广义模糊双曲正切模型:一个万能逼近器

提出一种广义模糊双曲正切模型,此模型可以看作是模糊双曲正切模型的扩展.讨论了广义双曲模型与T-S模型的关系,证明了此模型是T-S模型的真子集,它具有全局逼近性.给出了此模型的一种参数及结构的辨识算法,仿真结果表明了建模及辨识算法的有效性.

典型T-S模糊系统是通用逼近器

研究的多输入单输出T S模糊系统采用输入变量的线性函数作为规则后件 ,称为典型T S模糊系统 ,在每个输入变量的模糊子集满足一致性以及隶属函数连续且分段可微的条件下 ,证明了典型T S模糊系统是通用逼近器 .以此为基础 ,提出当典型T S模糊系统采用BP算法进行在线学习时 ,可以仅调节规则后件的参数 。

线性T-S模糊系统作为通用逼近器的充分条件

作为模糊系统理论研究和实际应用的基础 ,对模糊系统通用逼近性的研究已经取得了很大的进展 ,但是只有为数不多的文献研究了模糊系统作为通用逼近器的充分条件 .提出了线性 T- S模糊系统以任意精度一致逼近紧致集上任意连续实函数的一个充分条件 ,并给出了数值示例 .

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.

一种新的CMAC函数逼近器及其再励学习方法

针对复杂再励学习系统状态空间存在维数灾问题 ,结合多移动机器人协调避障路径规划实际应用 ,用非均匀模糊分割方法将状态空间分解成模糊子空间 ,相应地将小脑模型连接控制器网络 ( Cerebellar Model Articulation Controller,CMAC)函数逼近器改进为模糊 CMAC( FuzzyCMAC,FCMAC)函数逼近器 ,并将 FCMAC函数逼近器置入滞后更新多步 Q( Postphoned- Up-dating Multi- Step Q- learning,PUMSQ)学习算法 ,提出 FCMAC- PUMSQ学习算法 .仿真实验证明 ,该算法有效且有较好的鲁棒性 。

模糊系统作为通用逼近器研究综述

概述Mamdani型和T-S型模糊系统作为通用逼近器的性能及影响因素,讨论改进其结构参数的新方法,总结近年来的相关研究进展情况。针对"维数灾难"问题,分析递阶分层模糊系统和二型模糊系统对此问题的研究思路和最新进展,并分析模糊系统研究的热点问题及研究发展方向和趋势。

四层前向神经网络作为通用逼近器的一致性分析

如果转移函数σ:R→ R是 Tauber-Wiener函数 ,即σ∈ (TW) ,本文给出了四层前向神经网络 ∑pi=1vi(∑qj=1uijσ(Aij. x +θij) )作为通用逼近器的一致性分析 ,且选取了该网络具有某类特殊性质的连结权。例如 ,若 f,g是连续函数 ,且 f≤g,则相应的连结权关于 f,g是递增的 ,等等。最后为验证结论 ,给出了一个模拟例子。

基于模糊参数逼近器的永磁同步电机反推控制

为了解决永磁同步电机的非线性、强耦合及不确定干扰等因素的影响,文章拟采用非线性动态逆控制和反推控制相结合的方法来设计控制系统。动态逆控制能够实现多输入多输出系统的精确线性化,解决电机多变量间的强耦合问题。反推控制能够保证系统全局一致渐近稳定,但对变化较快和较大的参数扰动抑制不够理想,在此基础上,采用模糊参数逼近器来消除负载扰动等因素对电机的影响。仿真结果证明了该方法的有效性。

两类层次模糊Mass-Assignment系统是全局逼近器(英文)

基于mass assignment 理论,提出了两类层次模糊mass assignment系统,并运用构造性证明过程证明了其全局逼近性质.由于类型1层次模糊系统的规则数与输入变量数呈线性关系,类型2层次模糊系统按逼近精度要求引入子模糊系统,因此,此两类层次模糊mass assignment系统可被用来有效地克服模糊规则爆炸问题,即所谓的规则数与输入变量数呈指数关系问题.

一种新型模糊神经网络函数逼近器

论文提出了一种新型模糊小脑模型神经网络(NFCMAC),它采用模糊隶属度函数作为接收域函数,能够获得较常规CMAC连续性强且有解析微分的复杂函数近似,具有计算量少,学习效率高等优点。同时研究了NFCMAC接受域函数的映射方法、隶属度函数及其参数的选取规律和学习算法。仿真结果表明NFCMAC具有良好的泛化能力和逼近精度,具有较高的收敛速度。

正则模糊神经网络是模糊值函数的泛逼近器

通过分析多元模糊值 Bernstein多项式的近似特性 ,证明了 4层前向正则模糊神经网络 (FNN)的逼近性能。该类网络构成了模糊值函数的一类泛逼近器 ,即在欧氏空间的任何紧集上 ,任意连续模糊值函数能被这类 FNN逼近到任意精度。最后通过实例给出了实现这种近似的具体步骤。

一种基于神经网络在线逼近器的非线性鲁棒故障诊断方法

针对一类不确定非线性动态系统,提出了一种基于神经网络在线逼近结构的鲁棒故障检测方法.该方法通过构造神经网络通过在线逼近结构学习非线性故障特性来监测动态系统的反常行为,当故障发生时,在线估计器可逼近各种可能的未知故障,然后对其进行诊断和适应.神经网络权重的在线学习律没有持续激励的要求,并采用Lyapunov稳定性理论保证了闭环误差系统一致最终有界稳定.

由规则并算子构造的泛模糊逼近器的充要条件

通过引进规则并算子的概念,本文给出31个规则并算子;证明了三角模是规则并算子;给出由规则并算子构造的控制器是泛模糊逼近器的充要条件。

分组区间二型模糊神经网络抗噪逼近器的研究

将区间二型模糊系统与神经网络系统相结合,运用分组的思想构造抗噪逼近器,并用提出的抗噪性能评价标准进行抗噪衡量。实验结果表明,该方法具有更好的逼近能力和抗噪能力。

基于误差逼近器的巡航飞行器反步控制

针对巡航飞行器在飞行过程中系统特征及各项参数时变、对控制系统强非线性的情况,设计了一种以反步法为基础的误差逼近鲁棒非线性系统。首先,对巡航飞行器建立6-DOF非线性模型,根据反馈线性理论,将系统转化为含有误差项的严格反馈MIMO系统。其次,利用Backstepping设计控制律和误差逼近律,在虚拟控制律设计中引入动态面法来避免多重微分运算,以解决"项数膨胀"问题。最后,运用Lyapunov稳定性定理证明了闭环系统有界且跟踪误差指数收敛于零的一个邻域内。通过飞行器飞行仿真,结果表明控制器在外界未知干扰下具有很强的稳定性和鲁棒性。

基于神经网络逼近器的液压支架多缸协同控制

针对当前综采工作面液压支架定位精度低、直线度控制困难等不足。利用神经网络学习训练速度快、逼近能力强等优势,构建了RBF神经网络逼近器。通过高阶滑模状态观测器对液压缸状态进行估计,利用神经网络逼近器来逼近液压缸扰动非线性函数,从而完成液压支架多缸控制。MATLAB仿真结果表明,基于神经网络逼近器的液压支架多缸协同控制方法响应速度快,控制精度高,且具备协同作业的能力,能够进一步提升液压支架的控制效率。

模糊系统作为通用函数逼近器的研究

讨论采用某一固定函数(称为基函数)的伸缩及平移作为隶属函数的情形,证明在基函数可积、积分非零且几乎处处连续的条件下,模糊系统是通用的函数逼近器.拓宽了可作为通用函数逼近器的模糊系统的类型.仿真对该结论进行了验证.

变论域模糊控制器的万能逼近性及其逼近条件

通过一组非线性伸缩因子实时地调节论域,变论域模糊控制器显著减少初始规则的数量,在期望控制点有效地提高控制精度。首先,证明这类模糊控制器的逼近误差具有收敛性,从而证明它在整个时域上是一种万能逼近器,即它能以任意精度逼近紧集上的任意非线性实函数;并指出它是一种二阶精度的逼近器;在预定精度条件下,给出它作为逼近器的充分条件。最后,通过1个数值实例验证变论域模糊控制器逼近非线性函数的实际效果。研究结果表明:逼近精度完全满足给定的要求,相对常规模糊控制器,变论域模糊控制器的逼近精度提高87.4%。

基于在BP嵌入动量因子的IDSS函数逼近器

在领域工程中 ,经验模型都有一定的适用范围和一定的时效性 ,这主要反映在参数和因子的选取上 .加入动量项的BP算法能克服原来BP算法的缺点 ,运用于IDSS的知识推理、导则方面 ,能使模型的系数随环境的变化而变化 .上述思想在“单流域多水库联合调度系统”和“云南城市圈域经济辐射力模型的构建及实证研究”的推理机的设计实验阶段中得到体现 .把该算法用MATLAB和C ++做成函数逼近器来进行曲线拟合 ,实验数据和结果证明 ,该改进的BP算法能自动对“新安江模型”和辐射力模型的参数进行调整使之适合不同时期段的情况 ,这大大加强了该模型对环境的适应性 ,将进一步提高该软件产品的通用性 .

基于梯形隶属函数的模糊控制器的逼近精度分析

讨论了一类基于梯形隶属函数、单值模糊器、乘积型推理和中心平均解模糊的模糊控制器结构。利用泰勒公式,给出了一个在预定逼近精度的条件下如何划分模糊论域的公式,并且用仿真例子验证了该公式的正确性。仿真结果表明,该文所提出的计算公式是一个充分条件。