基于即时学习的间歇过程复合模型

通过传统的即时学习(JITL)方法建立间歇过程复合的线性化模型,利用一个具有5层结构的神经模糊模型(NFM)对局部模型的输出误差特性进行分析,建立模型输入与输出误差之间的非线性映射关系,并通过对模型的预测输出进行误差补偿来提高模型精度.仿真结果表明,所提出的基于JITL的间歇过程复合模型相对于传统JITL模型具有更高的精度和更强的噪声抑制能力.     

基于双环估计的CBOC调制信号无模糊跟踪方法

针对复合二进制偏移载波(CBOC)调制信号跟踪的模糊性问题,提出了一种基于双环估计的无模糊跟踪方法.该方法使用延迟锁相环(DLL)和子载波锁相环(SLL)分别对CBOC调制信号的伪随机噪声(PRN)码和子载波进行跟踪,然后对DLL和SLL输出的信号时延估计值进行计算,从而得到CBOC信号的高精度无模糊时延估计值.仿真结果表明:该方法能够实现对CBOC调制信号的无模糊跟踪,在高载噪比下,可以达到与传统跟踪方法相同的跟踪精度;在低载噪比下,该方法的跟踪精度要优于三环估计方法.     

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。     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略。利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真。仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高。     

模糊迭代学习在单关节机器人运动控制中的应用

提出一种迭代学习控制和模糊控制相结合的策略.利用模糊补偿来增加迭代学习控制的收敛速度和保证系统的稳定性,并对单关节机器人模型进行仿真.仿真结果表明,该模糊迭代学习控制系统在第一个学习周期内的误差值明显减小,输出误差也逐渐减小,跟踪性能总体上有了很大的改善,跟踪精度显著提高.     

基于广义几何误差模型的微机器人精度分析

为描述各种误差源对机器人本体产生的影响 ,提出了一个用于微机器人精度分析的通用方法。通过任意两坐标系间的向后微分关系 ,利用运动学方程以及并联机构的环路特性 ,建立了微机器人的广义几何误差模型。利用此模型 ,可以对微机器人进行精度评估和误差修正。该方法可推广应用到一般并联机器人的误差建模和精度分析     

用自组织模糊逻辑控制器设计飞行器控制系统

提出了模型参考自组织模糊逻辑控制器的设计方法，并建立其模糊逻辑控制规则。此法根据参考模型输出误差及微分来修正控制规则，从而使学习算法进行的更为合理。通过对某战斗机控制系统的仿真，证明其具有良好的精度和鲁棒性。     

基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

一类带跳的线性回归模型

针对普通的常系数线性回归模型存在预测误差较大的缺陷,对Hildreth-Houck模型进行修正,得到带跳的线性回归模型(LRMJ),对该模型中各参数进行估计,并对模型中被解释变量的数学期望与方差等统计性质进行讨论．最后将该模型运用于一个实际问题,证明该模型不仅可行而且能够得到比普通常系数线性回归模型更为精确的预测值。     

风机调速系统模糊预测控制器的设计与仿真

针对煤矿通风系统的非线性、强耦合、多干扰等特性,设计了一种模糊预测控制器来实现对风机的变频调速,使矿井内风压保持恒定。该控制器的设计在动态矩阵控制的基础上将模糊控制和预测控制相结合,先利用T-S模糊模型预测系统输出,再利用模糊推理修正模糊模型的预测输出,最终使控制器的输出满足系统要求。最后对系统进行仿真,结果表明：所设计的控制器具有较好的稳态精度和动态特性,有效改善了矿井内风压的控制性能。     

Marginal linearization method in modeling on fuzzy control systems

Marginal linearization method in modeling on fuzzy control systems is proposed, which is to deal with the nonlinear model with variable coefficients. The method can turn a nonlinear model with variable coefficients into a linear model with variable coefficients in the way that the membership functions of the fuzzy sets in fuzzy partitions of the universes are changed from triangle waves into rectangle waves. However, the linearization models are incomplete in their forms because of their lacking some items. For solving this problem, joint approximation by using linear models is introduced. The simulation results show that marginal linearization models are of higher approximation precision than their original nonlinear models.     

基于模糊信息系统的模糊β-覆盖粗糙集模型

用模糊互补β-邻域族的概念,在模糊信息系统的基础上提出了一种新型的模糊β-覆盖粗糙集模型,并结合属性约简与模糊映射研究新模型的性质。相较于前人的模型,新模型增大了下近似值并减小了上近似值,更加精确了上、下近似值,减小了属性约简带来的误差。     

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。     

基于地图匹配的导航定位数据模糊校正算法

为了提高农用智能移动平台导航定位的精度，改善航线跟踪的质量，提出了一种基于地图匹配的导航定位数据模糊校正算法．首先将DGPS、航位推算定位数据点与地图上已知航线进行对比．判定定位数据点的可信度，然后用该可信度作为加权值生成新的定位数据点即校正数据点，把校正点作为当前农用智能移动平台车体真实位置的估计值．在验证试验中，定位数据经模糊校正后其精度明显优于原始DGPS数据的精度，定位数据的距离均方根差均数从校正前的1．021m提高到校正后的0．568m．试验结果表明，该方法可以在一定程度上提高定位数据的精度，校正大部分可信度低的坏点．     

一种新的模糊自适应控制方法

针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力·     

二自由度平面机械手的模糊建模与模糊控制

本文以二自由度平面机械手为例，尝试用线性系统理论和模糊控制理论解决非线性系统问题。要点是：把一个整体非线性动力学模型看成是多个局部线性模型的模糊逼近；把整个非线性系统的控制看成是多个局部线性系统控制的模糊逼近。这种方法称为并行分配补偿法。本文建立了二自由度平面机械手的模糊模型并在此基础上用并行分配补偿法对系统进行了综合，最后用仿真进行了验证，证明了并行分配补偿法的成功和所建模型的合理性。     

交通能源需求量组合预测模型研究

本文尝试将组合预测法应用于我国交通能源需求量的预测,以提高预测精度．通过赋予合理权重,将误差修正模型、非线性回归模型和多元回归模型加权组合建立组合预测模型．对各模型进行平均绝对百分误差（MAPE）、希尔不等系数（Theil IC）和均方根误差（RMSE）等指标的比较,证明单一模型经过组合能够提高预测精度．     

重力场模型和DEM提高GPS高程转换精度

为了充分利用GPS观测数据中的高程信息,提高山区GPS大地高转换为正常高的精度,利用国内外最新的重力场模型和数字高程模型（DEM）数据,采用移去-拟合-恢复方法进行GPS高程转换,并与三等水准实测高程进行比较,结果表明：在地形起伏较大的山区,利用高精度的地球重力场模型,可将GPS高程转换的精度提高50%左右。地形改正也可以在一定程度上提高GPS高程转换的精度,地形对高程异常的影响与地形起伏程度和拟合点间高差有关。对于几何水准难以施测的山区利用GPS观测信息确定高精度海拔高程有重要意义。     

变论域模糊控制器的万能逼近性及其逼近条件

通过一组非线性伸缩因子实时地调节论域,变论域模糊控制器显著减少初始规则的数量,在期望控制点有效地提高控制精度。首先,证明这类模糊控制器的逼近误差具有收敛性,从而证明它在整个时域上是一种万能逼近器,即它能以任意精度逼近紧集上的任意非线性实函数;并指出它是一种二阶精度的逼近器;在预定精度条件下,给出它作为逼近器的充分条件。最后,通过1个数值实例验证变论域模糊控制器逼近非线性函数的实际效果。研究结果表明:逼近精度完全满足给定的要求,相对常规模糊控制器,变论域模糊控制器的逼近精度提高87.4%。     

模糊神经网络在车辆识别中的应用

为提高智能交通系统中汽车车型自动识别的正确率,采用了多传感器移动车辆识别系统的数据融合算法,即用模糊神经网络建立数据融合决策模型,用BP算法对网络进行学习和训练,提高系统的精度和智能化.仿真实验结果表明了算法的有效性.