基于Tsukamoto模糊推理的特征加工方案决策方法

作为工艺设计中的重要环节,特征加工方案决策对智能化的工艺设计具有重要作用。通过构建基于Tsukamoto模糊推理的特征加工方案决策方法,分析影响特征加工方案选择的因素,建立决策因素与特征加工方案之间的隶属关系,利用单因素推理和多因素推理进行去模糊化处理,根据隶属度大小最终实现特征加工方案的模糊决策,实现特征方案的优选。最后,通过实例验证了该方法在特征加工方案决策中的有效性。

融合语义分割与模糊推理的无人机应急降落选址算法

随着无人机的应用领域从娱乐摄影拓展到物流、军事和灾害响应,对于无人机的自主智能化要求也越来越高。针对无人机紧急情况下自主降落区域复杂难以保证着陆安全的问题,提出了一种实时语义分割网络与模糊推理相结合的降落选址算法(STDC-LSSNet)。考虑到潜在危险因素在航拍图像上占比小、易被错误分割的问题,提出了小目标特征提取模块(small target feature capture module,STFCM),通过计算不同尺度特征的相似性并进行权重分配,强化小目标特征的表达。考虑到安全区域与危险区域边界混淆会导致无人机降落存在巨大风险,提出了边界特征融合模块(boundary feature fusion module,BFFM),将浅层网络由拉普拉斯卷积得到的边界信息与深层网络的语义信息进行特征融合,引入注意力机制,增强边界区域特征的表达。通过对分割得到的图像进行模糊推理,从而精确识别应急降落地点。所提算法在公开数据集Semantic Drone和AeroScapes上与最先进的算法进行了广泛的对比实验,mIoU提升1.72个百分点和3.89个百分点,实时分割速度达到210 FPS,选址的速度达到58.62 ms,实现了无人机在复杂情况下的应急降落选址。

自适应神经模糊推理系统优化的快速上肢评估方法

传统方法对工作相关肌肉骨骼疾病风险评估的输入变量变化敏感性较低,导致风险评估输出结果的精确性和可靠性不足。为更加准确地进行人因工程风险评估,提出了基于自适应神经模糊推理系统的快速上肢评估方法(RULA)。首先,基于卷积神经网络对视频中人体工作姿势的关键点进行检测及识别,并计算关节角度;其次,基于自适应神经模糊推理系统对快速上肢评估方法进行改进,搭建工作相关肌肉骨骼疾病风险评估架构以解决评估不同姿势时获得相同评分的问题;再次,随机选取不同工作姿势的关节角度数据对网络进行训练和检测,调整基于自适应神经模糊推理系统和快速上肢评估方法的工作相关肌肉骨骼疾病风险预测模型的最佳参数;最后,选取关节角度数据集里的前15个工作姿势进行相关性验证,将结果与原始快速上肢评估方法的结果进行比较,应用树枝修剪工具的操作过程进行案例分析以实现风险得分的实时动态评估。结果表明,优化后的快速上肢评估方法比原始方法更敏感,验证了利用自适应神经模糊推理系统能够有效改进快速上肢评估方法并实时预测风险得分。

草原公路驾驶接管风险的模糊推理评估方法研究

为探究草原公路行车场景和非驾驶相关任务对驾驶人接管过程的影响,提出了基于生理特性和接管绩效的模糊逻辑风险评估方法。首先,模拟牛羊出没、前方停车、匝道来车三种草原公路典型场景,并考虑在模拟场景下执行无次任务、听新闻、看视频、玩游戏四种非驾驶相关任务;其次,构建基于生理指标(心率变异性)和接管绩效(接管时间、接管质量)的风险评估指标体系;最后,采用模糊推理建立风险评估模型,量化评价不同场景和非驾驶相关任务组合的风险水平。结果表明,匝道来车场景和玩游戏在驾驶接管风险等级中被评估为高风险和极高风险占比较高。整体而言,高风险和极高风险样本占比达44.2%,反映出草原公路特定场景下执行感官参与维度多的任务具有较高的接管风险隐患。场景和非驾驶相关任务存在交互作用,在复杂场景下从事感官参与维度较高的任务极易导致高风险情况。相较于简单场景,驾驶人在复杂场景中的风险累积更快、波动更大,并在中后段达到峰值。

基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别

鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。

机载LiDAR和模糊推理系统在黄土高原土壤侵蚀监测中的应用

黄土高原是我国乃至全球土壤侵蚀最严重的地区之一,受限于监测技术,黄土高原土壤侵蚀的研究多集中于径流小区尺度,大规模的侵蚀研究和野外观测仍相对缺乏。机载激光雷达(LiDAR)技术的革新为高精度、大规模土壤侵蚀研究提供了新的可能。然而,该技术受复杂地形的影响会产生高程不确定性误差,导致其监测土壤侵蚀的能力缺乏深入研究。基于此,本文以我国黄土高原丘陵沟壑区典型小流域桥沟流域为研究对象,联合机载Li-DAR测量和模糊推理系统(FIS),定量分析了两期DEM求差(DoD)不确定性的空间分布,研究小流域土壤侵蚀与沉积的空间分布特征。结果表明:(1)地形形态、点云密度等对插值生成的DEM误差影响较大,地形平坦区域的DoD不确定性明显小于地形陡峭区域的DoD不确定性;(2)FIS算法通过将已知的误差源整合到一个稳定的误差模型中,减少了主观干预和人为误差,避免了在复杂的DEM表面对误差进行错误估计,提高了计算结果的准确性;(3)梁峁坡地区侵蚀产沙体积为9.21m^(3),占坡沟系统产沙体积的15.89%;沟谷坡地区侵蚀严重,侵蚀产沙体积为48.76m^(3),占坡沟系统产沙体积的84.11%,在坡沟系统的产沙中起主导作用。沟床地区主要以沉积为主,梁峁坡和沟谷坡对侵蚀产沙贡献较大,而沟床则主要为产沙沉积区。研究成果不仅为黄土高原小流域的土壤侵蚀监测技术的拓展提供了新的视角,也为实施有效的水土保持措施提供了理论依据和参考。

改进模糊推理分类器进行木材树种近红外光谱开集分类识别研究

开集分类识别是近10多年来模式识别领域研究的热点,它能够识别训练集中已知类别的测试样本,同时还能够有效“拒识”未知类别的测试样本;这些未知类别样本不包含在训练集中。现有的开集分类识别算法主要是基于Support Vector Machine(SVM)和深度学习网络框架进行改进,并且主要应用在自然景物图像领域中;在光谱分析领域中还鲜有报道。将传统的闭集框架下的模糊推理分类器进行模型改进,提出了开集框架下的改进模糊推理分类器,并将其应用到木材树种近红外光谱分类识别中。首先,使用Flame-NIR近红外微型光谱仪采集木材样本横切面的近红外光谱曲线,采用Metric Learning算法进行光谱向量维度约简降维至4维(4D)。其次,改进闭集框架下的模糊推理分类器,根据模糊规则置信度和各维度隶属度概率的乘积构建Generalized Basic Probability Assignment(GBPA),再根据GBPA进行分类处理。在20个树种的具有不同的Openness指标下的近红外光谱数据集的分类识别对比实验表明,改进的开集模糊推理分类器(fuzzy reasoning classifier in an open set,FRCOS)优于现有的基于机器学习和深度学习的开集分类识别主流算法,具有较好的评价指标F-Score,Kappa系数及总体识别率。

一类基于模糊推理的具有机动自适应的目标跟踪算法

针对变结构多模型算法在机动目标跟踪中对目标机动不确定性、量测不确定性自适应能力不足的问题,提出一种基于模糊推理的机动自适应目标跟踪算法.设计一种基于模糊推理的双级机动判别模型,利用模型概率信息和主模型滤波残差加权范数进行主模型可信度和机动判别推理;并将双级机动判别引入基于可能模型集的期望模式扩增方法(EMA-LMS)框架,提出一种模糊推理EMA-LMS算法,实现对模型集自适应的参数和策略的在线调节,从而生成更加接近目标真实运动模式的期望模型,并更好地对模型进行取舍.仿真结果表明,本文算法能够有效增强算法对目标机动和量测不确定的自适应性,提高跟踪精度.

基于自适应模糊推理系统的汾河流域参考作物蒸散量模拟研究

【目的】有效提高缺少气象资料条件下汾河流域参考作物蒸散量(ET0)计算精度。【方法】选取汾河流域及附近7个气象站点1960—2017年逐日气象资料,根据不同气象要素组合,构建16种基于自适应模糊推理系统(ANFIS)的ET0模拟模型,并与Hargreaves-Samani、Irmak-Allen、Makkink模型进行比较,评价ANFIS模型在汾河流域的适用性及可移植性。【结果】(1)ANFIS模型能很好地展现ET0与各输入因子之间的非线性关系;仅输入Tmax、Tmin、Ra建立的ANFIS2模型模拟精度(平均R^(2)为0.882,平均NSE为0.876,平均RMSE为0.341 mm/d)能满足使用要求,随着输入气象要素数量的增加,模型模拟精度不断提高;(2)在输入因子相同时,ANFIS模型精度高于Hargreaves-Samani、Irmak-Allen、Makkink模型;(3)ANFIS模型在汾河流域具有很强的泛化能力和可移植性,不同分区建立的ANFIS模型相互移植时具有较高精度(平均R^(2)为0.983,平均NSE为0.978,平均RMSE为0.134 mm/d)。【结论】因此,在缺少气象资料时,基于自适应模糊推理系统建立的ET0模拟计算模型可作为汾河流域ET0计算的推荐模型。

基于模糊推理的线控制动系统意图识别研究

为提高线控制动系统制动意图识别的精准度,同时使其具备更强的制动场景适应能力,设计了一种基于模糊推理算法,由车辆挡位、轮胎转角、制动踏板开度及制动踏板速度作为特征参量,对驾驶员制动意图与车辆行驶场景进行实时推理的制动意图识别策略,并基于各场景下车辆的实际制动需求对线控制动系统管路期望压力数值及其动态特性进行了匹配。该策略采用基于永磁同步电机FOC控制算法的PID闭环压力控制策略对模糊推理模型在不同制动意图与制动场景下所分配期望压力进行实时跟踪的形式,实现了由期望压力到系统管路实际压力的精准转化,成功将不同场景下为期望压力所匹配的压力变化动态特性赋予了管路实际压力,实现了不同场景下线控制动系统实际压力动态特性的差异化控制。最终基于所制定的整体控制策略分别在AMEsim与Simulink内搭建了机械液压模型及控制算法模型并对其进行了制动意图识别与制动压力跟踪联合仿真,从而验证了该策略的有效性与实用性。

基于模糊推理的油气储罐安全生产风险预警技术研究

针对油气储罐安全生产风险高及量化表征难、预警及时性难以保证、历史数据难以得到有效利用的问题,构建了一种基于改进EWMA的关键运行参数波动率和历史报警率计算方法,提出了基于模糊推理方法的油气储罐安全生产风险预警技术,有效提升了油气储罐安全风险预警的科学性、及时性和准确性。实验表明,提出的油气储罐安全生产风险预警技术能够将各关键运行参数实时监测数据及历史数据进行融合利用,并对风险进行合理量化及超前预警。

基于模糊推理系统的图像超分辨率重建技术探索

本文探索了基于模糊推理系统的图像超分辨率重建技术。技术克服了图像采集过程中由于系统或环境限制导致的图像模糊和质量低下问题。为实现这一目标,重新设计了模糊推理系统的输入和输出变量,包括图像质量、放大倍数和重建质量,并为这些变量定义了相应的隶属度函数。通过高斯函数和梯形函数,描述了图像质量和放大倍数在不同分类下的隶属程度。制定了一系列模糊推理规则,根据输入变量的组合预测输出变量的状态,并采用加权平均作为集结运算方法。结果表明,基于模糊推理系统的图像超分辨率重建技术能够根据输入图像的质量和所需放大倍数,有效地预测重建后图像的质量。这一技术在老照片修复和优化等实际应用场景中展现出潜力,能够对图像进行去噪、去雾、上色和超分辨率无损放大等多项修复和优化,返回经过处理的清晰图片。

具有三种否定的模糊推理算法及应用

模糊推理中,合成规则推理方法(compositional rule of inference, CRI)与基于贴近度的方法(similarity based approximate reasoning,SAR)都是建立在只有一种否定的经典模糊集上。针对广义模糊集GFScom(generalized fuzzy sets with contradictory, opposite and medium negation)具有三种否定(矛盾否定、对立否定、中介否定)的特点,对模糊推理方法 CRI的蕴含算子作了扩展。提出了具有三种否定的GFScom贴近度定义和公式,得到模糊近似推理的一种新的计算形式GSAR方法,证明了GSAR该方法具有FMP(fuzzy modus ponens)还原性。通过应用实例对比,模糊推理GSAR的新方法不仅克服了CRI方法在建立模糊关系矩阵具有主观性和随意性的不足,而且客观有效地反映了模糊推理中的3种否定信息,丰富了模糊推理的形式。

基于能量熵和自适应神经模糊推理系统的齿轮故障诊断

为了解决齿轮振动信号中出现噪声污染严重,故障特征信息提取困难的问题,提出了基于能量熵和自适应神经模糊推理系统(ANFIS)的齿轮故障诊断方法。将预处理后的振动信号作自适应噪声完备经验模式(CEEMDAN)分解,可获得不同尺度的本征模态函数(IMF);由于各IMF包含主要故障特征信息,且不同故障状态下各IMF分布有明显不同,因此通过计算能量熵来量化故障时频域特征,构造出表征模态分量信息的特征向量;以此输入ANFIS进行样本的学习和训练,在自适应调整网络参数和隶属函数后,获得最优ANFIS。实验结果表明:该方法诊断结果准确率近乎100%,可有效地识别故障类型。

基于智能模糊推理的UUV艇型参数生成方法研究

[目的]旨在提出一种基于模糊推理的策略算法实现对无人潜航器(UUV)艇型设计参数的快速优化。[方法]使用模糊推理手段,在模糊化阶段将遗传算法生成的UUV设计参数作为初始解进行模糊化处理。之后将这些初始解作为训练样本,利用等间距模糊划分策略求得模糊规则前件参数,并计算所有UUV解的隶属度值。然后借助最小学习机(LLM)求解模糊规则的后件参数。再基于生成的前件参数和后件参数生成新的UUV解,并分别计算其航速和航程的评价隶属度值。最后,结合约束条件对新生成的UUV解进行检验,得到优化后的符合条件的UUV设计参数。[结果]实验结果显示,智能模糊推理方法能够于20 s内基于遗传算法生成的UUV初始艇型参数,快速推理出多条航速和航程的评价隶属度之和在170分以上的UUV艇型参数方案。[结论]所提方法有效提升了设计效率并平衡了航速与航程。研究成果可为智能化、快速化的UUV艇型参数的生成提供有益参考。

基于模糊推理的山东省沿黄农业适水评价

为研究山东省沿黄地区农业适水发展情况,从水资源承载力—农业用水水平—水资源与农业协调性三个方面构建了山东省沿黄农业适水评价体系,采用模糊推理评价模型定量分析研究区现状年农业适水状况和2013~2021年农业适水能力动态变化,并提出短期最佳提升方向。结果表明,研究区农业适水评价得分为46.64,其中大部分城市处于勉强适水和轻度不适水状态,仅有济南、滨州为Ⅱ级良好适水;水资源承载力是农业适水发展的主要制约因素,增加水资源承载力是提升研究区及济南、淄博、聊城、滨州、济宁等市的农业适水能力的最优方向;2013~2021年农业适水指数呈现曲折上升趋势,整体农业适水水平向好的趋势发展。

基于直觉模糊推理的校园网络舆情信息监测研究

在开展网络舆情信息监测时,由于语言值具有犹豫属性,导致监测结果的可靠性较低,为此,提出基于直觉模糊推理的校园网络舆情信息监测研究。以Scrapy框架为基础,对校园网络平台中目标事件相关的网络舆情信息进行采集,在舆情信息监测阶段,引入了直觉模糊推理机制,利用语言真值直觉模糊矩阵校园网络舆情信息模糊集进行简化处理后,利用语言值犹豫度参数计算各组数据的语言值相容度,将不受六元语言真值直觉模糊关系影响的语言值作为监测结果。在测试结果中,Precision达到了67.88%,F1值也达到了53.12%。

模糊推理系统在内河通航风险评价中的应用--以长江干线为例

为评估内河通航风险,对408件长江干线历史事故进行致因分析,构建分类分级的内河通航风险评价指标体系;在模糊推理系统(Fuzzy Inference System,FIS)中引入突变理论(Catastrophe Theory,CT),构建基于CT FIS的风险评价模型;对59个历史案例进行实证分析。结果显示:在59个样本中,中等风险及以上的样本数分数为88.1%;对各风险评价指标进一步分析发现,人的因素是影响长江干线通航风险的首要因素,货物和船舶因素相对于船员、管理和环境因素具有相对较低的影响;将人为可控的影响因素控制在安全状态时,系统的总风险可显著降低。

基于Mamdani型模糊推理的海上风电场宏观选址研究

海上风电场宏观选址作为海上风电建设项目的前期工程,对风电场建设的成败及其今后的效益起着至关重要的作用。本文基于Mamdani型模糊推理得出准则层的综合评价值,得到备选场址的最佳场址及优劣排序。采用“If-Then”推理法则,避免复杂的数学公式推导,通过引入语言变量和隶属度函数,良好体现决策过程的不确定性。利用Matlab工具箱,增强了专家与计算机动态交互的决策过程,使评价过程更方便快捷,提高了选址的可靠性和适用性。

基于优化模糊推理型伸缩因子的光储三端口变换器设计

为解决三有源桥变换器开关管数量多、体积大、稳压能力差等问题,通过拓扑推演得到了一种基于双向CLLLC谐振变换器与单向Buck-Boost电路的改进型三端口变换器拓扑,减少了开关管的数量、优化了变换器体积的同时,提升了三端口I变换器系统的快I速稳压能力。负载端口单输入模式下系统的等效拓扑是非最小相位系统I,为提高此模式下系统的抗扰动性i能,li解决传统P控制以及模糊P控制精度差、响应速度慢等问题,实现了优化模糊推理型变论域模糊P控制算法的设计。借助MATLAB/Smu真,结果表明了算法设计的正确性。