云模型在倒立摆控制中的应用

文中提出一种利用云模型有效地实现单电机控制的三级倒立摆动态平衡的方法．通过研究倒立摆系统的定性控制机理，给出了定性和定量之间转换的云模型的形式化表示，用来反映语言值中蕴涵的模糊性和随机性，解释多条定性规则同时被激活的不确定性推理过程．研究成果不仅可用于对太空飞行器以及机器人控制。

基于云模型的主观信任管理模型研究

在开放网络中,信任管理是信息安全的重要前提与基础。主观信任具有模糊性和不确定性的双重特征。将定性定量转换模型-云模型引入主观信任管理研究中,提出了一种新的主观信任的表示方法,较好地解决了信任表达中的模糊性和不确定性难题,进而提出了一种灵活直观,描述能力较强的形式化定性信任推理机制,为主观信任管理研究进行了有益的探索和尝试。

基于二维多规则云模型定性推理的场地分类方法

针对场地土及其分类的模糊性和随机性特征,建立了基于二维多规则云模型定性推理的场地分类方法,实现了场地分类边界不确定性划分.设计了场地分类的二维多规则定性推理生成器,将其应用于场地类别和特征周期的识别过程中,实现了场地分类和特征周期的连续化,克服了在分类边界处易出现类别跳跃等不合理现象,基本实现了现行建(构)筑物抗震规范在场地分类方面的统一.最后利用该方法对74个实例进行分析,场地分类的正确率达到97.3%,表明了该方法是可行的、有效的.

基于混合维云模型定性推理的调距桨螺距控制

云模型是采用期望值 Ex,熵 En和超熵 H e来描述定性概念的一种数学方法 ,它将定性概念所具有的模糊性、随机性有机地结合在一起 ,是实现定量与定性相互转换的一种新途径。文中阐述了定性概念的一维和二维云模型数学描述 ,提出了基于混合维云模型的混合推理方法、复杂控制规则的简化方法 ,设计了一种新型的智能控制器——云控制器 ,并将其应用于调距桨螺距控制过程中。仿真结果表明 ,该控制器简易、直观、控制性能良好、鲁棒性强 ,较常规模糊控制具有更好的控制品质。

基于多维云模型的入侵检测

通过研究多维云模型机理,给出了定性与定量之间转换的云模型的形式化表示,用来反映语言值中蕴涵的模糊性和随机性,解释了多条定性规则同时被激活的不确定推理过程。实验采用了KDD99的测试数据,结果表明,该方法能够比较有效地检测真实网络数据中的未知入侵行为。

基于云模型定性推理的液压弯辊板形控制

云模型将概率论的随机性和模糊集合论的模糊性相融合,能很好地解决不确定性问题,基于此设计了一种二维液压弯辊云模型控制器,其控制策略不需要被控对象的数学模型,只需通过语言原子和云模型将人用语言定性表达的经验和逻辑判断转换到语言控制规则器中,就能实现板形实时在线控制。以某公司1220mm液压弯辊板形控制系统为仿真对象进行仿真实验,结果表明,该控制器简易、快速、控制性能良好、鲁棒性强,较常规模糊控制具有更好的控制品质。

电液伺服变距系统的二维云模型控制研究

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述,它用期望值Ex、熵En和超熵He表征定性概念,将概念的模糊性和随机性集成在一起,是实现知识库中定量与定性之间相互转换的一种新途径。本文论述了模糊子集的云模型表示、基于云模型控制规则的不确定性推理,并设计了一种二维云模型控制器。仿真结果表明,该控制器简易、直观、鲁棒性强,具有良好的控制性能和较好的应用价值。

船舶航向保持系统的云模型控制研究

云模型是对语言值所蕴含的模糊性和随机性的一种数学描述,它用期望值Ex,熵En和超熵He表征定性概念,将概念的模糊性和随机性集成在一起,是实现知识库中定量与定性之间相互转换的一种新途径.本文论述了模糊子集的云模型表示、基于云模型控制规则的不确定性推理,并设计了船舶航向保持系统的一维与二维云模型控制器.仿真结果表明,该控制器简易、直观、鲁棒性强,具有良好的控制性能和较好的应用价值.

三级倒立摆的云控制方法及动平衡模式

文章提出了定性和定量之间转换的云模型的形式化表示方法 ,用来反映语言值中蕴涵的模糊性和随机性 ,给出云发生器的生成算法 ,解释多条定性推理规则同时被激活时的不确定性推理机制。利用这种智能控制方法有效地实现了单电机控制的一、二、三级倒立摆的多种不同动平衡姿态 ,显示其鲁棒性 ,并给出了详细试验结果。研究成果不仅可用于对太空飞行器以及机器人控制 ,而且对揭示定性定量转换规律和策略具有普遍意义。

P2P环境下一种角色与云理论的信任模型

在P2P网络中,信任模型是保障网络信息安全的关键,然而现有的信任模型不能完整地体现出信任的主观性、随机性和模糊性。利用云模型的不确定性和模糊性,提出了一种正确理解和定义信任的方法,结合定性推理机制来完成信任评估。云模型在处理定性与定量之间的转换具有突出特点,文中提出了一种基于角色与云理论信任评价(RCTrust)的方法。实验分析表明:通过分布式P2P网络节点间服务合作的实验,验证了基于角色与云理论信任评价的合理性和可行性。该模型具有较高的合作成功率与较强的抗攻击能力。

基于云模型定性规则推理的分类方法

根据粗糙集原理和模糊集理论,提出了一种基于云模型定性规则推理的分类方法,利用云的相关理论获得多条件单规则中包含隶属度的决策表,结合模糊模式识别技术进行样本分类。针对一些数据对象分别隶属于不同类别的情况,用定性概念来代替模糊集中的定量数据并建立二元关系,能对连续型数据进行更为简单合理的"软"分类,从而使基于定性概念的算法模型符合人类思维方式。

基于云模型的规则提取算法研究

提出了尺度云变换的新方法。该方法采用"半正态云"作为基本云,并引入位移因子,使基于数据的规则提取算法中的数据划分能充分反映数据的实际分布,减少提取的规则数量,提高规则的推理精度;通过引入数据关键点及最佳分割点以保证规则库的完备性。还首次提出T-S型云控制器的概念,并将尺度云变换方法应用到T-S型云控制器的设计中。仿真结果表明,该方法简单有效,由该方法提取的规则构建的T-S型云控制器能较好地复现原数据分布,误差能控制在给定范围内。

基于云模型趋近律的智能滑模控制器设计

为了解决传统滑模控制中采用指数趋近律产生的抖振问题,提出一种采用云模型趋近律的智能滑模控制方法。提出将云模型和趋近律相结合,利用云模型推理方法,动态调整趋近速度,保证系统状态快速、稳定地到达滑模面。将所设计的滑模控制器用于平行单级双倒立摆的稳定控制,仿真结果验证了设计方法的有效性,对系统摄动和外部干扰都有很强的鲁棒性。

基于云模型的飞行员认知负荷分类方法研究

目的识别飞行员认知负荷状态,减少人为差错造成的事故。方法设计模拟飞行任务,诱导22名受试者产生高、低2种认知负荷状态。依据眼动存在的随机性和模糊性,建立基于凝视时间和瞳孔直径的二维云模型,根据该眼动指标的数学特征,构建了40条定性判定规则。根据规则生成器原理,构建了云模型定性推理生成器,对110组实验数据进行判断。结果受试者在高、低2种不同认知负荷下,凝视时间和瞳孔直径差异显著(P<0.05),采用定性推理生成器对认知负荷进行判定,平均准确率达到78.95%。在同样训练数据情况下,识别准确率高于K最近邻(KNN)算法和支持向量机(SVM)算法。结论定性推理生成器可有效识别认知负荷不同水平,且随受试者人数增加,识别率可进一步提高。

基于二维云模型的规则提取算法研究

从定量数据到定性概念的转换必然涉及到样本数据的划分问题,当样本数据维数较高时,对其合理划分是从中提取定性规则的难点问题。针对此问题,改进了尺度云变换算法,提出二维尺度云变换算法,使之可以处理二维数据。还给出了二维T-S型云控制器的设计,并结合一组实例数据,验证了算法的有效性。仿真结果表明,该算法可以较好地实现对原始数据空间的划分,提取的定性规则数量少,易于理解;由该方法提取的规则构建的T-S型云控制器能较好地复现原始数据分布,误差较小。

基于眼动特征的驾驶员疲劳预警系统设计

疲劳驾驶是导致交通事故的重要原因之一。为检测识别驾驶员疲劳状态,根据人的眼动行为存在随机性及模糊性特点,采用不确定性的云模型对眼动特征进行数据处理,构建二维多规则推理生成器检测驾驶员疲劳状况,以此疲劳检测模型为基础构建基于安卓的疲劳预警系统。系统通过手机摄像头实时采集驾驶员面部数据,通过人脸人眼定位后,计算出per-clos和眨眼时间均值。将数据输入疲劳检测模块,一旦检测到驾驶员疲劳,系统即进行文字和语音提醒。该系统成本较低,实时性较好,在模拟驾驶环境下检测率可达到73.98%。