基于最优样本子集的在线模糊LSSVM混沌时间序列预测

提出一种基于最优样本子集的在线模糊最小二乘支持向量机(least squares support vector machine,LSSVM) 混沌时间序列预测方法. 算法选择与预测样本时间上以及欧氏距离最近的样本点构成最优样本子集,并采用" 不敏感函数对其进行模糊化处理,通过模糊LSSVM 训练获得预测模型. 随着时间窗口的滑动,最优样本子
集和预测模型实时更新,模型更新采用分块矩阵方法降低运算复杂度. 实验中对时变Ikeda 序列进行预测,表明所提出的方法与离线和在线LSSVM 相比,训练速度更快,预测精度更高.     

基于FCM和BP神经网络的棉麻纤维识别方法研究

提出一种基于模糊c均值(FCM)和BP神经网络的棉麻纤维识别方法。首先,根据纤维横向和纵向截面形态的不同,提取6个特征参数,然后运用模糊c均值算法将样本聚类成3类,再将聚类后的数据作为BP神经网络的输入进行训练和预测,最后进行仿真实验。结果表明,将两种算法结合起来用于纤维的识别具有明显优势,是值得推广的纤维识别方法。     

一个模糊多目标群体决策方法

将多目标系统模糊决策理论推广到多目标标群体决策,给出一个模糊多目标群体决策方法。     

Buck型DC-DC变换器中单输入模糊控制器的设计与实现

提出了一种简化的用于数字控制DC-DC变换器的模糊控制算法——单输入模糊控制算法.通过在算法中引入符号距离法,将常规模糊控制算法中的2个输入简化为单个输入,从而使相应的模糊规则条数明显减少.在此基础上,采用FPGA设计了单输入模糊控制器,并进行了系统验证.测试结果表明,在输入电压为2.7～3.5V、输出电压为0.8～1.5V的Buck型DC-DC开关变换器中,系统的建立时间小于150 ms,稳态误差小于10 mV.与常规模糊控制器相比,这种单输入模糊控制器具有设计、调节和硬件实现简单等优势,因而有望在数字控制DC-DC变换器中得到广泛应用.     

外延topos中的模糊物质

在一个外延ｔｏｐｏｓ中引入子物质套的概念,并在物质ｄ的子物质套的类ｕ（ｄ）中引入弱等价关系和强等价关系,进而将子特套的等价类定义的模糊子物质。给出了模糊子物质的隶属函数,讨论了模糊子物质的运算。其目的是为了在一个ｔｏｐｏｓ的框架下开展模糊系统理论的研究。     

一类病结构系统的多指标模糊评价方法

针对一类病结构系统的多指标评价问题进行了讨论．阐述了以评议尺度分析为核心进行模糊综合评价的思想,给出了建立尺度标准化矩阵、评议信息的区间数表示和构造综合评价矩阵的方法．     

比例因子对模糊控制器动态性能的影响

影响模糊控制器动态性能的因素有多方面 ,如模糊控制规则、模糊推理和模糊判决方法等 ,其中比例因子 (量化因子 )对其动态性能有较大的影响 为了探讨各因子的影响 ,通过Matlab仿真语言对由二阶被控对象构成的模糊控制系统进行了仿真研究 方法是预先选定一组理想的参数 (包括被控对象参数和比例因子 ) ,分别改变比例因子 ,观察系统在阶跃信号作用下的响应 最后根据实验结果得出 :三个比例因子对模糊控制器动态性能的影响各不相同 同时提出了模糊控制器设计过程中比例因子的选择原则及注意事项     

基于改进PSO-VMD的滚动轴承早期故障诊断

针对滚动轴承早期故障信号微弱导致分类识别率低的问题,提出利用复合多尺度模糊熵作为适应度函数的粒子群算法优化变分模态分解,得到多个本征模态分量;利用快速谱峭度图选择最优的本征模态分量,并组成特征向量;将特征向量输入SSA-SVM中进行故障分类。实验结果表明基于复合多尺度模糊熵的PSO-VMD和SSA-SVM的滚动轴承故障诊断更能有效地识别出滚动轴承的早期故障。     

考虑驾驶员模糊感知的深度学习跟驰模型

为模拟驾驶人记忆效应以及模糊感知特性,设计了基于模糊感知时间窗的深度学习跟驰模型。提取highD数据集跟驰轨迹,以0.2 s最小时间间隔,连续3 s本车速度、前后车速度差、车头间距的时序数据作为模型输入,模拟驾驶记忆。训练深度学习跟驰模型,得出单层32个输出维度的门控循环单元(GRU)网络可以很好拟合实际数据。在每次输入模型的时序数据中,用模型预测值替换部分真实跟驰状态值,作为驾驶员对场景的估计,即模糊感知。实验得出对同一场景的不同模糊感知,可产生不同跟驰行为,模拟了驾驶行为的异质性,可为异质交通行为仿真提供方法。