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。

面向后件集的模糊推理机制:用于区间型type-2模糊逻辑系统

目前,大多数模糊推理都是利用t–范数和t–余范数或其改进形式对连接词进行建模,这些模型不能将模糊规则中前件集与后件集之间的相关性信息引入到模糊推理过程,这会丢失蕴含在规则中的一些信息甚至导致推理结果与实际经验严重不符.为解决此问题,本文首先引入模糊集合面向对象变换的概念,并将其推广,建立了合成type-2模糊集合模型.基于此模型,针对区间型type-2模糊逻辑系统,提出一种面向后件集的模糊推理机制,该机制能将前件集与后件集的相关性信息(包括清晰数和模糊数两种情形)引入到模糊推理过程.仿真结果表明,该方法能捕获到模糊规则中更多的不确定性信息,并为模糊逻辑系统的设计提供更大的自由度.

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。

基于多分辨率分析的区间类型2模糊系统

为了更有效地表达和处理系统的不确定性,提出了基于多分辨率分析的区间类型2(简称多分辨率区间类型2)模糊系统,构造了多分辨率区间类型2隶属度函数,并给出了基于尺度函数分解的结构和参数学习算法.多分辨率区间类型2模糊系统的前件是多分辨率隶属度函数,后件是输入的线性函数,因此系统可以自适应地划分输入论域空间,优化系统结构.将多分辨率区间类型2模糊系统应用于带有噪声的时间序列预测,预测结果的复杂度较小,均方根误差为0.105 2.

基于区间二型模糊集合的语言动力系统稳定性

运用区间二型模糊集合(Interval type-2 fuzzy sets,IT2FSs)的扩展原理将常规的数值函数转化为对应的区间二型模糊函数,并给出了相应的词计算(Computing with words,CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems,LDS)稳定性.

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。

基于加权Karnik-Mendel算法的区间二型模糊逻辑系统降型

二型模糊逻辑系统是当前的学术研究的热点问题,而降型是该系统中非常重要的一个模块.Kamik-Mendel(KM)算法是被用来计算和完成区间二型模糊逻辑系统降型的标准算法.通过比较离散版本KM算法中求和运算和连续版本的KM(continuous version ofKM,CKM)算法中求积分运算,本文利用数值积分技术中牛顿-柯斯特求积公式将标准KM算法扩展成3种不同形式的加权KM(weighted KM,WKM)算法.而KM算法只是WKM算法中的一种特殊情况.3个计算机仿真例子用来阐述和分析WKM算法的表现,与传统的KM算法相比,WKM算法有较小的绝对误差和较快的收敛速度,给二型模糊逻辑系统设计者和应用者提供了潜在的应用价值.

Matlab与C混合编程实现Type-2模糊系统

Type-2模糊系统的理论有着广泛的应用,但是Type-2模糊系统结构较Type-1模糊系统复杂,且编程实现难度和计算强度都较大。Matlab平台下,运用M语言调试算法,在实现Type-2模糊系统的基础上,利用C语言的高效性优化算法,改进程序,克服了Matlab计算瓶颈的问题。给出的Matlab+C混合编程实现Type-2模糊系统的程序,编译后可以函数的形式调用,既保留了Matlab平台处理数据的便捷性,又具有很高的执行效率。仿真结果表明该方法的有效性。

区间Type-2 T-S间接自适应模糊控制

本文在Type-1 T-S间接自适应模糊控制器的基础上,利用Type-2模糊系统理论,提出了区间Type-2 T-S间接自适应模糊控制器的设计方法.由于该系统的规则前件是区间Type-2模糊集合,后件为精确数,使构造的控制方法既具备Type-2模糊集处理诸多不确定性的特点,能够减少由于规则不确定对系统的影响,同时又具有T-S模糊模型后件为各输入变量的线性组合的特点,可以提高系统的建模精度,减少系统的规则数等优点.本文利用Lyapunov合成方法,研究了在所有变量一致有界的意义下,闭环系统的全局稳定性,分析了区间Type-2 T-S间接自适应模糊控制系统的收敛性,并给出了系统参数的自适应律.通过倒立摆跟踪模型进行仿真,验证其有效性和优越性.

基于Type-2型模糊集的动态生态位模型

复杂生态系统中,由于生物进化的高度非线性,使生物更容易适应环境的变化,生物与环境的交流要求用动态的观点来描述生态位及其相关概念。本文利用T ype-2型模糊集合的“宽带”效应,给出了具有动态特性的生态位模型,并相应的给出宽度和重叠的计算公式。应用于植物的生态位宽度和重叠的计算,与已有公式结果的比较,本文提出的模型可以全面的给出了物种在每个资源状态下的情形,同时反应了物种与环境之间的互动交流。为生物系统的应用研究和理论研究提出统一的数学模型。

基于区间二型模糊TOPSIS的风储联合发电系统协同决策研究

基于风电―储能协同角度,从复杂系统维、运营节点维、主体能效维和外部环境维对风储联合发电系统的协同影响因素进行梳理和分析,形成风储联合发电系统协同评价指标体系。鉴于指标属性和协同决策的复杂性和不确定性,在TOPSIS基础上引入区间二型模糊数对指标权重和指标值的语义值进行处理,构建基于区间二型模糊TOPSIS的风储联合发电系统协同决策模型。结合案例分析,证明所建模型方法的有效性和可行性。

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.

基于2型模糊描述逻辑的知识描述与推理及其在信任管理系统中的应用

描述逻辑由于其强大的描述能力与成熟的推理算法而被广泛应用。然而,经典描述逻辑局限于处理确定的概念和关系,从而导致描述逻辑很难处理类似语义网等大型本体系统中的模糊知识。虽然1型模糊集可以一定程度上减轻不确定性带来的影响,但是其采用确定的隶属度值来决定模糊度的方法是不够精准的。与之相比,基于2型模糊集的系统能够利用隶属度区间更加精确地描述模糊信息。本文给出描述逻辑ALC的2型模糊扩展形式,并且给出并分析了2型模糊ALC的描述和推理方法。最后使用2型模糊ALC建立了一个基于模糊本体的信任管理系统F-OntoTM。

区间二型模糊逻辑系统非单点模糊化研究

针对传统模糊逻辑系统在描述事物的不确定性方面存在的缺陷,研究了区间二型模糊逻辑系统,详细讨论了区间二型模糊逻辑系统的模糊推理过程.以高斯-高斯函数为例,说明了在非单点模糊化的情况下,输出规则隶属度的计算方法,为区间二型模糊逻辑系统的建立奠定基础。

Type-2模糊系统在黄金价格预测中的应用

选择了一个模糊时间序列的模型来确定模糊系统初始参数,同时运用了Type-2模糊系统和Type-1模糊系统进行了训练及预测,比较了他们的训练逼近效果,以及预测效果,给出了仿真.

一种简化的区间二型模糊系统辨识方法

KM降阶算法是目前区间二型模糊集合常用的降阶算法,针对其效率低、难以用于实时辨识与控制的缺点,提出了一种简化的区间二型模糊系统辨识方法。该方法采用二型T-S模糊模型,前件参数为区间二型模糊集合,后件参数为普通T-S模糊模型形式。二型T-S模糊模型的解模糊化采用简化的降阶算法,提高了模型的辨识效率,可用于实时辨识与控制。仿真实例表明,所提算法在不降低辨识精度的情况下能够有效提高辨识效率。

IT2模糊网络系统在网络攻击下的H_(∞)控制

研究一类区间二型模糊网络控制系统在重放攻击下的H_(∞)控制问题。首先,根据重放攻击和网络控制系统的特性,并结合现有处理重放攻击的方式,设计一种弹性事件触发策略;其次,构造了一个改进的Lyapunov-Krasovskii泛函,并结合自由权矩阵、不等式放缩技巧来处理泛函求导过程中的积分项,通过推导得出系统满足H_(∞)性能的充分条件。数值仿真实验验证了所提方法的合理性。

扩展原理下区间二型模糊Mealy自动机的语言动力系统

运用区间二型模糊集合的扩展原理,将Mealy自动机转化为区间二型模糊Mealy自动机(interval type-2fuzzy Mealy automata,IT2FMA),提出了应用IT2FMA作为词计算的形式模型来研究语言动力系统,分析了IT2FMA输入分别为数值符号串和词串时间复杂度的关系,研究了IT2MFA下的语言动力学轨迹。通过供水控制系统验证了模型的可行性和有效性,结果表明:通过选择合适的状态转移函数和输出函数,当输入变化时,IT2FMA能做出正确的决策。

“碳中和”背景下光伏系统可持续性评价——基于混合信息的粒计算决策模型

针对“碳达峰,碳中和”背景下,如何多视角评价光伏系统,助力中国光伏产业的绿色低碳发展这一现实问题,提出了可持续发展评价维度下基于数据驱动的光伏系统决策模型。首先,依据可持续评价维度,建立光伏系统综合评价指标体系。其次,针对光伏系统绩效水平存在不确定性和波动性的情况,构建区间信息粒和区间二型模糊集用以量化评价信息。再次,针对光伏系统评价指标权重偏好未知的情况,利用随机多准则可接受分析方法,通过蒙特卡罗模拟生成指标权重向量空间,获取指标权重向量;进一步,运用自适应粒子群算法得出排序结果。最后,通过实际光伏系统案例验证了该方法的可行性与有效性。

区间二型模糊逻辑系统质心降型及加权Nie-Tan算法

降型是二型模糊逻辑系统中的核心模块。Nie-Tan (NT)算法不涉及到迭代过程,可直接得到系统输出,具有减少计算消耗的优势,而连续NT(CNT)算法在最近的研究中被证明为准确的质心降型算法。通过分析离散NT算法中求和运算和连续NT算法中的求积分运算,利用数值积分技术中牛顿-柯斯特求积公式将NT算法扩展成3种不同形式的加权NT(WNT)算法。在取相同的主变量采样率的情况下,3个计算机仿真例子表明了WNT算法比NT算法有更小的绝对误差且计算速度几乎相同,这使3种不同形式的WNT算法在区间二型模糊逻辑系统的实时应用上具有潜在的可行性和有效性。