基于二型模糊逻辑控制的半挂车轨迹跟踪研究

自动驾驶商用半挂车可以显著提升干线物流效率。然而半挂商用车是典型的欠驱动系统,在大曲率运动工况下难以同时兼顾牵引车和挂车的横向轨迹跟踪精度。随着车辆速度和负载的提升,挂车质心转移及载荷转移加剧,对铰接处产生更强烈的不确定性影响,造成挂车与牵引车之间行驶轨迹的偏差进一步加大,增加了轨迹跟踪难度,影响了行驶安全性。为提高半挂商用车牵引车与挂车的横向安全性,本文提出一种基于二型模糊控制的鲁棒路径跟踪策略。首先,在MATLAB/Simulink中建立了半挂车辆的7自由度动力学模型,精确模拟牵引车与挂车的横-纵向运动动力学特性。其次,利用二型模糊逻辑控制理论中输入隶属度函数对系统不确定性的覆盖特性,设计了同时调控牵引车和挂车横向轨迹跟踪精度的二型模糊控制器。为提高不确定因素影响下横向轨迹跟踪控制的精度,降低控制器设计难度,采用粒子群优化算法对二型模糊控制器的输入隶属度函数参数进行优化。最后,利用MATLAB/Simulink与TruckSim的联合仿真平台,分别在不同车速和负载条件下进行车辆轨迹跟踪的仿真,以验证本文提出的控制策略,并与一型模糊控制和预瞄控制结果进行对比。结果表明:在双移线这种轨迹曲率发生变化的工况下,本文提出的二型模糊控制器对牵引车和挂车的横向轨迹跟踪精度有明显提升。

基于遗传算法的广义Takagi-Sugeno模糊逻辑系统最优参数辨识

针对 Takagi- Sugeno模糊逻辑系统的隶属函数不具有自适应性且模糊规则数的确定带有很大的人为主观性 ,这里引入了一类广义 Takagi- Sugeno模糊逻辑系统 ;在模型实现上 ,以广义 Takagi- Sugeno模型为个体 ,采用简单、有效的矩阵编码方式 ,借助遗传算法得到一个次优的广义 Takagi- Sugeno模糊系统模型 ,该模型不仅能很好地逼近所要辨识的非线性系统 ,而且还具有较低的复杂度 .仿真结果表明了广义 Takagi- Sugeno模型及其参数辨识方法的正确性和有效性 .

基于区间二型模糊逻辑的短期风速预测研究

针对风速具有强随机性而难以准确预测的问题,引入二型模糊逻辑以减小预测误差。基于反向传播-奇异值分解混合迭代算法,建立了区间二型模糊模型用于风速的短期时间序列预测,首先通过反向传播算法调节模型输入及规则前、后件集合的参数,然后利用奇异值分解法优选模型规则。同时,基于反向传播算法建立了一型模糊模型和区间二型模糊模型,将其预测结果作为检验性能的基准。仿真结果表明,基于混合迭代算法的区间二型模糊模型能有效精简系统规则并提高预测精度,具有一定的实用价值。

基于二型模糊逻辑的交通流量预测

提出了一种改进的模糊c均值聚类算法,该算法将模糊聚类的对象从单值扩展到区间,在构造二型模糊系统时,通过对历史数据的学习提取二型模糊规则,克服了专家方法不能对未知领域提取规则的不足.在此基础上,针对智能交通系统,提出一种新的基于二型模糊逻辑的交通流量预测方法.该方法应用区间型二型模糊集具有上下限隶属度函数的性质构造预测区间,适合于处理具有复杂不确定性的情况.通过隶属度函数可以反映出该区间中预测值的可靠性,从而克服了其他预测方法仅给出单值且稳定性不高的缺点.仿真结果表明,基于二型模糊逻辑的流量预测区间具有较高的准确度,其平均相对误差低于6%.

基于加权Karnik-Mendel算法的区间二型模糊逻辑系统降型

二型模糊逻辑系统是当前的学术研究的热点问题,而降型是该系统中非常重要的一个模块.Kamik-Mendel(KM)算法是被用来计算和完成区间二型模糊逻辑系统降型的标准算法.通过比较离散版本KM算法中求和运算和连续版本的KM(continuous version ofKM,CKM)算法中求积分运算,本文利用数值积分技术中牛顿-柯斯特求积公式将标准KM算法扩展成3种不同形式的加权KM(weighted KM,WKM)算法.而KM算法只是WKM算法中的一种特殊情况.3个计算机仿真例子用来阐述和分析WKM算法的表现,与传统的KM算法相比,WKM算法有较小的绝对误差和较快的收敛速度,给二型模糊逻辑系统设计者和应用者提供了潜在的应用价值.

基于区间二型模糊逻辑的短期电力负荷预测

针对电力负荷的波动具有强随机性而难以准确预测的问题,引入区间二型模糊逻辑方法以减小预测误差.提出一个区间一型非单值二型模糊逻辑模型,用于一小时电力负荷的时间序列预测,并利用反向传播算法来调节模型输入及规则前、后件的参数.同时,构建一个基于反向传播算法的非单值一型模糊逻辑模型,将其预测结果作为检验性能的基准.仿真结果表明,区间一型非单值二型模糊逻辑模型提高了预测精度,性能优于相应的非单值一型模糊逻辑模型,验证了二型模糊逻辑方法能更有效地处理不确定性的观点.

基于2型模糊描述逻辑的知识描述与推理及其在信任管理系统中的应用

描述逻辑由于其强大的描述能力与成熟的推理算法而被广泛应用。然而,经典描述逻辑局限于处理确定的概念和关系,从而导致描述逻辑很难处理类似语义网等大型本体系统中的模糊知识。虽然1型模糊集可以一定程度上减轻不确定性带来的影响,但是其采用确定的隶属度值来决定模糊度的方法是不够精准的。与之相比,基于2型模糊集的系统能够利用隶属度区间更加精确地描述模糊信息。本文给出描述逻辑ALC的2型模糊扩展形式,并且给出并分析了2型模糊ALC的描述和推理方法。最后使用2型模糊ALC建立了一个基于模糊本体的信任管理系统F-OntoTM。

一种相关型模糊集合及其在模糊逻辑系统中的应用

基于t-范数和t-余范数的模糊推理无法将模糊规则中前件集与后件集的相关性信息引入到模糊推理过程,这在某些情况下会导致模糊推理结果与实际经验不符。针对此问题,首先引入模糊集合之间相关度的概念,使模糊概念之间彼此相关。然后,在模糊集合相互关联的环境下提出相关型模糊集合的概念,包括相关type-1、相关区间型type-2以及相关一般型type-2模糊集合,并在理论上把模糊集合的基本概念和运算性质放在相关型模糊集合的环境下进行讨论,同时定义其自身特有的一些运算。最后,对相关型模糊集合在2种模糊逻辑系统(T1 FLS和IT2 FLS)中的应用进行探索,提出面向后件集的模糊推理方法。仿真实例表明:该方法比传统的模糊推理方法能捕获到规则中更多的不确定性信息。

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.

一种用模糊逻辑控制的新型三相电压型PWM整流器

介绍一种基于模糊逻辑的三相AC/DC空间矢量变流技术方法,该方法软件结构简单,便于技术实现.应用该方法研制的样机,谐波失真THD值小于3.9%.

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.

基于二型模糊逻辑系统的改进卡尔曼滤波算法

针对量测噪声协方差不能准确获知或随时间不断变化这一问题,提出一种基于二型模糊逻辑系统的自适应卡尔曼滤波算法。利用二型模糊逻辑对量测噪声进行自适应调整,使残差的理论协方差和实际协方差相一致,影响滤波的增益值,修正状态的估计值。为验证该算法的有效性,将其与传统卡尔曼滤波、一型模糊卡尔曼滤波两种算法进行对比,比较结果表明,二型模糊卡尔曼滤波算法能有效提高状态估计的准确度。

基于二型模糊逻辑的多线程数据竞争检测方法研究

多线程机制以其诸多优势在程序开发中被广泛使用,然而随着多线程软件规模的增长,程序中潜存着许多并发缺陷,最常见的并发缺陷是数据竞争和死锁。目前,针对这些并发缺陷的检测手段都无法处理线程时序的不确定性,无法处理运行时环境对线程时序的影响,同时也不能计算这些并发缺陷发生的概率并根据概率生成其处理优先级。针对以上问题,提出了一种基于二型模糊逻辑的多线程数据竞争检测方法。该方法将传统的多线程时序分析和缺陷检测方法作为预处理,考虑程序运行时环境因素对线程时序的影响,利用二型模糊逻辑和隐马尔科夫模型对待检测程序建模,计算待检测程序在某一系统负载下的时序概率,并根据时序概率生成时序缺陷处理优先级列表供软件开发人员参考。

区间二型模糊逻辑系统非单点模糊化研究

针对传统模糊逻辑系统在描述事物的不确定性方面存在的缺陷,研究了区间二型模糊逻辑系统,详细讨论了区间二型模糊逻辑系统的模糊推理过程.以高斯-高斯函数为例,说明了在非单点模糊化的情况下,输出规则隶属度的计算方法,为区间二型模糊逻辑系统的建立奠定基础。

基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断

该文提出了一种基于Takagi-Sugeno型自适应模糊神经网络故障诊断方法。首先通过电路仿真获得故障样本,其次利用主成分分析对故障样本进行降维处理,减少自适应模糊神经网络的输入,降低训练时间,然后采用BP算法与最小二乘法相结合的混合学习算法训练自适应模糊神经网络的连接权值和隶属度函数。仿真结果表明,此方法能够快速有效地对模拟电路的故障进行诊断和定位,表现出了很好的应用潜力,在容差模拟电路故障诊断领域具有较好的应用前景。

Takagi-Sugeno型分层混合模糊-神经网络训练算法研究

为寻求适合离散和连续变量并存数据特点的最佳训练算法,本文对基于三角波,梯形,Gaussian隶属函数的Takagi-Sugeno型分层混合模糊-神经网络训练算法进行综合比较研究,使用梯度下降法详细推导了各个参数的迭代规则,并给出了完整的训练算法和详细的参数调整过程.以Pyrimidines和Heart-UCI为数据分别进行函数逼近与数据分类实验,并与经典的BP算法比较.实验结果表明Takagi-Sugeno型分层混合模糊-神经网络在高维且离散与连续变量混合的函数逼近和分类上比BP神经网络更具优势,而基于Gaussian隶属函数的训练算法函数逼近精度比基于三角波和梯形隶属函数的训练算法精度更高.

基于二型模糊逻辑的信任评价模型

提出采用二型模糊逻辑系统来建立信任评价机制.二型模糊集合是三维的,它是一型模糊集合的扩展,引入了新的一维数据来表示成员关系的级别,为描述和处理信任的不确定性提供了更大的灵活性.建立了基于二型模糊逻辑的信任评估控制规则,实现信任评价奖惩机制,从而建立了自适应的信任评价体系.

面向后件集的模糊推理机制:用于区间型type-2模糊逻辑系统

目前,大多数模糊推理都是利用t–范数和t–余范数或其改进形式对连接词进行建模,这些模型不能将模糊规则中前件集与后件集之间的相关性信息引入到模糊推理过程,这会丢失蕴含在规则中的一些信息甚至导致推理结果与实际经验严重不符.为解决此问题,本文首先引入模糊集合面向对象变换的概念,并将其推广,建立了合成type-2模糊集合模型.基于此模型,针对区间型type-2模糊逻辑系统,提出一种面向后件集的模糊推理机制,该机制能将前件集与后件集的相关性信息(包括清晰数和模糊数两种情形)引入到模糊推理过程.仿真结果表明,该方法能捕获到模糊规则中更多的不确定性信息,并为模糊逻辑系统的设计提供更大的自由度.

区间二型模糊逻辑系统质心降型及加权Nie-Tan算法

降型是二型模糊逻辑系统中的核心模块。Nie-Tan (NT)算法不涉及到迭代过程,可直接得到系统输出,具有减少计算消耗的优势,而连续NT(CNT)算法在最近的研究中被证明为准确的质心降型算法。通过分析离散NT算法中求和运算和连续NT算法中的求积分运算,利用数值积分技术中牛顿-柯斯特求积公式将NT算法扩展成3种不同形式的加权NT(WNT)算法。在取相同的主变量采样率的情况下,3个计算机仿真例子表明了WNT算法比NT算法有更小的绝对误差且计算速度几乎相同,这使3种不同形式的WNT算法在区间二型模糊逻辑系统的实时应用上具有潜在的可行性和有效性。

基于区间二型单点Mamdani模糊逻辑系统的Mackey-Glass时间序列预测

介绍了Mackey-Glass混沌系统模型及系统在混沌状态下的状态变量时间序列。然后设计基于Back-propagation(BP)算法调节参数的区间二型单点Mamdani模糊逻辑系统,用设计的系统对混沌状态下的状态变量时间序列进行预测。预测性能指标和仿真结果表明,区间二型单点Mamdani模糊逻辑系统优于单点一型Mamdani模糊逻辑系统,所设计的区间二型单点Mamdani模糊逻辑系统对混沌状态下Mackey-Glass时间序列预测是有效的和可行的。