基于T-S模糊推理优化KPI的应用

模糊系统是一种基于知识或基于规则的系统,它的核心就是由所谓的IF-THEN规则所组成的知识库.模糊推理就是针对给定的系统输入,综合运用知识库中的模糊推理规则,获得系统输出的过程.而T-S模糊模型的基本思想是将正常的模糊规则及其推理转换成一种数学表达形式.本文拟将绩效考核与模糊推理的优越性进行有效的结合,研究讨论出T-S模糊推理在绩效考核中的应用.以验证其收敛性及优越性.

一种改进T-S模糊推理机在锅炉汽水系统中的应用

研究了T-S模糊推理机的结构,在此基础上设计了基于模糊规则调整的改进T-S模糊控制器,并给出了仿真结果,同时在实际的锅炉汽水系统应用中也取得了良好的效果。

基于HGA-ANN驱动边坡稳定评价T-S型模糊推理系统

边坡工程的分析评价会因人脑在思维判断上存在的模糊性,而导致整个分析和设计过程带有一定的模糊不确定性。因此,边坡工程实际上是一个动态的、模糊的、开放的复杂非线性系统,传统的分析方法有时难以对复杂边坡的稳定性做出符合实际的评价。模糊方法和人工神经网络(ANN)都已分别用于边坡稳定性评价中,此2种方法具有很多优点,但也存在各自的局限性。采用人工神经网络(ANN)模型构建T-S型模糊推理系统,利用混合遗传算法(HGA)训练ANN模型,得到了基于混合遗传算法人工神经网络驱动的T-S型模糊推理系统模型,探讨了该模型在边坡稳定性评价中的应用。根据广泛收集的80个边坡实例,建立了一个由HGA-ANN驱动的评价边坡稳定性的T-S型模糊推理系统模型。对实际边坡预测结果表明,该模型的预测精度明显高于目前同类方法。

自适应T-S型模糊径向基函数网络

针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络。为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法。在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作。将该网络应用于非线性函数逼近问题,取得较好的效果。

层级模糊推理系统的递进式建模方法

在层级模糊推理系统的实际应用中,经常会遇到数据维数较高的问题。本文提出一种递进式层级模糊推理系统建模方法,利用减法聚类构建列联表,通过独立性检验和惯量排序对每一层子系统的输入变量进行选择,当系统精度达到阈值时停止子系统的构建。该方法能够在保持系统精度的同时减少规则数。在层级模糊推理系统建模过程中,保持减法聚类对论域划分,避免建模过程中的重复聚类,降低计算复杂度。利用公测数据集进行仿真计算,并与已有算法进行比较,表明该方法精度良好,且规则数量大幅减少,具有普遍适用性。

DCT油泵电机温度的模糊推理研究

双离合变速器油泵电机软件包括电机控制、诊断、热保护3方面功能。温度估算是热保护的基础。针对在研项目中油温(电机环境温度)和逆变器温度可测的实际情况,提出了以油温、逆变器温度、逆变器温度变化量3个信号为输入,以电机温度为输出,设计模糊推理系统估算电机温度的方法。使用该方法对不同油温(最高114℃,最低-31℃)下的电机温度进行估算。结果表明估算温度与电机参考温度平均误差0.4℃,最大误差小于8℃,可用于电机参考温度的计算。

基于改进Gath-Geva聚类方法的磁流变阻尼器T-S模糊建模

磁流变阻尼器作为车辆智能悬架系统的核心元件,其逆模型的精度是影响车辆悬架减振控制性能的主要因素。文中针对全地形车悬架系统中磁流变阻尼器的滞回非线性导致建模精度低的问题,提出了采用基于改进的Gath-Geva聚类的模糊T-S建模方法。通过MTS试验机对磁流变阻尼器在不同工作频率、幅值和激励电流下的输出力进行测试和分析。基于试验测试结果和T-S模糊推理方法,建立了阻尼器的逆向模型。采用改进Gath-Geva聚类方法对建立的T-S模糊模型参数进行辨识,获得了激励位移、速度、阻尼力和控制电流之间的关系,提高建模精度和参数辨识速度。最后,通过试验对所提出的模糊非线性建模方法进行验证。结果表明,文中方法对阻尼器的控制电流具有较高的预测精度,电流预测值与实验值的均方根误差仅为0.0088 A。

基于T-S和AIFNN的旧住宅性能评价研究

在我国旧住宅资源日益增多的情况下,如何把握其性能的衰退程度和可利用程度,为旧住宅下一步的改造再利用提供科学的指导,是目前旧住宅研究面临的关键问题。基于旧住宅问题现状,从技术、经济、社会3个方面构建旧住宅性能评价指标体系,包含环境与规划、功能与空间、设备于设施、结构与安全等4个方面的内容;利用Takagi-Sugeno(T-S)直觉模糊推理实现不确定信息的量化表达,构建了基于自适应直觉模糊神经网络(adaptive intuitionistic fuzzy neural network,AIFNN)的旧住宅性能评价模型;结合仿真样本与实证案例,分析验证了模型的可行性及有效性。评价结果运用到旧住宅的市场实践中,为下一步的再利用提供科学的量化技术支持。

一种模糊神经网络的快速参数学习算法

提出了一种新的模糊神经网络的快速参数学习算法 ,采用一些特殊的处理 ,可以用递推最小二乘法 (RLS)来调整所有的参数 .以前的学习算法在调整模糊隶属度函数的中心和宽度的时候 ,用的是梯度下降法 ,具有容易陷入局部最小值点、收敛速度慢等缺点 ,而本算法则可以克服这些缺点 ,最后通过仿真验证了算法的有效性 .

小车倒立摆系统的模糊控制仿真研究

小车倒立摆系统是一个典型的非线性、不稳定的控制对象 ,因此小车倒立摆系统的控制问题被公认为控制理论中的一个典型问题。本文基于 Mamdani和 Takagi- Sugeno(简称 T- S)模糊推理模型分别建立了小车倒立摆模糊控制系统 ,用仿真的方法研究了它们的控制性能和特点 ,并与传统的

竞争式Takagi-Sugeno模糊再励学习

针对连续空间的复杂学习任务 ,提出了一种竞争式 Takagi- Sugeno模糊再励学习网络(CTSFRLN) ,该网络结构集成了 Takagi- Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法 .文中相应提出了两种学习算法 ,即竞争式 Takagi- Sugeno模糊 Q-学习算法和竞争式 Takagi- Sugeno模糊优胜学习算法 ,其把 CTSFRLN训练成为一种所谓的 Takagi- Sugeno模糊变结构控制器 .以二级倒立摆控制系统为例 ,仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法 .

基于GRA-AIFNN的住宅环境性能需求研究

为了让住宅环境更好的反映出居民的个性化需求,提出一种基于GRA-AIFNN的住宅环境性能评价模型,通过对居民满意度影响较大的关键因素进行模糊语言推理,利用自适应直觉模糊神经网络对输入语言进行训练,得出各因素的得分与评价等级。结果表明:交通道路与站点和绿植种类的得分为0.8469和0.9260,等级为A级,需求度较高;停车场地、运动器械和节能设施的得分分别为0.4159、0.5202和0.7722,等级为B级,需求度适中;景观设计、采光效果和物业服务的得分分别为0.2567、0.1972和0.3310,等级为C级,需求度偏低。该研究可为房地产开发商对住宅环境性能综合评判提供科学可靠的技术指导与支持。

基于开放平台的嵌入式数控系统开发

数控技术是当前工业生产中非常重要的控制技术,尤其是数控折弯机床系统智能技术是未来的发展方向。文章简单介绍并分析了模糊控制算法和数控折弯机床系统模糊控制器。

水泥分解炉运行参数预测模型

为了实现水泥分解炉非线性系统的建模与控制,利于数学分析等特点的T-S型模糊推理与可以实现任意非线性映射的神经网络相结合,在水泥分解炉生产工艺分析的基础上,建立了水泥分解炉运行参数的模糊神经网络预测模型.该预测模型结合某大型水泥厂现场采集的生产数据,进行了仿真验证.结果表明,模型计算简单,模型网络运算输出值(预测值)与样本期望值(现场采集数据)相差很小,说明该模糊神经网络具有较好的预测能力和泛化能力.

面向语言评价的Takagi-Sugeno模糊再励学习

综合考虑再励学习的两个重要子问题 :连续空间及语言评价问题 ,提出了一种新的学习方法 ,即面向语言评价的 Takagi-Sugeno(T-S)模糊再励学习。该学习智能体构建在 Q-学习方法和 Takagi-Sugeno模糊推理系统的基础上 ,适于处理连续域的复杂学习任务 ,亦可用于设计 Takagi-Sugeno模糊逻辑控制器。以二级倒立摆控制系统为例 。