基于二型模糊控制的无人艇航向航速控制系统设计与试验

[目的]针对水上复杂多变的环境给无人艇(USV)控制带来的不确定性干扰,提出基于二型模糊控制算法的USV航向航速控制器,并运用所提算法研制一套智能自主稳健的控制系统。[方法]构建USV航向航速运动特性模型,利用递推最小二乘法(RLS)对航向航速运动特性模型进行参数辨识,基于辨识的航向航速运动特性模型分别设计二型模糊控制算法和滑模控制算法,并进行实艇验证试验。[结果]结果表明,相较于滑模控制算法,二型模糊控制算法在控制USV时表现出了较好的鲁棒性,具有较理想的抗干扰能力,但在实时响应方面略长。[结论]研究结果可为在不确定干扰环境下的USV运动控制提供参考。

基于区间二型模糊PID的四旋翼无人机姿态控制

针对传统PID控制与一型模糊控制在四旋翼无人机姿态控制中响应速度慢、超调量大等问题,提出了一种区间二型模糊控制与传统PID控制相结合的控制算法。首先,在一型模糊系统的基础上对系统的单值前件和后件进一步模糊化形成区间前件和后件,更适于处理模糊信息。其次,利用具有停止条件的改进迭代算法(enhanced iterative algorithm with stop condition,EIASC)进行降型过程中开关点的计算,减少了计算时间,并将求解出的参数变化量作为初始PID控制参数值的补偿。最后,在建立的四旋翼无人机动力学模型上对所提算法进行仿真验证,仿真结果表明,所提算法比传统PID控制算法和一型模糊PID控制算法具有更快的响应速度、更高的稳态精度和更小的超调量。

区间二型模糊系统动态输出反馈控制设计

本文研究了一类连续时间区间二型模糊系统的稳定性和广义耗散性能分析以及动态输出反馈控制器设计问题.首先,简要的介绍了区间二型模糊系统和线积分Lyapunov函数.然后,利用线积分Lyapunov函数方法,建立了使系统满足渐近稳定和广义耗散性能的充分条件.与二次型Lyapunov函数方法得到的条件相比,利用线积分Lyapunov函数方法得到的充分条件保守性更小.该充分条件关于一些矩阵变量是非线性的,利用Finsler引理将其转化为线性矩阵不等式形式,得到了输出反馈控制器存在的充分条件.最后,通过数值算例验证了设计方法的有效性.

广义二型模糊系统的自组织规则生成方法

针对广义二型模糊系统在复杂情况中因缺乏专家经验而难以构建合适模糊规则的问题,提出了一种基于输入数据的激活强度来生成广义二型模糊集以及模糊规则的方法。通过数据驱动自组织构建广义二型模糊系统模糊规则,并且使用迭代最小二乘法和梯度下降法优化系统前后件参数。最后,分别在无扰动和施加噪声情况下进行了非线性系统的跟踪仿真,实验结果证明了自组织规则生成的广义二型模糊系统的有效性,并能够以较高精度跟踪参考轨迹。

前级可变车载充电机双闭环区间二型模糊控制研究

现有车载充电机拓扑结构无法兼顾单相和三相交流电,控制策略难以实现宽范围电压的动态调节和高精度、低抖动的输出。针对上述问题,提出一种双闭环区间二型模糊控制的前级可变车载充电机。在图腾柱功率因数校正电路结构上,增加第三桥臂和对应的控制开关,设计出前级可变电路;选用LLC谐振电路作为车载充电机的后级电路。基于此拓扑,提出区间二型模糊电压外环和区间二型模糊电流内环的双闭环控制策略。经仿真分析验证了所提拓扑结构能够兼容两种规格交流电的可行性。同时,所提控制策略的系统输出与电压外环电流内环的双闭环PID和一型模糊双闭环PID相比,有了明显改善。

区间二型模糊行为决策方法及其在商务智能推荐中的应用

构建了基于改进TOPSIS方法和改进X-EIASC降型算法的区间二型模糊行为决策方法,搭建电商平台手机品牌推荐系统以评价该方法的使用效果。结果显示,给各大类消费人群推荐的TOP3品牌几乎与计算前的逻辑推理方案完全一致,且推荐的TOP3品牌C值大部分大于0.5。算例结果表明,改进的区间二型模糊行为决策方法在商务智能推荐领域有一定应用价值。

离散时间区间二型模糊不确定奇异时滞系统的耗散性分析

研究了一类具有时变时滞的离散时间区间二型模糊不确定奇异系统的耗散性问题。首先,考虑到隶属度函数的不确定性,利用区间二型模糊系统模型对非线性奇异系统进行建模;其次,基于Lyapunov稳定性理论,利用Jensen不等式方法处理二重差分求和项,得到了保守性较小的离散时间区间二型模糊奇异时滞系统的耗散性的充分条件,并将这一条件进一步推广到离散时间区间二型模糊不确定奇异时滞系统;最后,通过数值仿真算例验证了所得结果的有效性和正确性。

运用区间二型模糊集的半监督模糊聚类算法

将区间二型模糊集引入半监督聚类,提出一种运用区间二型模糊集的半监督聚类算法.该算法以区间二型模糊集为隶属度,将已标识样本的类别标签融入目标函数,使得聚类算法可以在已标识样本类别信息的引导下,得到合理的隶属度.实验表明,相比其他聚类模型,结合半监督机制和区间二型模糊集的聚类算法具有更好的聚类性能.

基于二型模糊集的投资项目评价策略研究

投资效率的评估对项目的规划与完善至关重要。该文提出一种将清晰评价和语言评价结合的基于二型模糊集的多准则决策模型(multicriteria decision making model,MCDM),其由二型模糊层次分析法(analytic hierarchy process,AHP)和二型模糊逼近理想解法(the technique for order of preference by similarity to ideal solution,TOPSIS)组成,同时使用二型模糊集与清晰集。通过模糊区间的运算给出评价指标的模糊范围,根据计算的模糊隶属度值评价各项目的建设效果。所提MCDM方法包括三个阶段:1)确定模型中使用的准则;2)二型模糊AHP计算;3)采用二型模糊TOPSIS对投资项目进行评价并确定最终排序。将该模型用于某真实案例,对多备选方案进行比较,计算得到量化的投资成效,为财政项目投资提供有力依据。

二型模糊系统理论与应用

文章回顾了二型模糊系统理论的发展,详述了二型模糊集合的基本概念和计算方法,重点介绍了系统各基本组成部分的表达式和推导过程以及区间二型模糊系统的相关知识,概述了二型模糊系统的应用条件以及近几年的成功应用案例,最后总结了现阶段存在的问题及发展方向。

基于广义二型模糊神经网络的移动机器人轨迹跟踪控制

针对轮式移动机器人的轨迹跟踪问题,提出一种广义二型模糊神经网络控制方法。模糊控制可以弥补机器人动态特性中的非线性和不确定性因素,而广义二型模糊系统能更有效地处理外界干扰和参数扰动等不确定性,广义二型模糊神经网络系统结合了神经网络强大的非线性拟合能力和自学习能力,能够更有效地对规则库中可能存在的不确定性进行建模。它可以进一步提高控制精度,达到跟踪的目的。仿真结果表明,与PID控制器、模糊控制器和一型模糊神经网络控制器相比,该方法能更好地跟踪轮式移动机器人的运动轨迹且拥有更好的抗干扰能力。

一类区间二型模糊PI控制器设计算法

区间二型模糊控制器在处理不确定性方面优于传统的模糊控制器,但带来的一个问题就是区间二型模糊控制器需要降阶过程。常用的KM等迭代式降阶算法效率低下,难以用于实时性较高的场合。本文利用直接降阶算法和动态解模糊化算法,提出了一类区间二型模糊PI控制器设计算法。该算法在降阶过程中考虑偏差和偏差变化量对控制器输出的影响,避免了KM等迭代式降阶过程。通过二阶迟延对象以及一个非线性对象的仿真实验表明,本文算法能够有效降低系统超调,降低系统的稳态时间,控制器在设定值附近的输出更为平滑。

基于区间二型模糊EDAS的多属性决策方法

针对多属性决策存在的复杂性和不确定性问题,提出基于区间二型模糊平均解距离法(evaluation based on distance from average solution,EDAS)的多属性决策方法。采用区间二型模糊集合(interval type-2 fuzzy sets,IT2FS)表达评价信息解决专家的偏好信息存在个体化差异问题,并纳入EDAS对备选方案进行排序。以区间二型模糊数表达评价信息构建决策矩阵,以计算得到的综合评价值的去模糊化结果作为最终的方案排序依据。针对EDAS中属性权重需要从外部获取的问题,采用区间二型模糊集合改进的最优最劣法(best-worst method,BWM)确定属性权重。最后,以某汽车制造企业选购新能源汽车云服务方案为例,验证所提方法的有效性。

基于APSO的GIS腔体移动机器人区间二型模糊跟踪控制

为解决气体绝缘封闭开关设备(GIS)腔体移动机器人的轨迹跟踪控制问题,提出一种基于优化算法的麦克纳姆轮全向移动机器人(MWOR)区间二型模糊跟踪系统。建立MWOR在腔体中的非线性模型,并设计相应的区间二型模糊逻辑控制器(IT2FLC);针对IT2FLC隶属度函数难以确定的问题,采用自适应粒子群优化(APSO)算法对隶属度函数进行优化。分别对MWOR在无扰动和有扰动时进行直线和圆轨迹跟踪的仿真实验。结果表明,该方法对MWOR具有很好的控制效果和抗干扰效果。

基于区间二型模糊多粒度证据融合方法的钢铁行业耗能决策

为了探索区间二型模糊背景下的多属性群决策方法,以多粒度概率粗糙集为基础,结合MULTIMOORA(Multi-Objective Optimization by Ratio Analysis Plus the Full Multi-Plicative Form)与证据融合理论,发展了一种基于区间二型模糊信息的多粒度证据融合决策模型.首先,提出多粒度区间二型模糊概率粗糙集模型;然后,通过离差最大化法和熵权法计算决策者权重和属性权重,依据多粒度概率粗糙集和MULTIMOORA法建立区间二型模糊多属性群决策模型,通过源自D-S证据理论的证据融合方法融合得出决策结果.通过钢铁行业耗能的实例,证明提出方法的可行性与有效性,总体上,提出的决策模型具备一定的容错力,有助于获得强解释力的稳健型决策结果.

基于区间二型模糊系统的坡口机器人速度推断系统的研究

基于区间二型模糊系统,将待加工零件厚度、轨迹半径和切割质量三种因素综合考虑,进行了坡口切割机器人切割速度推断系统的研究。首先根据坡口切割过程中的生产经验总结出符合生产实际的规则;然后使用二型模糊系统将语言化的生产规则转化为模糊规则;最后根据模糊规则对切割速度进行推断。以MATLAB软件为平台,对不同参数下二型模糊系统推断的切割速度进行了仿真。结果表明该系统推断的切割速度随厚度变化呈连续变化,比传统的切割速度设定和一型性模糊推断更优。

近似质心在区间二型模糊聚类中的应用

针对现有质心求解算法仍具有较高计算复杂度,导致区间二型模糊C均值聚类算法(Interval Type-2 Fuzzy C-Means,IT2FCM)运行速度不理想问题,提出了半数迭代法和一次迭代法两种近似质心求解算法。首先,在直接求解转换点问题质心求解算法(A Direct Approach for Determining the Switch Points in the Karnik–Mendel Algorithm,DA)的基础上,借助二分查找思想,构造出基于二分查找的质心求解算法;接着,以该算法为基础,通过限制查找范围,考虑两个转换点之间关系的性质和计算差值的技巧得到半数迭代法;最后,考虑只进行一次查找得到一次迭代法。在UCI上的5个数据集上(IRIS、SEEDS、WINE、WIFI_LOCALIZATION和HTRU2)验证了两种算法的聚类性能并没有因为求解的是近似质心而降低;进一步在ANURAN CALLS数据集上构造了8组数据量递增数据用于验证基于不同质心求解算法的IT2FCM和基于提出的近似质心求解算法的IT2FCM运行速度,实验结果表明:基于近似质心求解算法的IT2FCM运行速度较快,所以提出的近似质心求解算法能够在一定程度上缓解IT2FCM复杂度过高的问题。

基于敏感性分析的区间二型模糊神经网络出水总氮软测量

【目的】出水总氮检测在监测污水处理厂超标排放和预防水质富营养化中发挥了重要的作用,但仍存在精度低,实时性不强的问题。为解决城市污水处理过程出水总氮难以在线精准检测的问题,提出了一种基于敏感性分析的区间二型模糊神经网络(SA-IT2FNN)出水总氮软测量方法。【方法】采用敏感性分析法(Sensitivity Analysis,SA),选取与污水处理过程出水总氮关联性较强的主元变量。然后,将所选的关键主元变量作为IT2FNN的输入变量,通过训练模型参数建立出水总氮软测量模型。【结果】仿真结果显示:对于冬季数据集,SA-IT2FNN选取6个、8个、10个主元变量进行预测时,训练时间分别为6.2 s、7.8 s、9.7 s;均方根误差(Root Mean Square Error,RMSE)分别为0.44、0.35、0.33。另外,SA-IT2FNN选择8主元变量预测时,夏季和冬季对应的测试RMSE分别为0.38和0.39。【结论】结果表明:SA通过对模型的输入变量降维,有效提高了模型的预测效果;基于IT2FNN的总氮软测量模型在不同工况下都能够保证预测精度,具有较好的学习和预测能力。研究成果展示了人工智能在总氮检测中的独特作用,为污水处理出水指标高精度检测提供了有效的方法。

基于区间二型模糊集的轮系传动方案综合评价

传统方案评价缺少合理的方法指导、主观性强,同时轮系传动方案评价指标复杂多样,难以从定性评价转换至定量评价。针对轮系传动方案的综合评价及优选问题,提出了基于区间二型模糊集(IT2FSs)的轮系传动方案综合评价方法,建立了相关的综合评价数学模型。首先,在考虑了轮系传动方案的静态特性、动态特性及结构特征的基础上,构建了多层次、多源异构性的综合评价指标体系;然后,采用了基于IT2FSs的模糊层次分析(FAHP)法,并结合了区间二型依赖有序加权平均(IT2DOWA)算子的方法,以分配指标权重;采用了构建评价函数的方法,对评价指标数据进行了预处理,以解决复杂指标数据不可量化的问题;针对不同数据类型的指标存在无法统一度量的问题,采用了概率统计结合模糊综合评价(FCE)的方法,对于轮系传动方案进行了定量化的综合评价;最后,以某轮系传动方案为例,根据仿真分析和理论推导,说明了评价方法的可行性;采用鲁棒性分析方法,对基于IT2FSs的轮系传动方案综合评价方法的有效性进行了验证。研究结果表明:该方案的定量化综合评价分数值为62.53,评价结果良好,基本满足使用需求;鲁棒性分析中的所有方案均保持了原先排名,说明该方法具有一定的抗干扰性。

粒子群优化的自适应区间二型模糊聚类算法

针对区间二型模糊聚类算法对聚类中心和模糊指数敏感的问题提出粒子群优化的自适应区间二型模糊聚类算法(PSO-AIT2FCM)。利用高斯滤波函数对获得的统计直方图做平滑处理,同时设计波峰与聚类中心的对应规则精准地确定聚类中心。构造新颖的融合直觉模糊信息的目标函数,通过类内紧致和类间分离两个方面的信息共同判断聚类效果。利用粒子群优化算法优秀的全局搜索能力在可行域内寻找合适的模糊指数组合。将该文算法应用于Berkeley图像分割中,实验结果表明该算法能够有效地确定聚类中心和模糊指数的组合并得到良好的分割结果。