基于模糊推理的改进的交互式多模型算法

为了提高交互式多模型算法的跟踪精度,提出一种利用模糊推理对交互式多模型算法进行优化的方法,以模型概率为输入,输出值为模型系统噪声协方差的系数,通过该系数来调节模型系统噪声协方差以减少误差;以基于卡尔曼滤波器的交互式多模型滤波器的应用为例,分别对交互式多模型算法在模型匹配和不匹配的情况进行实验分析,并对改进前、后的交互式多模型算法进行比较。结果表明,基于模糊推理的改进的交互式多模型算法能取得更好的跟踪效果。     

基于实例模型的模糊推理方法

研究基于实例模型的模糊推理方法。根据设计要求和产品的特征,建立了产品实例模型。采用面向对象技术描述产品实例,建立产品实例库。基于设计要求和实例模型进行模糊推理,从而获得产品优化设计方案,提供了基于实例模型的模糊推理算法,该方法已成功地应用于定梁龙门铣床的进给箱产品的方案设计中。     

完备剩余格中的上近似与下近似模糊推理方法

借助于全蕴涵三I算法的思想,在完备剩余格上探讨了FMP问题的输出的上近似模糊推理与下近似模糊推理,并得到上近似推理与下近似推理算法均具有还原性.     

基于模糊推理参数优化的无人机自适应PID控制

针对传统模糊控制隶属度函数主观性较强以及传统PID控制精度低、参数难以调整等缺点,提出一种基于模糊推理参数优化及神经网络的无人机自适应PID控制算法.(1)基于四旋翼无人机的运动学分析,建立了系统的动力学模型;(2)导出了基于神经网络控制的模糊推理参数优化方法;(3)采用带有全局极小动量项的梯度下降法修正网络学习权值,设计了模糊神经网络.实验结果表明,本文所提的算法相比其他传统算法具有更好的控制精度和鲁棒性.     

基于灰色模型粒子群优化算法的自适应神经模糊推理系统模型的船舶横摇运动预报分析

为了准确高效的预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出了一种基于灰色模型粒子群优化算法的自适应神经模糊推理系统(grey particle swarm optimization-adaptive neural-fuzzy inference system,GPSO-ANFIS)。GPSO-ANFIS预测模型使用模糊C均值聚类算法对输入样本进行聚类分析,得到模糊规则数量并建立神经模糊推理系统;再使用粒子群优化算法对建立的预测系统进行优化训练,从而得到最优的预测系统模型。其中灰色模型用于横摇数据的预处理,以便削弱横摇状态中的非线性影响因素。最后通过实船"育鲲"轮的横摇数据进行仿真实验。实验结果验证了GPSO-ANFIS模型的实用性和可行性,具有较高的预测精度。并为船舶航行智能化提供了一种有价值的理论依据。     

一种面向热设计的反馈-模糊推理全局算法

针对常规模糊推理算法无法有效求解具有复杂或未知传热规律的传热学反问题,提出一种反馈-模糊推理全局算法.基于模糊推理的基本流程,将变论域方法、反馈思想和模拟退火算法结合起来,通过反馈单元降低模糊规则对传热规律的依赖,并通过模拟退火单元防止陷入局部最优.采用此方法对风冷散热器翅片的几何结构设计问题进行求解,并与常规模糊推理算法和模拟退火算法结果进行对比.同时,对不同初始值、不同输入误差下反馈-模糊推理全局算法的计算结果进行验证和对比.结果表明,该算法可以解决传热学规律复杂或未知的传热学反问题,计算结果不受初始值影响.该算法在解决此类问题时拥有良好的鲁棒性和抗不适定性,可以为反问题、结构设计和优化提供参考.     

基于多值蕴含的二型模糊推理模型

针对Mamdani蕴含算子不支持经典逻辑的问题,采用与一型模糊逻辑系统类似的研究方法,讨论了基于Kleene-Dienes、Lukasiewicz、Zadeh和Reichenbach蕴含算子的二型模糊推理模型,分别给出了这四个二型模糊推理模型最终模糊集的隶属函数表达式。研究结果表明,这四个二型模糊推理模型及其算法具有一般经典逻辑的共同属性,比Mamdani二型模糊推理模型更自然。研究结论突破了已有的框架,有助于二型模糊逻辑系统的进一步研究。     

基于模糊推理的驾驶员换道模型

以换道过程中目标车道跟随车为研究对象,对跟随车与换道车之间的交互行为进行分析,采用模糊推理技术进行建模;选取相对间距、相对速度、最迟换道距离、驾驶员性格等作为模糊推理系统输入变量,换道支持度为输出,构造3类不同换道方式的模糊规则,建立基于模糊推理的车辆换道模型。结果表明:根据模糊推理的特点设计的换道模型能够反映车辆驾驶行为的自主特性;通过改变交通流密度进行数值模拟分析发现,相比于强制换道和对称双车道元胞自动机模型,协作换道模糊推理模型提高了整个路段的交通流平均速度,减少了路段交通拥挤。     

基于模糊推理的鸡群优化算法

针对鸡群算法(CSO)在求解高维复杂优化问题时往往会陷入局部解的问题,提出了基于模糊推理的鸡群优化算法.该方法利用模糊推理改进了母鸡和小鸡的位置更新公式,增强了鸡群全局搜索能力;利用惯性粒子,增强了鸡群的信息共享,从而增加了局部搜索能力,并用Tent映射对粒子进行扰动.数值试验结果表明:该算法能快速收敛到全局最优解,而且具有较高的全局寻优能力和计算精度.     

基于改进卷积神经网络的平面地图道路模糊推理分割方法

由于平面地图呈现方式单一且有限,为提升其多样性需准确分割平面地图中的道路区域。提出一种基于改进CNN(convolutional neural network)平面地图道路和模糊推理分割的方法。选取两个道路信息丰富的数据库,实验选取百度地图(Baidu)数据库和高德地图(Amap)数据库,标记得到含标签信息的像素训练集;用Sigmoid分割目标函数代替复杂的Softmax函数分别训练得到Baidu-CNN模型和Amap-CNN模型;对得到的像素点概率进行非线性映射,构建模糊推理系统;将非线性映射后均匀分布的像素点概率输入模糊推理系统,判断像素点属于道路区域的概率,得到道路分割结果。结果表明:所提算法得到的平面地图道路分割模型较传统算法分割效果更好;准确率可以达到94.49%;单张平面地图的道路分割速度可达到5 s。