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。

广义二型模糊逻辑系统降型及其采样离散Nie-Tan算法

广义二型模糊逻辑系统在近年来成为学术研究的热点问题,而降型是该系统中的核心模块。最近的研究证明了连续Nie-Tan(CNT)算法是计算区间二型模糊集质心的准确方法。发现了离散Nie-Tan(NT)算法中的求和运算和CNT算法中的求积分运算的内在联系,用2类算法完成基于广义二型模糊集α-平面表达理论的广义二型模糊逻辑系统质心降型。3个计算机仿真实验表明,当适当增加主变量采样点个数时,所提出的基于主变量采样的离散NT算法计算出的广义二型模糊逻辑系统质心降型集和解模糊化值结果可以精确地逼近基准的CNT算法,且采样离散NT算法的计算效率远远高于CNT算法的效率。

基于二分搜索改进Karnik-Mendel算法的广义二型模糊逻辑系统降型

广义二型模糊逻辑系统在近年来被广泛关注,降型仍然是系统的核心模块。改进Karnik-Mendel算法是最流行的降型算法。根据广义二型模糊集的α-平面表达理论,提出一类二分搜索改进Karnik-Mendel算法来完成广义二型模糊逻辑系统质心降型。在取相同的主变量采样率情况下,通过2个计算机仿真示例说明,该算法在不损失计算精度的前提下可取得比改进Karnik-Mendel算法更高的计算效率。

离散型和连续型改进Karnik-Mendel算法在高阶模糊系统降型中的关系研究

降型是广义二型模糊逻辑系统的核心模块。比较和分析了离散改进Karnik-Mendel(EKM)算法中求和运算和连续EKM(CEKM)算法中求积分运算,基于广义二型模糊集的α-平面表达理论,扩展EKM算法计算完成广义二型模糊逻辑系统质心降型。当计算广义二型模糊逻辑系统的质心降型集和质心解模糊化值时,用2个仿真实验说明了当适当增加广义二型模糊集主变量采样个数时,离散EKM算法的计算结果可以准确地逼近CEKM算法。

广义二型模糊逻辑系统质心降型及加权Karnik-Mendel算法

随着广义二型模糊集的α-平面表达理论被提出,广义二型模糊逻辑系统在近年成为学术界热点研究问题。本文比较了离散Karnik-Mendel(KM)算法与连续版本的KM(continuous version of KM,CKM)算法中的运算,通过数值积分中牛顿-柯斯特求积公式把KM算法扩展成三种不同形式的加权KM(weighted KM,WKM)算法,而KM算法只是WKM算法在取特殊权重值下的一种例子。两个计算机仿真例子用来阐述和分析WKM算法的表现。总体来说,WKM算法在计算广义二型模糊逻辑系统质心解模糊化值时可取得比KM算法更小的绝对误差和更快的收敛速度,这给二型模糊逻辑系统的设计和应用提供了潜在的价值。