粒度模糊规则建模方法研究综述

本文旨在梳理粒度模糊规则模型中的主要研究及构建方法,并且进行系统分析与总结。粒计算是一种能模拟人类思维方式和求解复杂问题的新兴理论体系,以此为基础的粒度模型为复杂非线性系统的描述和问题求解探索了新的方向。粒度模糊规则模型将信息粒融入现有的模糊规则建模方法中,进行粒度级别的系统建模,以实现更高层次的数据分析与推理。本文简要介绍模糊聚类和模糊规则模型的基础知识;归纳了信息粒的构建方法,并讨论了相应的评估方法;总结了典型的粒度模糊规则模型的设计架构和优化方法。

基于模糊层析分析法与关联规则的数据安全漏洞智能识别方法

关联规则的数据安全漏洞智能识别方法是直接对数据安全漏洞特征进行采样,而未对安全数据进行分类,造成方法漏洞识别率较低。因此,文章提出了基于模糊层析分析法与关联规则的数据安全漏洞智能识别方法。依托该方法进行安全数据分类,可对数据安全漏洞特征进行采样并根据采样结果对数据安全漏洞进行智能识别。实验结果表明,该漏洞识别方法具有较高的识别率。

基于模糊规则的电力系统运行数据异常识别研究

在识别电力系统运行数据异常的过程中,由于缺乏对数据之间关联关系的分析,识别结果的误差相对较大,因此提出一种基于模糊规则的电力系统运行数据异常识别方法。在构建电力系统运行数据模糊规则阶段,充分考虑了电力系统运行数据自身的属性特征,以合理粒度为原则,构建了具有多层结构的模糊规则,对数据的特征参量进行分割处理后,根据数据集中隐含的结构信息构建了电力系统运行数据之间的关联关系。在数据异常识别阶段,将模糊规则作为判断标准,计算电力系统运行数据的特异性程度,并通过约束模糊粒度保障识别结果的精度。测试结果证明,设计方法对不同程度数据异常的识别误差始终稳定在3.0%以内。

基于模糊规则和神经网络的新能源消纳数据清洗研究与应用

为了充分挖掘和高效利用新能源的消纳空间,需要在调度控制时考虑广域量测、环境、气象以及社会等多源信息。数据清洗是使用这些数据的前提,提出了一种数据清洗技术,分析了新能源消纳能力计算的数据来源以及数据间的隐含关联,将其转换为PSL形式的模糊规则,构建了面向新能源消纳数据清洗的神经网络。以张家口市张北县2020年风电数据为例进行数据清洗。结果表明:数据清洗并修复后的数据正确率达到98.3%,该技术能够有效地利用多源信息的关联映射关系,实现对不良数据的有效甄别。研究结果可为各方参与新能源建设和开展新能源价值挖掘提供可靠的数据支撑。

基于多目标模糊优选模型的防洪预报调度规则决策树制定与效果分析——以大亚湾区鱿鱼湾水库为例

以鱿鱼湾水库为研究对象,基于多目标模糊优选模型和决策树方法,探讨了防洪预报调度规则的制定和效果分析,通过收集整理鱿鱼湾水库的水文数据,分析水库调洪演算基本原则,研究多目标模糊优选模型理论和方法,制定水库防洪预报调度规则决策树,并对洪水调度的准确性和适用性进行分析。研究结果表明,基于多目标模糊优选模型的防洪预报调度规则决策树可以有效提高水库的防洪能力和评估模型的决策效果,可为类似研究提供借鉴参考。

正压呼吸防护面罩中无刷电机的模糊PID控制

正压呼吸防护面罩是作为医护工作者抗击新型冠状病毒(SARS-CoV-2)所使用的个体防护装备。本文忽略呼吸扰动等因素对送风子系统所产生的干扰,以送风子系统中的无刷直流电机为研究对象,建立无刷直流电机的数学模型;在MATLAB/Simulink环境中建立无刷直流电机转速PID控制模型,但由于无刷直流电机存在非线性、时变性等特点,导致PID控制对送风子系统中无刷直流电机的控制效果并不理想。然而,由于模糊控制不需要被控对象的精确模型,所以可以使用模糊PID来完成对送风子系统中无刷直流电机的控制优化。通过仿真实验结果表明:使用模糊PID控制系统的稳定性优于PID控制系统,无刷直流电机控制性能得到提升。

地面机动作战要素类别的模糊识别规则提取

针对地面机动作战体系中各作战要素类别识别难的问题,设计了一种地面机动作战要素类别识别的模糊规则提取流程,并通过基于作战要素类别识别特征构建识别特征向量,利用计算识别特征隶属度提取其中的模糊识别规则,使用信息熵对存在冲突的模糊识别规则进行消歧,采用作战要素类别识别特征权重构建模糊识别树等步骤说明实现过程,通过实验验证了该方法的有效性。

基于模糊规则的智能汽车弯曲坡道避撞控制研究

针对智能汽车自动代客泊车驶入地下停车场过程中易在弯曲坡道内与其他行驶车辆发生碰撞的问题,文中提出了一种基于模糊规则的弯曲坡道避撞控制方法。首先,对地下停车场弯曲坡道内潜在碰撞场景及安全车距进行了分析;然后,进行了模糊避撞控制器的设计,并基于环境感知系统的输出进行了避撞控制模糊规则库的建立;最后,利用CarMaker与Simulink搭建了联合仿真平台,对文中设计的模糊避撞控制器进行了验证。结果表明:文中研究的基于模糊规则的避撞控制方法在地下停车场弯曲坡道上能够收到良好的避撞效果。

基于模糊计算的音乐人工智能演奏系统设计

本文设计了一种基于MIDI的音乐人工智能演奏系统,其特点是根据乐谱音乐要素审美的模糊性,运用模糊计算建立了能够调整声音变化参数的演奏解释规则。该系统在人机交互的作用下,会产生符合演奏者或学习者音乐表现需要的自适应、自调整功能。系统功能通过MIDI声音调整技术、音乐感知规则生成技术、音乐审美学习技术等环节实现。基于模糊计算的音乐演奏系统克服了MIDI音乐情感表现力的局限性,将演奏算法作为一种人工学习工具融入演奏技术系统中,从一定角度建立了音乐人工智能演奏的审美表现学习模式,为音乐演奏者提供了一种从审美感知到认知的学习训练系统。

基于模糊规则的地面式储能系统自适应PID控制

城市轨道交通地面式储能系统采用电压环串电流环的结构,根据直流网电压来控制其充放电。此处对地面式超级电容储能系统DC/DC变换器电压外环控制动态响应速度和稳定性进行了优化研究,利用传递函数分析了牵引网电压、超级电容电压和电感电流变化对电压环电流环性能的影响,结果表明超级电容电压、牵引网电压共同影响充电电压环动态响应速度;其次考虑电压环引入滞环判断,分析由于滞环带来的非线性特性对充电电压环稳定性的影响,结果表明滞环在一定条件下会对充电电压环的稳定性造成影响;在所分析的问题基础上,提出了充电电压环模糊自适应比例积分微分(PID)控制策略,改善了充电电压环动态响应速度和稳定性。

基于特征选择和模糊类支持度的模糊分类关联规则挖掘算法

模糊分类关联规则(Fuzzy Classification Association Rules,FCAR)是一种特殊的模糊关联规则,挖掘FCAR对于构建基于规则的分类模型至关重要。传统关联规则挖掘算法挖掘FCAR时可能会包含较多冗余规则,并且在数据集类别不平衡时,挖掘到的小类规则的数量会急剧减少甚至降为0。为解决上述问题,提出了一种基于特征选择和模糊类支持度-模糊提升度框架(Fuzzy Category Support-Fuzzy Lift Framework,FCS-FLF)的FCAR挖掘算法FSFCS Based FCARMiner(Feature Selection and Fuzzy Category Support-Fuzzy Lift Framework Based FCAR-Miner),基于模糊隶属度矩阵迭代挖掘FCAR。在多个类别不平衡的数据集上的实验结果表明,相比其他算法FSFCS Based FCAR-Miner算法能够避免大量冗余规则的生成,同时也能适应数据类别不平衡的情况,不会出现各类规则数量相差悬殊的情况。

基于模糊识别的制冷系统故障诊断研究

【目的】解决制冷系统故障诊断中不确定性知识的表示问题。【方法】以典型的制冷压缩机为例,采用模糊识别理论方法,研究了基于压缩机振动噪声和温度信号的故障特征提取、模糊规则库构建、模糊矩阵匹配识别算法设计。【结果】仿真结果表明,该方法可以检测识别出润滑故障、制冷剂流量故障、过载故障和管路连接故障等常见故障,总体识别准确率达到80%以上,实现了对压缩机故障的有效检测和预警。【结论】相比依赖大数据的深度学习技术,该方法更可靠,更适用于对安全性和稳定性要求较高的制冷系统。应进一步扩充规则库,丰富可识别故障类型,并进行更多工程验证,以提升故障诊断与预测的效果。

基于模糊数学的多源异构数据融合模型

针对多源异构型数据来源复杂、结构特殊,导致其融合难度较大的问题,为提升数据融合效率与准确性,提出一种基于模糊数学的多源异构数据融合模型.首先,利用联邦加权平均融合策略,整合从各传感器传输至数据级融合层中的元数据,得到数据级融合结果;其次,结合主成分分析法与典型相关分析法,提取出由网络本体语言统一后数据的特征,完成特征级数据融合;再次,根据模糊数学理论建立、更新模糊规则库,通过决策融合算法,得到决策级融合结果;最后,将上述不同层级的数据融合结果结合建立数据融合模型,得到最终的数据融合结果.实验结果表明,该方法的最大协方差值和绝对误差值不超过0.15,最短融合时间仅为12.6 ms.该方法的融合精度和稳定性较好,时效性与抗扰性均具有显著的优越性.

基于改进模糊置信规则的意图识别方法

针对传统意图识别方法只能处理某种类型不确定性信息的不足,该文结合模糊集和DS证据理论优势提出一种模糊置信规则库(BRB)信息处理方法。首先在置信规则前提部分改进了前提属性的连接关系,根据数据集统计分布特点设计了模糊集分割,选取Cauchy型分布作为隶属度函数,较好地避免置信规则无法被有效激活进而导致系统无有效输出问题;其次融合处理辨识框架内不同类别的置信分布,建立规则权重和特征权重优化模型,构建了特征空间与类别空间之间的输入输出关系;在此基础上,计算未知意图数据在相应规则模糊域的匹配度和激活度,采用置信度最大原则进行识别决策。通过实验验证、参数敏感性及结果分析、时间复杂度分析,表明该文方法可以获得比其他识别方法更高的正确率,尤其是在小样本条件下更能体现出该方法的有效性和可靠性。

基于信息粒化与模糊规则的烧结过程工况感知

铁矿石烧结过程是铁前炉料制备的主要工序。烧结矿的质量对高炉冶炼有直接影响。工况是烧结过程燃烧状态的综合体现,而稳定的工况也是提升烧结矿质量的前提。因此,实现烧结过程工况感知对实际生产具有重要的指导意义。提出一种基于信息粒化与模糊规则的烧结过程工况感知方法,利用皮尔逊相关性分析方法对烧结过程参数进行分析,对工况感知模型输入参数的时间序列数据进行信息粒化,构建模糊规则模型,进而实现烧结过程的工况感知,并基于工业实际运行数据对所提出工况感知模型进行验证。试验结果表明,所构建的工况感知模型能够有效的感知工况,可为烧结过程优化决策提供依据和参考。

基于模糊规则的鲁棒预测舵减摇控制

[目的]针对模型预测控制(MPC)中因权重值固定所导致的欠驱动船舶在舵减摇时对转向的响应较慢的问题,提出一种基于有限时间扩张状态观测器(FTESO)、模糊控制规则和鲁棒预测控制的舵减摇控制器设计方法。[方法]首先,建立固定航速欠驱动船舶线性模型用于控制器设计,FTESO用于观测船舶运动状态和外部扰动;然后,通过对船舶在航向保持和变航向的情况进行分析,设计这2种情况下的目标函数权重,并建立状态观测值与目标函数权重之间的模糊规则,随后采用鲁棒预测控制解决带约束的多目标协同控制问题;最后,以一艘多用途舰艇为例进行数值仿真分析。[结果]结果显示,在航向改变情况下,对比扰动补偿模型预测控制和扰动观测器强化模型预测控制,发现减摇效果分别提升了5.74%和0.8983%,对于30°的转向的响应时间分别减少了1.8和7.3 s,证明了所设计控制方法的闭环稳定性。[结论]研究表明,所提方法在欠驱动船舶减摇方面是有效的。

基于模糊关联规则的海量气象数据动态挖掘

海量气象数据之间存在模糊关联性,且这种模糊关联性难以确定,所以研究基于模糊关联规则的海量气象数据动态挖掘方法。结合EMD和MIC设计时间序列数据去噪算法,对海量气象数据进行去噪处理。搭建基于生成对抗网络与时间指数的GAN-TRTI缺失值补全函数,填补时间序列缺失值。使用模糊关联规则与粒子群优化算法设计海量数据动态挖掘算法,实现海量气象数据的动态挖掘。测试结果表明,在所设计方法的挖掘结果中,样本对于挖掘规则的平均置信度较高,最终稳定在92%左右,平均支持度最终达到90%,说明该方法的挖掘效果好。

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。

海上编队协同防空作战规则反演方法

为解决海上编队协同防空作战中多任务多平台的协同决策问题,提出基于遗传模糊逻辑树的协同防空作战规则反演方法。设计面向威胁判断、目标分配、火力控制等指控决策的级联式模糊推理系统,采用演化学习从博弈对抗中学习和反演协同作战规则。作战仿真测试表明,该方法能够适应战场的动态变化且决策时延低于1 s。基于遗传模糊逻辑树的作战规则反演缓解了深度强化学习等面临的可解释性问题和作战仿真中的奖励稀疏问题,同时反演生成的作战规则也为剖析战场规律提供了新的知识来源。

基于RBF网络的模糊if-then规则快速提取

提出了一种基于径向基函数神经网络 ( RBF网络 )的模糊规则提取的新方法。该方法快速、有效且提取的规则清晰。得到的模糊神经网络可用于非线性系统的逼近。