领航计划报预处理方法探讨

当前民航系统使用的AFTN（航空固定电信网）报文存在格式、内容、数据不规范的问题,致使FDP系统（飞行数据处理系统）报文识别率不高。本文针对FPL（领航计划报）报文进行预处理,对于重复性FPL报文,采用直接查询调用历史数据的方法。而新报文则根据FPL报文标准进行规范性判断和纠正处理,并将处理结果保存为历史数据作为下一轮处理的参考数据。实验证明,原本FDP系统无法识别的FPL报文经过预处理后再进入FDP系统,FDP系统识别率可以达到75％以上,FDP系统的FPL报文识别率得到了显著的提高。     

基于模糊推理的战略网络伙伴企业综合评价

为了科学合理地评价战略网络内部的伙伴企业,本文提出一种模糊推理评价方法。首先分析了模糊推理系统的基本组成,阐述了模糊推理算法;然后根据战略管理能力、企业管理水平、资源整合能力、关系管理能力、兼容性和企业信誉等指标,选用高斯形隶属度函数,制定15条模糊规则,并使用Matlab语言建立模糊推理系统。对珠江三角洲伙伴企业的实际分析表明,该系统评价结果正确、评价效果好。模糊推理方法为伙伴企业的综合评价提供了一种切实可行的新思路。     

语言真值直觉模糊逻辑的知识推理

针对格蕴涵代数、直觉模糊集及知识表示、基于语言真值直觉模糊代数的相关性质及运算方法,提出了六元语言真值直觉模糊代数的相关逻辑性质,并在六元语言真值直觉模糊知识表示的基础上,将模糊推理的CRI方法进行扩展,研究得出了六元语言真值直觉模糊推理的方法即6LTV-CRI算法。而后将直觉模糊推理与六元语言真值直觉模糊推理方法进行对比分析,验证了6LTV-CRI推理算法的合理性,并分析了其优缺点。     

基于独立C代码的模糊控制器应用程序设计

对于实际模糊控制系统,由于在高级语言中模糊控制器程序实现比较复杂,因此引入模糊控制存在一定困难.介绍了一种在C语言应用程序中调用Maltab资源设计模糊控制应用程序的方法,即利用Madab Fuzzy Logic工具箱中的独立C代码模糊推理引擎函数库,在C语言应用程序中,调用Mathb Fuzzy Logic工具箱建立的模糊推理系统数据文件(*.fis),从而得到能独立运行的C语言模糊控制应用程序.有效地降低了实际模糊控制系统的软件设计工作量,具有很好的应用前景.     

高精度RBP-模糊推理复合学习系统

该文提出了高精度RBP-模糊推理复合学习系统.系统主要由基于鲁棒估计的鲁棒BP 学习环节和基于混合合成推理的模糊推理环节构成.该学习系统的主要特点是可由鲁棒BP 算法和min-max,max-min模糊推理算法简单地实现.最后通过在目标跟踪问题中应用结 果,表示了该算法的高精度和鲁棒性.     

模糊蕴含运算和模糊推理研究

1 引言模糊推理是一种利用模糊集合论研究不确定性问题的方法。实际上多输入多输出系统的推理问题的关键是单输入单输出系统的模糊推理问题,因此本文只考虑单输入单输出系统的模糊推理问题。模糊推理中涉及到两个主要的问题:一是模糊蕴涵算子的选择,二是推理合成方式的选择。模糊蕴涵算子将规则转换成     

基于Choquet积分-OWA的自适应神经模糊推理系统及其应用

针对已有的自适应神经模糊推理系统(ANFIS)在模糊规则后件表达上的缺陷和常见的模糊推理系统存在的主要问题,提出基于Choquet积分OWA的模糊推理系统(AggFIS),在模糊规则的后件表达、模糊算子的普适性和输入及规则的权重等方面有很大优势,它试图建立能够充分体现模糊逻辑本质和人类思维模式的模糊推理系统.根据模糊神经网的基本原理将AggFIS与前馈神经网络相结合,得到基于Choquet积分-OWA的自适应神经模糊推理系统(Agg-ANFIS),并将该模型应用于交通服务水平评价问题.实验结果证明,基于Choquet积分OWA的自适应神经模糊推理系统具有很好的非线性映射功能,它的本质是一类通用逼近器,为解决复杂系统的建模、分析及预测问题提供了有效的途径.     

高精度RBP－模糊推理复合学习系统

该文提出了高精度ＲＢＰ－模糊推理复合学习系统．系统主要由基于鲁棒估计的鲁棒ＢＰ学习环节和基于混合合成推理的模糊推理环节构成．该学习系统的主要特点是可由鲁棒ＢＰ算法和ｍｉｎ－ｍａｘ，ｍａｘ－ｍｉｎ模糊推理算法简单地实现．最后通过在目标跟踪问题中应用结果，表示了该算法的高精度和鲁棒性．     

新型模糊推理语言f—PROLOG

PROLOG是建立在Horn子句逻辑之上的人工智能语言。对于定性的逻辑推理,它在专家系统、模式识别、自然语言理解等人工智能研究领域发挥了重要作用。但是在进行模糊推理时,基于二值逻辑的PROLOG语言就变得暗淡失色了。为此,我们建立了一套基于f-Horn子句规则有限集的模糊推理理论,并在此基础上开发了一种模糊PROLOG语言。f-PROLOG是一种支持模糊推理的人工智能语言,且保持了模式匹配、回溯等特点。     

基于FPGA模糊控制芯片的设计

本文提出了一种以EP1C3为核心器件，通过VHDL语言实现二输入一输出模糊控制的控制芯片，允许有16条控制规则(可扩展到256条)，其模糊推理过程既有并行又有串行，每秒钟可以完成5万次完整的模糊推理运算。该控制芯片可以运用到各种实时性要求高的模糊控制系统中。本文详细介绍了知识库存储、模糊化、模糊推理以及去模糊在FPGA中的实现细节。     

真值限定的语言真值直觉模糊推理

为了更贴近人类语言的表达,减少推理过程中信息的损失,在直觉模糊逻辑推理的基础上,结合语言真值格蕴涵代数,提出了真值限定的语言真值直觉模糊推理方法。研究了语言真值直觉模糊犹豫度、相容度、不相容度及其相关性质,并通过语言真值直觉模糊相容度的计算,对推理真值进行限定,给出语言真值直觉模糊推理模型的真值限定推理方法。设计推理算法,并将算法应用于实例中。实例说明,该方法在处理同时具有可比性和不可比性的语言真值直觉模糊推理问题中更有效。     

自适应神经模糊推理系统的参数优化方法

自适应神经模糊推理系统(ANFIS)将模糊推理系统(FIS)中的模糊逻辑规则及隶属度函数参数通过神经网络的自学习来整定,自动产生模糊规则和调整隶属度函数,解决了模糊控制系统中模糊推理规则主要根据专家经验设计、缺乏自学习能力、控制精度不高等问题.而在建立一个初始系统进行训练时,其训练次数、隶属度函数的数目及类型都是待定的,这三个参数的选择直接影响系统训练后的效果,其确定方法值得研究.本文应用自适应神经模糊推理系统对一个典型系统进行建模仿真,并提出三个参数的寻优方法.     

一种新的神经模糊系统及其学习算法

本文提出一种规则结论部分的语言变量具有离散隶属度函数的、基于Mamdani形规则的新神经模糊系统,并描述了它的学习算法.新神经模糊系统由模糊推理系统及其一一对应的神经网络系统构成.在只有训练数据的情况下,首先提出了一种基于RBF神经网络的模糊建模方法.而在模糊推理系统由模糊建模或者直接由专家经验知识确定后,应用梯度下降法优化神经网络系统参数.倒立摆控制和时间序列预测的仿真试验体现了本文提出的新的神经模糊系统的可用性和优越性.     

模糊数学及其应用讲座(二)

模糊逻辑和模糊语言模糊逻辑包括连续值逻辑、模糊逻辑函数、连续值开关逻辑、模糊语言和模糊推理等内容。连续值开关逻辑可应用在分析结点网络的可靠性上。而模糊语言学及模糊推理的理论为模糊数学应用于自动控制等方面提供了有力的工具。     

基于T-S模糊推理优化KPI的应用

模糊系统是一种基于知识或基于规则的系统,它的核心就是由所谓的IF-THEN规则所组成的知识库.模糊推理就是针对给定的系统输入,综合运用知识库中的模糊推理规则,获得系统输出的过程.而T-S模糊模型的基本思想是将正常的模糊规则及其推理转换成一种数学表达形式.本文拟将绩效考核与模糊推理的优越性进行有效的结合,研究讨论出T-S模糊推理在绩效考核中的应用.以验证其收敛性及优越性.     

模糊推理的程序化

在模糊控制过程中,普遍采用CRI模糊推理方法,但由于其计算量大,阻碍了模糊控制的应用。在Mathematica环境之下,巧妙地运用Mathematica语言的特点及处理矩阵自定义运算的能力,将模糊推理程序化。     

基于ANFIS的非线性系统辨识研究

系统辨识是控制系统设计的基础，对非线性系统进行辨识是当前的难点；文献[1]提出了用模糊建模方法，文献[2]提出了用神经网络方法，在总结上述方法不足的基础上，该文提出了用自适应神经模糊推理系统(ANFIS)对非线性系统进行辨识的方法，仿真结果表明，ANFIS进行非线性系统辨识是可行的，其辨识精度很高。     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

基于加权模糊推理的分布式飞机大气数据专家系统

飞机大气数据专家系统是对大气数据进行深层次处理的计算机系统.本文将从结构、推理机和实现方法等方面对系统进行全面介绍.该系统采用了分布式结构和加权模糊推理机制.系统的软件实现采用了LISP语言;系统的硬件实现基于多处理器网络系统.最后,概括了本文的研究重点和意义.     

支持向量机-模糊推理自学习控制器设计

常规的模糊推理系统大多由专家经验建立模糊规则,自学习能力不强.提出了一种支持向量机-模糊推理系统,由支持向量机实现模糊推理系统的自学习,并设计了一种支持向量机-模糊推理自学习控制器.文章给出了自学习控制器的结构和学习算法,对比研究了变尺度梯度优化和混沌优化两种学习算法.针对非线性对象的仿真实验验证了该控制器的优良性能,控制效果比模糊逻辑控制器更好.