火电厂锅炉主汽压系统的模糊辨识与模糊控制

基于动态特性实验和模糊控制策略给出了锅炉系统新的控制方法。电厂锅炉燃烧系统的主要特性是非线性、非最小相位特征、不稳定性、时滞和负荷干扰。进行锅炉的动态特性实验并将锅炉燃烧系统表示成语言描述模型。运用线性模糊控制规则对锅炉对象的主汽压进行了仿真研究和实时控制，最后给出了模糊控制同传统方法的比较结果。

基于改进T-S模型的模糊辨识算法及其应用

热工过程往往具有非线性和不确定性,用传统的描述热工过程动态数学模型的方法(如传统函数等)难以建立非线性模型,从而难于精确表达热工过程及实施整体优化控制。该文提出了一种基于改进T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间的划分,在此基础上利用加权递推最小二乘法(WRLSA)建立热工过程的T-S模型。仿真结果表明基于改进T-S模型的非线性模糊模型,不仅能精确地描述过程的非线性,而且算法简单、快速。

模糊辨识在电力设备故障诊断中的应用

模糊理论在电力设备故障诊断中有着广泛的应用。运用模糊关系矩阵，由输入或输出，可以得出相应的结论［１］。但是电力设备的故障诊断中存在着大量不确定因素，而模糊关系矩阵一般是由专家经验评估而来，造成人为因素影响甚大。模糊辨识技术是一种根据已知的输入和输出，辨识模糊模型的方法。用这种方法建模可以减少人为因素干扰，保证诊断的正确性。

基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。

基于一种新模糊模型的非线性系统模糊辨识

提出一种基于新的模糊模型和加权递推最小二乘算法 (WRLSA)的非线性系统模糊辨识方法 .新型的具有插值能力的模糊系统可以通过学习从输入输出采样数据中提取MISO系统模糊规则 ,它继承了Sugeno模型及其变化形式的许多优点 .采用相应的模糊隶属函数 ,使得被辨识的模型可用若干局部线性模型来表示 ,然后利用WRLSA拟合这些线性模型 .给出了详细的模糊辨识算法 ,为了验证该辨识方法的有效性 。

HVAS涂层力学性能的T-S模糊辨识

将基于模糊C均值聚类算法的T-S模糊模型用于辨识大型轴类零件的高速电弧喷涂(HVAS)涂层的力学性能。该方法结合递推最小二乘法辨识后件参数,可以提高收敛速度和增强模型的泛化性能;以3Cr13丝材的喷涂涂层为例,建立了喷涂电压、喷涂电流、喷涂距离和气源压力四个影响因子到涂层强度的非线性映射。仿真结果表明,所建T-S模糊模型具有较好的学习和泛化能力,在辨识力学性能中效果较好。最后利用该模型优化高速电弧喷涂的工艺参数,找出了最佳工艺参数的范围。

一种新的基于神经模糊推理网络的复杂系统模糊辨识方法

针对基于输入输出数据的复杂系统的模糊辨识问题,提出了一种新的神经模糊推理网络及相应的学习算法．学习算法被应用于系统的结构辨识与参数辨识．在结构辨识阶段,介绍了一种新的直接从输入输出数据中抽取和优化模糊规则的学习算法;在参数辨识阶段,提出和推导了一种非监督学习和监督学习相结合的混合式学习算法,实现模糊隶属函数的初步调整和优化．仿真结果表明,本文的方法可以同时满足对辨识精度、收敛速度、可读性和规则数的要求．

一种基于模糊规则的非线性系统快速模糊辨识方法

针对以往模糊建模方法中算法过于复杂的问题,提出了一种简单而有效的复杂系统模糊建模新方法。该方法是基于输入空间的模糊划分,计算给定样本在各模糊子空间的隶属度,并利用卡尔曼滤波算法辨识模糊模型的结论参数。整个辨识过程与模糊聚类方法[8]和误差反馈学习方法[5]相比所需的CPU时间最短。最后通过著名的Box-Jenkins煤气炉数据[7]仿真结果证明了该方法的有效性与实用性。

关于模糊辨识的理论与应用实际问题

本文从模糊控制的需要出发，从模糊系统结构和参数辨识二方面，介绍了目前常用的几种方法以及它们的优缺点．在此基础上，系统地综述了模糊辨识领域中所存在的理论与实际问题，并探讨了今后的研究趋向．

非线性系统模糊辨识的新方法

提出一种新的基于 T- S模型的模糊辨识方法 ,其特点是考虑了样本距离和“可线性化程度”两个因素 ,对模型的前后件参数同时辨识 ,提高了辨识精度 ,并提出规则“置信度”的概念 ,实现了辨识的结构自适应。将该辨识器用于一类非线性系统的模糊辨识 。

基于模糊聚类的改进模糊辨识方法

针对以往模糊建模方法不能很好优化模糊模型输入空间的问题 ,本文提出了一种基于新的目标函数的模糊聚类方法 ,从而使模型的输入输出空间映射空间具有逼近实际输出的能力 ,从而达到优化模型结构的目的 .仿真实例表明 ,该方法能够辨识非线性系统 ,能显著提高建模的精度 .

基于模糊聚类多变量系统的模糊辨识方法

提出一种基于模糊聚类和卡尔曼滤波方法的模糊辨识方法。该方法是基于模糊聚类，计算给定样本在各类中的隶属度。利用卡尔曼滤波器辨识模糊模型的结论参数。给出了详细算法和Box－Jenkins数据的辨识结果。

模糊辨识方法预测马氏体不锈钢M_s温度

应用模糊辨识方法对马氏体不锈钢马氏体相变温度 (Ms)进行预测。该方法是基于模糊聚类对输入变量进行有效模糊划分 ,并通过递推最小二乘辨识模糊模型的结论参数。根据收集和整理的实验数据 ,建立了马氏体不锈钢的化学成分与Ms 温度之间的模糊模型。与经验公式相比 ,模糊模型显示了较高的预测精度 ,平均误差仅有 2 2 8℃。

一种模糊辨识方法及其在电站仿真器中的应用

利用模糊聚类和最小二乘估计方法提出一种模糊辨识方法。该方法是基于模糊聚类，计算给定样本在各类中的隶属度，并利用递推最小二乘估计辨识模糊模型的后件参数。采用该方法对火力发电厂电站仿真器中的汽轮发电机密封油冷却系统进行建模研究，取得了满意的效果。

基于模糊聚类和卡尔曼滤波方法的模糊辨识

本文提出一种通用的基于模糊聚类和卡尔曼滤波方法的模糊辨识方法．模糊聚类方法在给定的广义目标下按线性簇对被辨识的样本数据进行聚类，这样使得被辨识模型可用若于局部线性模型表示，然后，利用卡尔曼滤波方法拟合这些线性模型．本文给出了详细的模糊辨识算法．为了验证该辨识方法的有效性，本文最后给出了熟知的Ｂｏｘ－Ｊｅｎｋｉｎｓ数据的辨识结果．

钢丝绳缺陷信号的特征量分析与损伤状况的模糊辨识

基于对钢丝绳缺陷漏磁检测原理的分析,建立了一组全方位的钢丝绳缺陷信号特征量。应用模糊信号处理法,对缺陷信号特征量进行辨识,使钢丝绳损伤状况检测的准确性明显提高。介绍了新方法的试验结果。

离焦图象模糊辨识及复原方法研究

本文讨论如何根据离焦模糊图象确定其退化模型参数，并同时使模糊图象复原的问题，提出了一种基于模糊图象的梯度图象、最小二乘技术和斐波那契最优搜索法的有效方法．文中介绍了方法的基本原理，提出了实现该方法的算法步骤，并给出了对人工模拟图象和实际拍摄的离焦图象处理的实验结果．

自适应模糊辨识及其在大系统中的应用

本文基于T－S模糊模型构造了一种新的自适应模糊神经网络，给出了网络的连接结构和学习算法，它能自动学习和修正前件参数及模糊规则．将其用于大系统随机稳态递阶优化的控制建模中，仿真结果表明，该方法具有收敛速度快、辨识精度高、泛化能力强等特点，可当作复杂大系统建模的一种有效手段．

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型,提出一种自适应模糊神经网络模型(AFNN)。首先,基于模糊竞争学习算法确定系统的模糊空间和模糊规则数,并得出每个样本对每条规则的适用程度。其次,利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁,逼近能力强,能够显著提高辨识精度,并且辨识的模糊模型简单有效。最后,将该AFNN用于非线性系统的模糊辨识,仿真结果验证了该方法的有效性。

复杂系统的递阶模糊辨识

针对Takagi_Sugeno模糊模型 (T_S模型 )严重的维数灾问题 ,借鉴GMDH算法 ,提出了一种新的复杂系统递阶模糊辨识方法 .本文首先详细描述了由两输入变量的特殊T_S模型所组成的递阶模糊模型 ;然后提出了具体的辨识该递阶模糊模型的方法 .该方法的特点是 :a)在结构辨识阶段 ,用FCM模糊聚类方法评价系统中每个输入变量的重要性 ,以便构造合理的递阶模糊模型 ;b)预先合理地确定了所要辨识的参数的初始值 ,用扩展卡尔曼滤波方法可很快地得到这些参数 .最后 。