基于ISODATA算法的自组织单输入单输出T-S模糊系统

T-S模糊模型已得到了广泛的研究与应用.但在该模型的建模过程中,在结构辨识、参数优化等方面仍存在一些不足,为此提出了一种基于ISODATA算法的自组织T-S模糊系统.该方法基于输入输出数据,分两步对模糊系统进行建模.第一步,使用基于线性原型的ISODATA算法,对输入输出数据进行聚类,确定系统结构.第二步,建立初始T-S模糊系统,然后使用粒子群算法优化系统参数.与传统方法相比,具有自动优化系统结构的优点.仿真结果验证了该方法的有效性.     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

基于微粒群优化算法的T-S模糊建模

在传统T-S模糊模型的基础上,提出一种高次多项式T-S模糊辨识模型.将传统T-S模型规则后件中的线性模型用简单多项式模型代替,并进一步利用微粒群优化算法辨识规则后件参数.数值仿真表明:用该方案辨识得到的T-S模糊模型同传统的具有线性后件的T-S模型相比,能够显著减少模型规则条数而保持辨识精度不变,同时辨识时间也相应地缩短;且随着输入变量个数的增加,这一优势将更加明显.     

电厂主汽温的模糊逆控制

采用模糊辨识的方法建立了电厂主汽温系统的T-S模糊逆模型.该模型的前提结构采用模糊均值聚类方法辨识,结论参数由最小二乘法辨识,并结合最小均方根算法在线调节逆模型,将其作为系统控制器,以解决电厂主汽温系统的大惯性、大延迟的动态特性.仿真结果表明,该方法可以提高电厂主汽温系统的鲁棒性和动态稳定性.     

基于PSO改进的T-S模糊神经网络短期电力负荷预测研究

精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度,采用了一种PSO改进T-S(Takagi-Sugeno)模糊神经网络方法.分析了数据预处理对改善输入量的重要性,讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法,从而使PSO找到最优参数,然后结合历史负荷数据、相关影响因素进行预测,以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.     

一种基于改进FCM划分算法的T-S模型辨识

鉴于以往T-S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T-S模型模糊辨识.在用该方法对多参量水质评价系统进行基于T-S模型模糊辨识建模时,取得了较好的验证效果.该研究结果表明,基于改进模糊C-均值划分算法的T-S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果.     

非线性系统的模糊建模方法研究

给出一种基于T-S模型进行非线性模糊建模的方法,该方法首先通过模糊聚类的方法进行模糊结构辨识,再利用带遗忘因子的递推最小二乘法对后件参数的辨识,从而得到模糊模型,通过利用Box和Jenkins煤气炉数据进行仿真,验证了所提方法的有效性.     

基于改进T-S模型的热工过程模糊辨识算法

提出了一种实用的基于T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间进行划分,在此基础上利用递推最小二乘辨识算法建立一个热工过程的T-S模型。文中给出了熟知的Box-Jenkins数据的辨识结果,并将该方法应用于辨识单元机组的协调控制系统。     

T-S模糊系统的辨识方法及其在主汽温系统中的应用

针对T-S模糊模型辨识步骤中,结构辨识与参数辨识混在一起、计算量大的缺点,提出了应用确定模糊规则结论参数的启发式辨识方法。对启发式辨识方法的基本原理做了阐述,并将基于该方法的T-S模糊模型应用于火电厂主汽温系统。以某600MW直流锅炉高温过热器为研究对象,对其不同工况下的单位阶跃响应模型进行了辨识。仿真结果表明,该T-S模糊系统能有效地逼近主汽温系统阶跃响应模型,验证了所提出的辨识算法的有效性和可行性。     

基于T-S模糊模型的水轮机调节系统辨识

针对水轮机调节系统的复杂性、非线性和难以用明确数学模型表达的特点,建立了该系统的T-S模糊模型.考虑到T-S模糊模型的结构与参数间的密切关联性,提出基于混沌优化策略的结构和参数一体化辨识.该方法用混沌优化策略辨识模型的前件参数,用最小二乘法辨识模型后件参数,实现了模糊模型结构的自适应优化.试验结果表明,该T-S辨识模型具有较高的辨识精度及较强的泛化能力,实现了水轮机调节系统的有效辨识.     

基于粒子群算法的永磁同步电机模糊控制研究

为提高永磁永磁同步电机伺服系统控制性能,提出了基于粒子群优化(PSO)算法的永磁同步电机模糊控制的设计方法,即应用PSO算法全局优化模糊控制器的ka、kb、ku参数和控制规则,提高模糊控制器的控制性能和效果。仿真实验结果表明,优化后的模糊控制器的动、静态性能均优于常规PID控制,具有较高的鲁棒性和控制精度。     

汽油机怠速转速的模糊控制方法

为了提高怠速转速控制的稳态和动态特性 ,研究模糊控制方法在怠速控制中的性能 ,设计了一种汽油机怠速转速模糊控制系统 .介绍了怠速模糊控制系统的结构和工作原理以及模糊控制器的设计过程 .通过计算机仿真确定了控制系统的参数 .仿真和发动机台架试验表明发动机在稳态和动态情况下 ,怠速得到了精确的控制 ,模糊控制方法对发动机参数的变化具有一定的鲁棒性 .     

基于粒子群算法的ANFIS模型参数优化

粒子群优化算法是一类全局随机进化算法,算法通过粒子间的相互作用发现复杂搜索空间中的最优区域。根据粒子群算法对整个参数空间进行高效并行搜索的特点,提出了最小二乘法和粒子群优化算法相结合的混合学习算法对自适应神经-模糊推理系统网络结构参数进行优化设计。混合学习算法提高了网络参数辨识的收敛速度,仿真结果表明本算法的有效性。     

基于粒子群算法的模糊滤波器优化方法

根据粒子群算法可以搜索全局最优的特点,提出一种新的基于粒子群算法优化模糊隶属函数,从而对带有脉冲噪声图像进行模糊中值滤波的方法.该方法给出一个新的模糊熵定义,采用改进粒子群优化算法寻求隶属函数的最优参数,依照最大熵准则将图像变换到模糊域,然后对需要处理的噪声图像进行滤波.实验表明,提出的方法可以很好地滤除图像中的脉冲噪声,自适应性强.     

运动状态下机器人关节面物理参数在线模糊辨识方法

利用模糊自动推理方法,提出了一种辨识运动状态下机器人关节面时变物理参数的方法。该方法是在原有模糊聚类法的基础上,推导出的在线自适应模糊推理算法,可应用在时变非线性系统参数在线辨识中。以三自由度单臂机器人为研究对象,建立了机器人运动状态下的动力学模型,利用该自适应模糊推理算法在线辨识此动力学模型中的机器人关节面时变物理参数。由于该方法采用局部估计算法,实验结果表明,该方法具有工程实用价值。     

一种基于改进FCM划分算法的T—S模型辨识

鉴于以往T—S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T—S模型模糊辨识。在用该方法对多参量水质评价系统进行基于T—S模型模糊辨识建模时,取得了较好的验证效果。该研究结果表明,基于改进模糊C-均值划分算法的T—S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果。     

节气门-转速响应模型的仿真与实验研究

根据发动机运行时的物理特性,结合现代控制理论建立基于工作循环事件周期采样的离散电控汽油机节气门-转速响应模型,并利用递推算法和I.D.Landau的模型识别方法,对WF4C27F-E型汽油机进行了该模型的实验研究,辨识出模型参数;利用辨识出的模型参数在Matlab/Simulink环境中建立仿真模型,将该仿真模型的阶跃扰动响应情况与真实发动机的实验数据进行比较,验证了此模型的有效性和精度.该发动机节气门-转速响应模型结构具有通用性,适合所有同类型电控汽油机,且模型求解简单,参数辩识方便,因此可以用于实时性要求较高的故障诊断以及控制性能优化.     

模糊神经网络用于非线性系统模型辨识

提出了一种非线性系统的模型辨识方法。在只有被辨识系统的输入输出数据的情况下,利用一种无监督的聚类算法来进行结构辨识,从而自动获得模糊规则库,并可以得到模糊系统的初始参数。在聚类的基础上,构造一个与之相匹配的模糊神经网络,用它的学习算法来训练网络得到一个精确的模糊模型,从而实现参数辨识。同时,证明了所构造的模糊神经网络具有通用逼近能力,这个能力在模糊建模和模糊控制方面非常有用。通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

基于PSO模糊神经元的异构无线网络接入选择

采用模糊逻辑和神经网络技术进行异构无线网络接入选择的方法未合理考虑网络负载状况,为此提出一种对网络负载具有很好动态适应性的基于粒子群优化(PSO)模糊神经元的接入选择方法. 该方法将可接入网络的接入阻塞率相等作为模糊神经元参数学习的目标,并结合具有全局寻优能力的PSO算法设定参数初值,提高了参数学习精度. 仿真结果表明,该方法能有效实现网络间负载均衡,相对于最大负载均衡算法可降低网络的接入阻塞率.