发酵过程的多模型融合建模算法

提出了利用多模型融合技术进行发酵过程建模的新方法， 该方法能够将在线参数和离线参数同时用于建模中． 首先给出了多模型融合建模算法框架， 并描述了基于自适应模糊神经网络和模糊推理技术两个参与融合的子模型的建立方法. 采用三个非线性函数分别运用GMDH-PTSV算法、傅里叶神经网络和多模型融合建模算法进行建模精度比较. 最后给出了多模型融合建模算法在青霉素发酵过程中应用的结果．     

基于过程输入输出变化关系的模糊建模方法

针对难以建立精确数学模型的复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。首先按过程输出随输入变量变化的程度对输入变量论域进行划分,在此基础上确定模糊模型的规则总数和前件参数;然后根据所建模糊模型可表示为一个前馈模糊神经网络,利用BP学习算法求得过程模糊模型的后件参数。仿真例子验证了模糊建模方法的有效性,同时表明所建模糊规则模型较好的泛化能力。     

神经—模糊建模平台的设计与应用

详细论述了采用神经模糊实际建模过程中必须考虑的各种因素，各因素之间的相互影响及关系，以及各不同参数的选择过程，并在Matlab环境下，利用模糊工具箱设计了一个神经－模糊建模平台，给出了一个实际的具体非线性系统建模的应用。     

基于在线聚类的模糊建模方法及其应用

针对复杂非线性动态系统的模糊建模问题,提出了一种基于在线聚类的模糊建模方法。该方法首先采用在线聚类算法辨识T-S模型的前提参数,然后采用递推最小二乘算法辨识结论参数。根据系统过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新。最后将提出的方法应用于Box-Jenkin煤气炉建模和二自由度机器人建模两个例子。仿真结果表明,基于该方法辨识的T-S模糊模型具有很高的精度,而且模型结构简单、建模速度快,便于工程应用。     

基于T-S模糊系统的软测量混合建模研究

在分析几种模糊系统建模方法的基础上，提出一种简单有效的软测量建模方法．该算法基于变结构构造法模糊建模思想，均匀设计模型的初始结构，以绝对误差为建模指标，通过增加模糊规则来提高T S模糊系统的精度．为降低规则参数辨识的计算量，提高建模速度，将规则参数分为线性和非线性两部分，分别采用Levenberg Marquardt法与最小二乘法进行辨识．实例证明，本文所提出的建模方法规则分布合理，收敛速度快，泛化性能好，适合建立多输入的软测量模型，具有较好的实际应用价值．     

基于子集融合与规则简约的磨矿过程模糊建模

针对选矿厂磨矿生产过程的模糊建模问题,本文提出一种基于模糊集融合和规则简约的模糊建模方法.该方法针对基于数据建立的磨矿过程Takagi-Sugeno模型,采用模糊C均值聚类方法对同一变量下的隶属度函数参数进行聚类,得到对不同工况具有代表性的融合后的隶属度函数,来降低过度拟合的影响.此外,本文根据规则库中的规则权值,对前件相同的冗余规则进行约简,形成最终的离线模糊规则库,有效提高了规则库的泛化能力.为验证本文方法的有效性,分别采用经典数据与实际工业数据进行了实验论证,从精度和泛化能力上体现了本文方法的优势.     

基于模糊模型的结构和参数的一体化辨识

基于模糊集合的模糊建模捕述复杂、病态、非线性系统的特性是一种有效方法．文中讨论了从样本数据中通过正交变换和模糊聚类获取模糊规则的方法．利用正交最小二乘对模糊聚类的结果进行变换,采用CGS（Classical Gram—Schmidt）方法确定对建模贡献大的规则,删除对建模贡献小的规则,并对模型中的参数进行估计,能够同时模对糊模型的结构和参数进行辨识．仿真结果表明,提出的方法能够对非线性系统进行模糊建模．     

遗传算法及模糊、神经网络融合技术的研究

介绍了遗传算法与神经网络、遗传算法与模糊逻辑系统的融合方式及结构，并通过遗传算法、模糊、神经网络三者的融合技术对倒立摆进行控制，介绍了参数优化方法，说明了这种融合技术的可行性、实用性和通用性。     

基于正交最小二乘估计的非线性系统模糊辨识

提出了一种基于正交最小二乘的模糊模型结构和参数辨识方法．首先，基于正交最小二乘方法分析模糊模型的模糊关系矩阵．通过分析正交向量在模型中贡献的大小，确定模糊模型的结构，即确定模糊模型的规则数、规则．另外，再次通过正交最小二乘方法确定模糊模型的结论参数，实现模糊模型结构和参数的优化．为了证明该方法的有效性，采用该文方法对Box-Jenkins煤气炉数据系统进行建模研究，仿真结果表明该文方法能够对非线性系统进行辨识．     

遗传算法在模糊模型参数辨识中的应用

介绍了T-S模糊模型的建模过程,在现有T-S模糊模型参数辨识方法的基础上,提出了一种先应用最小二乘法对结论参数进行粗略辨识,以确定参数的大致范围之后,再应用遗传算法对前提参数和结论参数同时优化的参数辨识方法,通过MATLAB对本算法进行了仿真,并对非线性函数进行了逼近实验,所取得的结果令人满意。     

基于自组织神经网络的非线性系统建模

针对基于T-S模糊模型的非线性系统建模问题,提出了一种基于自组织神经网络的新方法.在T-S模糊模型的建模中,目前常用的模糊C均值聚类算法存在迭代次数多,计算耗时的缺点.首先,利用竞争学习算法对输入空间进行聚类,基于此结果,借助于模糊C均值聚类算法进一步优化聚类结果,提取T-S模糊模型的规则前件隶属函数参数.然后,采用最小二乘法求得T-S模糊模型的规则后件参数,从而建立起非线性系统的T-S模糊模型.最后,仿真结果表明,该方法可以为模糊建模提供好的模型结构,并且有较高的计算效率和精度.     

Universal triple I fuzzy reasoning algorithm of function model based on quotient space

Aiming at the deficiencies of analysis capacity from different levels and fuzzy treating method in product function modeling of conceptual design,the theory of quotient space and universal triple I fuzzy reasoning method are introduced,and then the function modeling algorithm based on the universal triple I fuzzy reasoning method is proposed.Firstly,the product function granular model based on the quotient space theory is built,with its function granular representation and computing rules defined at the same time.Secondly,in order to quickly achieve function granular model from function requirement,the function modeling method based on universal triple I fuzzy reasoning is put forward.Within the fuzzy reasoning of universal triple I method,the small-distance-activating method is proposed as the kernel of fuzzy reasoning;how to change function requirements to fuzzy ones,fuzzy computing methods,and strategy of fuzzy reasoning are respectively investigated as well;the function modeling algorithm based on the universal triple I fuzzy reasoning method is achieved.Lastly,the validity of the function granular model and function modeling algorithm is validated.Through our method,the reasonable function granular model can be quickly achieved from function requirements,and the fuzzy character of conceptual design can be well handled,which greatly improves conceptual design.     

基于OMT的从模糊E-R图到面向对象模糊数据模型的转换算法研究

论文将模糊数学与面向对象建模技术(OMT)相结合,提出了针对问题领域中模糊信息的模糊对象图建模方式。并通过模糊对象图实现了模糊E-R图到面向对象模糊数据模型的转换。     

基于模糊模型和神经网络的某扫雷犁系统建模

在实现扫雷犁系统准确位置控制的研究中,由于扫雷犁电液伺服系统固有的流量-压力特性等非线性因素,采用传统机理建模方法难以获得其精确模型,研究了系统的两种智能建模方法,即模糊建模和神经网络建模。模糊建模方法采用基于GK聚类算法的TS模糊模型,神经网络建模中采用了基于正交最小二乘算法的径向基函数神经网络。通过对扫雷犁电液伺服系统进行的建模实验仿真,分析了两方法的建模性能并与其他建模方法进行了对比,研究结果验证了所提出两种建模方法的有效性。     

基于模糊建模的冷凝器污脏软测量

提出了一种基于模糊建模的冷凝器污脏软测量方法.该方法选取传热端差作为研究对象,应用模糊建模技术分离出冷凝器污脏对端差的影响.在模糊建模中,采用T-S模型描述变工况传热端差,研究了一种相似度判别法则以确定最优模型结构,并采用实数编码的遗传算法同时优化模型前、后件参数,从而获得了规则简化、精度较高的模糊模型.根据此方法,设计了试验系统,并进行了现场试验.试验结果表明:该方法能有效地在线监测冷凝器污脏,并在冷凝器出现堵管或空气漏入量较大时,取得比热阻法、传热系数法更可靠的测量结果.     

神经模糊系统中模糊规则的优选

提出一种基于两级聚类算法的自组织神经模糊系统，该系统采用两级聚类算法（改进的最近邻域聚类算法和Gustafson-Kessel模糊聚类算法）对输入／输出数据进行模糊聚类，并由模糊聚类的划分熵确定最优划分，建立模糊模型，模型精度可由梯度下降法进一步提高。仿真结果表明，这种神经模糊系统具有结构简单、规则数少、学习速度快以及建模精度高等特点。     

Robust TSK fuzzy modeling for function approximation with outliers

The Takagi-Sugeno-Kang (TSK) type of fuzzy models has attracted a great attention of the fuzzy modeling community due to their good performance in various applications. Most approaches for modeling TSK fuzzy rules define their fuzzy subspaces based on the idea of training data being close enough instead of having similar functions. Besides, training data sets algorithms often contain outliers, which seriously affect least-square error minimization clustering and learning algorithms. A robust TSK fuzzy modeling approach is presented. In the approach, a clustering algorithm termed as robust fuzzy regression agglomeration (RFRA) is proposed to define fuzzy subspaces in a fuzzy regression manner with robust capability against outliers. To obtain a more precision model, a robust fine-tuning algorithm is then employed. Various examples are used to verify the effectiveness of the proposed approach. From the simulation results, the proposed robust TSK fuzzy modeling indeed showed superior performance over other approaches     

基于F-SVMs的多模型建模方法

针对全局模型难以精确描述复杂工业过程的问题,提出一种基于模糊支持向量机(F-SVMs)的多模型(F-SVMs MM)建模方法。用模糊支持向量分类算法(F-SVC)对输入数据进行预处理,得到多模型模糊隶属度;用模糊支持回归算法(F-SVR)建立多模型(MM)估计器。应用该方法对pH中和滴定过程进行建模,仿真结果表明,F-SVMs MM跟踪性能好、泛化能力强,比USOCPN方法和标准支持向量机(SVMs)方法具有更好的性能和推广能力。     

基于改进遗传算法的非线性系统模糊辨识新方法

提出一种基于改进遗传算法和递推最小二乘的非线性模糊辨识新算法.该辨识方法包含结构辨识辨出和参数辨识,结构辨识即输入空间的模糊划分,采用具有自适应性的广义高斯隶属函数;参数辨识包含前提参数和结论参数,用基于动态比例变换的改进遗传算法优化高斯函数的前提参数,用递推最小二乘辨识模糊模型的结论参数.最后通过著名的Box-Jenkins煤气炉数据仿真(仿真环境:MATLAB 6.5,计算机主频2.4 GHz,内存512 MB),并根据输入变量个数和模糊规则数,得到均方误差以证明本文方法的辨识精度,将该文辨识方法与其他方法进行比较,验证了该方法辨识精度更高.