Ⅱ型模糊集合与系统研究进展

Ⅱ型模糊集合是传统Ⅰ型模糊集合的扩展,其本质是模糊集合中隶属度值的再次模糊化表示.Ⅱ型模糊集合可以直接处理模糊规则的不确定性,是解决现实环境高不确定性问题的有效手段.本文首先简要给出了Ⅱ型模糊集合与系统的基本概念,然后分别回顾了广义和区间Ⅱ型模糊理论的发展历史.接着分别讨论了广义和区间Ⅱ型模糊系统的计算复杂性问题研究进展,并进一步介绍了基于区间Ⅱ型模糊集合的词计算理论发展状况.最后给出了本文的结论和进一步研究问题的展望.

Ⅱ型模糊控制综述

Ⅱ型模糊集合是传统Ⅰ型模糊集合的扩展,其特征是隶属度值本身为模糊集合.基于Ⅱ型模糊集合的Ⅱ型模糊控制器可以同时有效地处理语言和数据不确定性,在高不确定场合具有明显超过相应Ⅰ型控制器的性能表现.本文首先对Ⅱ型模糊集合及系统理论进行了概述,然后对Ⅱ型非自适应模糊控制器Ⅱ型自适应模糊控制器和Ⅱ型自组织模糊控制器的研究进展分别进行了详细综述,最后给出了本文的总结和进一步研究问题的展望.

Lotka-Volterra系统Ⅱ型模糊自适应控制方法

针对一复杂的Kolmogorov型捕食与被捕食生物系统,基于Ⅱ型模糊集合,提出了一类非线性模糊反馈控制器设计方法,并把逼近误差引入到控制器设计中以改善系统的动态性能;在生物系统受某些外界干扰而使物种无法持续稳定生存的情况下实现对理想状态跟踪,使得跟踪误差收敛到零;并用Lyapunov函数及Ⅱ型模糊逻辑系统的性质证明了所设计的控制器的有效性;从理论上研究了Kolmogorov生态系统的非线性行为及控制,说明该种群最终达到了一个新的适应各物种生存、发展的状态空间.

区间数的区间Ⅱ型模糊c均值聚类算法

针对区间数模糊c均值聚类算法存在模糊度指数m无法准确描述数据簇划分情况的问题,对点数据集合的区间Ⅱ型模糊c均值聚类算法进行拓展,将其扩展到区间型不确定数据的聚类中。同时,分析了区间数的区间Ⅱ型模糊c均值聚类算法的收敛性,以确定模糊度指数m1和m2的取值原则。基于合成数据和实测数据的仿真实验结果表明:区间数的区间Ⅱ型模糊c均值聚类算法比区间数的模糊c均值聚类算法的聚类效果好。

油田开采智能评价有用规则提取方法

基于油田开采智能评价的有用规则是通过专家问卷调查产生的,受专家选择和实践检验的难度,以及某些专家经验规则可能与实际数据不一致影响而具有明显的局限性。采用基于区间Ⅱ型模糊集合的语言摘要方法,从油田开采数据库中产生IF-THEN规则,并根据真实度、覆盖度、可靠度和离群度等4个质量测度提取油田开采评价有用规则;进而基于平行坐标法及GUI界面建立可视化逻辑规则群。应用结果表明:该方法节省专家的时间,有助于在经验与实际数据不一致基础上完善专家经验规则。