCM(模糊c均值聚类)与TSK模糊模型相结合,建立多个子模型的方法来拟合系统的非线性。将本方法应用于氧化铝生产过程中铝酸钠溶液组分浓度的软测量,仿真实验表明该方法预测精度高,泛化能力强,用于铝酸钠溶液组分浓度的在线检测是可行有效的。     

天文定位中选星系统的建模与仿真

天文导航不可避免地要涉及到一个选星的问题，选星准确与否直接影响天文导航的定位精度。基于模糊逻辑的方法，以天体的星等、高度和方位为主要馈据，给出选星系统的模型；进而利用最小二乘法原理对多天体定位系统的误差进行处理．仿真结果验证了该选星系统是可行的，误差数学模型合理有效，具有一定的实际应用价值。     

一种T-S模糊系统建模方法

T-S模糊系统被广泛应用于基于数据的建模应用中。模糊规则作为系统的核心,是影响系统性能的重要因素。在分析常见模糊系统建模方法的基础上,提出一种简单有效的建模方法。该算法基于变结构模糊建模思想,均匀选择模型的初始结构,以绝对误差为建模指标,通过增加模糊规则来提高T-S模糊系统的精度。为降低规则参数辨识的计算量,提高建模速度,将规则参数分为线性和非线性两部分,分别采用不同方法进行辨识。实例证明文中所提出的建模方法规则分布合理,收敛速度快,建模精度高,具有很好的实际应用价值。     

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。     

陀螺随机漂移时间序列建模方法研究

提出了残差自校正的RELS算法，在ARMA模型参数估计的过程中引入虚拟白噪声，来补偿参数估计过程中的由于噪声未知而引入的误差，并将DDS法与AIC准则相结合确定模型阶数。仿真结果表明所确定的模型能够精确地反映陀螺漂移趋势。     

一种基于模糊规则的模糊辩识方法

提出了一种基于模糊聚类和最小二乘估计方法的模糊辨识方法。该方法是基于模糊聚类,计算给定样本在各类中的隶属度,并给出输入变量的隶属度函数。利用递推最小二乘估计辩识模糊模型的后件参数,本文给出了详细的的算法。为了验证该方法的有效性,本文给出了Ｂｏｘ－Ｊｅｎｈｉｎｓ数据的辨识结果。     

A Novel Evolutionary-Fuzzy Control Algorithm for Complex Systems

A Novel Evolutionary-Fuzzy Control Algorithm for Complex Systems~~~~     

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。     

The Fuzzy Modeling Algorithm for Complex Systems Based on Stochastic Neural Network

The Fuzzy Modeling Algorithm for Complex Systems Based on Stochastic Neural Network~~~~     

动态贝叶斯网络在复杂系统中建模方法的研究

提出了用动态贝叶斯网络(DBN)对复杂系统进行建模的有效方法。基本思路是将扩展后的隐变量引入了DBN的演化过程中来建立马尔可夫模型,并给出了引入扩展后的隐变量的DBN结构学习算法框架。进而,利用贝叶斯概率统计方法对后续时间片的充分统计因子进行了估计,并通过当前已存在的充分统计因子和估计的充分统计因子对基于时间变化的转移概率进行了学习。原理性分析和仿真实验结果也验证了该方法的有效性。     

基于分段Lyapunov函数方法的柔性卫星姿态模糊控制

提出了一种基于分段Lyapunov函数方法的带太阳帆板柔性卫星的姿态模糊控制方法。对于柔性卫星姿态动力学系统而言,强耦合、非线性以及较强的不确定性是其姿态系统的基本特征,本文针对这类被控对象,采用T-S模型作为万能逼近器,设计一种分段状态反馈控制方案。仿真结果表明,该方案可以保证卫星的姿态控制精度、结构振动抑制和控制系统鲁棒性。     

Real coded genetic algorithm for stochastic hydrothermal generation scheduling

The intent of this paper is to schedule short-term hydrothermal system probabilistically considering stochastic operating cost curves for thermal power generation units and uncertainties in load demand and reservoir water inflows. Therefore, the stochastic multi-objective hydrothermal generation scheduling problem is formulated with explicit recognition of uncertainties in the system production cost coefficients and system load, which are treated as random variable. Fuzzy methodology has been exploited for solving a decision making problem involving multiplicity of objectives and selection criterion for best compromised solution. A real-coded genetic algorithm with arithmetic-average-bound-blend crossover and wavelet mutation operator is applied to solve short-term variable-head hydrothermal scheduling problem. Initial feasible solution has been obtained by implementing the random heuristic search. The search is performed within the operating generation limits. Equality constraints that satisfy the demand during each time interval are considered by introducing a slack thermal generating unit for each time interval. Whereas the equality constraint which satisfies the consumption of available water to its full extent for the whole scheduling period is considered by introducing slack hydro generating unit for a particular time interval. Operating limit violation by slack hydro and slack thermal generating unit is taken care using exterior penalty method. The effectiveness of the proposed method is demonstrated on two sample systems.     

复杂系统的适应维生方法

复杂适应系统理论是复杂性科学的一个重要分支,它通过系统主体间的适应性造就稳定性,并通过单个主体的规则选择和多个主体之间的学习和应变来达到复杂系统的适应和维生。复杂适应系统理论通过主体间的适应性来分析复杂组织在涌现生成之后主体之间是如何组织在一起,并维持这个组织系统的稳定性,它为我们分析复杂组织的维生机制提供了科学的方法工具。     

基于T-S模糊模型的临界混沌系统复杂动力学分析

针对新近提出的临界混沌系统,在其相应的Takagi-Sugeno(T-S)模糊模型基础上,通过给每个模糊规则后件施加一类扰动并调节这些扰动,深入研究了该混沌系统的复杂动力学特性.仿真结果表明:除了具有已经发现的由镜相形成机制所决定的复合结构外,该混沌系统仍然具有尚未发现的由压缩和拉伸形成机制所决定的其他复杂动力学行为.     

模糊系统的递阶遗传算法设计新方法

针对模糊系统的特点和根据输入-输出数据,应用递阶遗传算法设计模糊系统。现有的模糊系统设计方法大多只能训练模糊系统的模糊集的中心参数、高斯隶属度函数的系数、中心参数和扩展参数,系统的模糊规则得预先用某种方法确定。利用很好设计的递阶遗传算法能够把模糊系统的模糊规则数目和参数同时通过训练确定。通过对混沌时间序列进行预测仿真,结果证明用该方法设计的模糊系统预测的精确度是令人满意的,文中提出的方法是可行的。     

复杂适应性系统的仿真与研究--基于CAS理论的交通模拟

为更好地研究交通系统，以CAS理论为指导思想，利用SWARM平台建立了基于多主体离散的动态交通模拟系统。使用自底向上的建模方法进行模拟：将车辆及信号灯作为具有适应性的主体．利用元胞自动机模拟动态交通流；同时将激励学习方法与遗传算法相结合，对信号灯周期进行自适应优化。通过主体不断的“学习”，交通系统在宏观方面涌现出一定的动态特征和规律。进而，我们比较了完全自组织控制模式以及加入预警机制两种情况下各宏观量的变化情况。从实验结果可知，预警机制可以给车辆宏观方面的指导，从而提高车辆通行能力，减少交通拥塞。