分层云不确定推理系统及其逼近性能分析

为了解决目前基于云模型的智能控制和预测中规则数目随系统变量的个数呈指数增长的问题,设计分层云不确定性推理系统,并证明该系统的逼近性能。采用基于云理论的新的不确定性推理模型来设计分层云不确定性推理系统并给出解析表达式。证明分层云不确定性推理系统对致密集上函数的逼近能力。结果表明：分层云不确定性推理系统的输出结果计算式满足Stone-Weirstrass定理的3个假设条件,具有万能逼近性质。     

基于小波神经网络的云模型

云模型是一种基于语言规则的不确定性推理系统.为了提高辨识精度通常需要增加规则数目,这样在多维输入的情况下容易形成"维数灾".为了解决此问题,利用小波神经网络代替传统云模型的后件隶属云,建立了一种基于小波神经网络的云模型(WNCM).详细分析了WNCM的系统结构,同时给出了参数和结构辨识算法.仿真结果以及与其它方法的对比分析表明,WNCM具有较强的非线性函数逼近能力,在不增加推理规则的前提下,可以实现对系统的精确辨识.     

基于云模型的连续属性整体离散化方法

连续属性离散化是数据分析中重要的预处理过程,本文提出了一种基于云模型,融合相似云度量思想的连续属性整体离散化方法。它首先对例子集合在各个连续属性上的取值进行统一数量级别处理,选出分区基准属性,然后使用正态云模型对每个连续属性进行离散化.最后加以实验验证,指出该方法有一定的理论价值和实际意义.     

基于均匀分布的高斯云模型

云模型实现了定性概念与其定量表示之间的不确定转换。高斯分布与高斯隶属度函数的普适性奠定了高斯云模型的普适性,目前云模型的理论与应用研究主要集中在高斯云模型。将均匀分布引入到云模型中,扩展了高斯云模型,分别得到了均匀分布云模型和均匀高斯云模型,两类扩展的云模型为不确定性的形式化描述提供了新的途径。最后利用多维均匀高斯云模型模拟分形树生长过程,实验结果表明云模型能有效模拟自然界中不确定的分形现象。     

基于径向基函数神经网络的机器人系统辨识

介绍了一种三层径向基函数神经网络,其学习算法采用正交最小二乘算法.首先根据正交最小二乘算法得到径向基函数神经网络的结构;然后对该网络的权值进行训练使它逼近给定的函数.为了验证径向基函数神经网络所具有的对任意非线性映射的任意逼近能力和自学习、自适应能力,以两关节机械手为辨识对象来进行实验研究.实验结果表明,该径向基函数神经网络具有良好的模型学习和逼近能力,并且学习速度快、收敛性好、鲁棒性强,尤其适合于具有连续线性与非线性对象的复杂系统的控制实时性要求.     

模糊系统逼近理论：现状与展望

近年来,各类模糊系统已被证明是万能函数逼 近器,它们能实现任意的非线性连续控制规律和动态模型．本文综述与分析了模糊系统逼近 理论研究的最新成果,并指出了进一步研究工作的方向．     

基于云综合方法的三支群决策模型

在三支决策问题中，领域专家群决策是一种确定损失函数的最直接方法。相较于体现单一不确定性的语言变量模型和模糊集模型，云模型描述的专家评价更能够反映认知过程中复杂的不确定性形式，并能通过云综合的方法获得综合评价函数。但当前的云综合方法仅对数字特征进行简单的线性组合，缺乏对概念语义差异上的描述，难以获得令人信服的结果。因此首先证明了在云模型的距离空间中赋权距离和是一个凸函数，并将综合云模型定义为此函数的最小值点。然后，将该定义推广到多个云模型的场景下，提出了一种新的云综合方法——基于密度中心的云综合方法。群决策过程中，该方法在保证综合评价与基础评价之间的相似度最高的同时获得最精确的综合评价，为损失函数的确定提供了一种新的语义解释。实验结果表明，在与简单线性组合和合理粒度方法对比中，该方法所确定的损失函数使得三支决策中的误分类率最低。     

点云模型上近似测地线的计算

为了有效计算点云模型上任意两点间的近似测地线,将点云模型沿着直角坐标系中三坐标轴方向进行空间栅格划分后,建立表示点云模型的带权图,采用Dijkstra算法计算带权图上任意给定两点间的最短路径作为初始测地线;然后通过使能量函数最小化,用共轭梯度方法对初始测地线迭代优化,计算得到点云模型上任意给定两点间的近似测地线。该算法无需对点云模型进行网格化,无需对点云模型进行局部或全局的曲面重建,适合大规模点云模型上测地线的计算。     

基于云变换的曲线拟合新方法

云变换是一种基于云模型的连续数据离散化方法。提出了一种基于云变换的曲线拟合新方法,取得了良好的实验效果,证明了基于云变换曲线拟合方法的有效性。     

基于三维云模型的智能控制器研究

首先介绍了云模型的基本概念和规则推理,提出了三维云模型的的概念,分析了三维云模型的规则推理,设计出基于三维云模型智能控制器.最后与常规PID控制系统进行了对比,仿真结果表明了本文设计方法的有效性.     

三角域曲面的TPIFS模型分形逼近

提出了一种三角域上逼近具有分形特征的自然复杂曲面和普通光滑曲面的统一数学模型．该模型是迭代函数系统与传统自由曲面造型的一种结合,文中给出的定理证明了它可以逼近任意三角域上的连续函数．模型的主要用途是曲面造型、形状描述及压缩．     

一维云模型控制器在轮式机器人中的应用

云模型控制理论是智能控制学科的新兴领域,该理论从提出至今,主要以理论研究和仿真实验为主.针对云模型理论的研究现状,提出了基于单片机的一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功地对轮式机器人进行了实时定位控制.实验结果表明,一维云模型控制器可以保证轮式机器人定位系统具有良好的控制性能和较强的干扰性,证明了该设计的有效性和科学性,为今后云模型控制器设计提供了一定的参考.     

基于云模型以约束为中心的复杂系统定性建模

针对以约束为中心的复杂系统仿真中缺乏有效的不确定性信息描述方法,导致仿真中不确定性信息不能充分利用的问题,借鉴和采纳云模型的相关理论和方法,研究了以约束为中心基于云模型的复杂系统定性建模方法。首先提出了仿真中基于云模型的不确定信息表示方法、基于云模型和群体专家决策的量空间构建方法;然后给出了基于云模型的系统定性约束方程的构建方法;最后将提出的建模方法应用于一个敏捷供应链的建模实例。结果表明提出的建模方法具有客观表达不确定信息、将定性与定量信息在仿真中相互融合的优点。     

飞行时间三维相机的多视角散乱点云优化配准方法研究

针对目前基于飞行时间(TOF)原理的三维相机实现物体完整表面的三维点云重建过程中,多视角散乱点云配准精度低的问题,本文提出了一种多视角散乱点云优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的变换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准坐标系的绝对变换矩阵,避免了对相邻点云的变换矩阵进行累积而引起误差的累加。实验结果表明,该方法提高了多视角点云配准的精度,同时增强了物体点云模型重建的效果,在三维曲面重建中具有较强的实用性。     

飞行时间3维相机的多视角散乱点云优化配准

针对目前基于飞行时间(TOF)原理的3维相机实现物体完整表面的3维点云重建过程中,多视角散乱点云配准精度低的问题,提出一种优化配准方法。该方法通过构建一个目标功能函数,并结合相邻点云的转换矩阵对该目标函数进行最小化求解,直接获取任意位置的点云到基准点云所处坐标系的绝对转换矩阵,避免了对连续点云之间的配准而引起误差的累加。对不同的物体进行实验,实验结果表明,该方法在保证点云配准速度的同时,提高了多视角点云配准的精度,物体点云模型重建效果较好,有利于实现后期3维曲面网格的重建。     

一维云模型控制器在平衡控制系统中的应用

云模型控制理论是智能控制学科的新兴领域,该理论从提出至今,主要以理论研究和仿真实验为主。针对云模型理论的研究现状,提出了基于单片机的一维云模型控制器的设计方法,应用该方法设计的云模型控制器成功实现了对轮式机器人平衡系统的控制。轮式机器人动态平衡实测数据表明,一维云模型控制器可以保证轮式机器人定位系统具有良好的控制性能和较强的干扰性,证明了该设计的有效性和科学性,为今后云模型控制器设计提供了一定的参考。     

SFT下的云化概率和关键重要度分布的实现与研究

为了完善空间故障树(Space Fault Tree,SFT)理论,特别是离散型空间故障树(Discrete Space Fault Tree,DSFT)对于系统实际运行过程中产生的具有离散性、随机性和模糊性的可靠性数据的适应性,提出了云化SFT方法。该方法利用云模型能表示数据的离散性、随机性和模糊性特点,重构SFT的计算基础,即特征函数。进而在SFT计算中保留原始数据特征,使最终结果也能诠释原始数据特征。论文主要完成了云化SFT理论环节中的一部分,即云化概率重要度分布和关键重要度分布。论文论证了引入云模型表示系统可靠性数据的必要性和可行性。给出了云化概率重要度分布和关键重要度分布的计算推导过程。并通过实例对这两个云化概念进行了计算。研究表明云化SFT结果要比原SFT结果更为接近现实,包含了更多数据的原始特征。     

云计算网络中的主动免疫隔离传播模型

对云服务所涉及的相关要素进行抽象,提取其生态防御特性,并根据人工免疫系统中的病毒传播理论,建立一种具有主动免疫隔离功能的SEIR类传播模型.该模型可以主动采取预防措施,使其免受病毒入侵.根据不同的网络危险程度,采取不同的隔离策略,从而最大程度地保证云环境中服务行为的安全.仿真结果证明,该模型具有较高的自适应性、鲁棒性、入侵容忍和自愈能力,能有效控制云计算网络中危险的传播.     

基于逆系统的三自由度直升机内模控制设计

三自由度直升机模型系统是一个典型的非线性、高阶次、多变量、强耦合的多入多出系统,通过数学推导很难获得其逆模型,利用神经网络对任意连续函数很强的逼近能力与逆系统的思想相结合的方法获取三自由度直升机模型系统的逆模型,同时也将一个多入多出、强耦合的非线性系统转化为几个相对独立的单入单出的线性系统。采用内模控制的方法设计控制器,实现对高度角和横侧角的跟踪控制,MATLAB仿真结果表明该方法具有较好的控制效果,半实物仿真也说明该方法的可行性。