基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的"泛模型",从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.

基于粒子群算法的模糊插值建模方法研究

由于传统模糊建模方法中模型参数都是人们根据经验选取的,它对于不同系统的动态跟踪能力不同,泛化能力差。针对常规模糊推理的局限性,本文提出一种基于参数的模糊插值建模方法。设计了模糊糊理系统的模型和参数调整方案,利用粒子群算法优化模型中的参数,仿真结果表明该方法的有效性。