分层模糊神经网络的轧钢产品质量建模

轧钢生产过程是极其复杂的大系统,模糊神经网络进行质量建模将不可避免地陷入维数灾。分层模糊神经网络是解决维数灾的有效手段。文中采用分层模糊神经网络对轧钢产品质量进行建模,并用预处理后的数据进行训练和校验。仿真结果表明所建质量模型能够较好地拟合建模数据,表明了该方法的有效性。     

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．     

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。     

基于模糊聚类和矩阵分解的模糊辨识方法

通过改进模糊聚类方法确定模糊模型的前件结构,然后对模糊推理关系矩阵进行QR分解,通过分析秩的亏损来确定聚类规则的有效性,然后采用基于矩阵UD分解最小二乘确定模糊模型的后件参数,实现模糊模型的结构和参数的优化.该方法成功地应用于Box-Jenkins煤气炉数据系统建模.     

基于特征选择和协同模糊聚类的模糊建模研究

为了提高模糊模型辨识效率,提出了一种新的模糊模型建摸方法,该方法由两步组成：（1）采用基于特征相似性的特征选择方法,去除原始数据的冗余;（2）利用协同模糊聚类与G-K相结合的算法初始化模糊模型,使其前件和后件参数得到优化。采用该算法对有效的特征进行协同模糊聚类,模型参数得到改善,提高了模糊模型辨识的效率。模糊建模的实验结果表明了该方法的有效性。     

基于模糊ARMAX模型的模糊建模

提出了一种利用MGS(modified Gram-Schmidt)算法建立模糊ARMAX模型的方法, 给出了基于MGS算法的模型结构和参数辨识的一体化方法. 利用MGS正交变换对通过GK模糊聚类的聚类结果进行变换, 确定对模型贡献大的规则, 删除对模型贡献小的规则, 同时对模型中的参数进行估计. 本文提出的方法能够实现模糊模型的结构和参数的优化. 仿真结果表明, 本文提出的方法能够建立非线性系统的模糊ARMAX模型.     

模式树推导方法的纯参数化扩展

通过分析模式树推导方法的特点,提出一种新的线性方法来构造参数化的模糊与/或算子,使得模式树成为一个完全由参数化模糊算子构成的模型。该方法既保持了原有模型可读性强、精度高和可解释性强的优点,又有效地提高了该模型的灵活性;同时建立了相应的参数优化机制。实验结果表明,新的模式树在分类精度上比原有模型有了较显著的提高。     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

一种基于模糊聚类的模糊辨识方法

介绍一种基于模糊聚类的模糊辨识方法。首先利用含有聚类准则函数的模糊聚类方法来确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数。该方法应用于Box-Jenkins数据仿真实例,仿真结果表明该方法简单有效。     

基于正交最小二乘和UD分解的模糊建模方法

通过改进模糊聚类方法确定模糊模型的前件结构，并对模糊推理关系矩阵进行正交最小二乘估计。通过分析正交向量在模型中贡献的大小确定聚类规则的有效性，然后采用基于UD分解的最小二乘确定模糊模型的后件参数，实现模糊模型的结构和参数的优化。该方法已成功地应用于Box-Jenkins煤气炉的数据系统建模。     

模糊PID在冷轧机厚度控制系统上的应用

为解决现有轧机液压AGC系统响应慢、精度不高和工作效率低的问题,将现有液压PID控制系统改进成模糊PID自整定控制系统。首先在分析轧制过程中的变形确定轧制阻力,以及控制环节的传递关系的基础上,建立了工作装置和液压控制系统联合仿真模型,并且在轧机厚度控制系统的数学模型基础上进行了参数优化,利用AMESim和Mat]lab/Simulink联合仿真得出了轧件入出口板厚曲线,并对液压缸PID控制系统和模糊PID自整定控制系统进行对比分析。经研究表明:普通PID控制系统无法对出口板厚进行有效实时调整,而模糊PID自整定控制系统除对板厚能实时调整外,其控制精度大大提高,最大板厚误差仅为0.1 mm,改进后的系统响应快,响应时间为0.4 s。     

供应链中二级分销网络优化设计的模糊机会约束规划模型

提出了供应链中二级分销网络优化设计的模糊机会约束规划模型. 模型中将各个需求地对产品的需求量以及各分厂的生产能力等难于确定的参数看成是模糊参数, 并进一步讨论了如何将模型中的机会约束清晰化. 文中还讨论了采用启发式算法同分枝定界法相结合以提高问题的求解速度.     

间歇过程的全局收敛性神经模糊模型

为了克服难以获得间歇过程的精确数学模型这一难题,本文采用一种具有非线性模糊规则后件的模糊 神经网络建立间歇过程的模型,在此基础上提出一种基于Lyapunov 方法的全局收敛性参数学习算法,并给出了严 格的数学证明．本文提出的算法具有较好的非线性逼近和参数自学习能力,为间歇生产过程的建模提供了一条新途 径．最后,将提出的神经模糊模型用于一个典型间歇过程的建模研究中,仿真结果表明了该算法的有效性,体现了 模型潜在的实用价值．     

EPQ model with learning consideration,imperfect production and partial backlogging in fuzzy random environment

The article scrutinises the learning effect of the unit production time on optimal lot size for the uncertain and imprecise imperfect production process, wherein shortages are permissible and partially backlogged. Contextually, we contemplate the fuzzy chance of production process shifting from an ‘in-control’ state to an ‘out-of-control’ state and re-work facility of imperfect quality of produced items. The elapsed time until the process shifts is considered as a fuzzy random variable, and consequently, fuzzy random total cost per unit time is derived. Fuzzy expectation and signed distance method are used to transform the fuzzy random cost function into an equivalent crisp function. The results are illustrated with the help of numerical example. Finally, sensitivity analysis of the optimal solution with respect to major parameters is carried out.     

基于动态模糊理论的课堂教学质量评价模型

针对目前已有的课堂教学质量评价方法无法全面、公正的评价教师真正教学水平的现状,提出基于动态模糊理论的课堂教学质量评价模型。模型以宿迁学院课堂教学质量评价指标体系为例建立评价指标集,介绍动态模糊评价信息的获取途径,给出各评价因素动态模糊矩阵的建立过程和最终评价结果集的计算方法。最后通过三位教师课堂教学质量评价信息计算过程的实例,验证评价结果的科学性、准确性和全面性,并体现该模型的优势。     

Evaluation using online support-vector-machines and fuzzy reasoning. Application to condition monitoring of speeds rolling process

A method for process condition monitoring and evaluation, which combines the online support vector machine (SVM) regression and the fuzzy sets methods, is proposed. To account for the time dependence, the proposed approach is based on moving windows in order to take into account the past and new data for the model’s adaptation. The fuzzy analysis is then applied to the generated residual data to give an evaluation of the condition monitoring. The proposed approach is applied to hot rolling for constructing a complementary condition monitoring system, which permits an online quality evaluation in the rolling process. Simulation results based on residual data show that the new approach is easily implementable.     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于目标函数的模糊模型一体化建模

基于模糊集合的模糊模型, 利用模糊推理规则描述复杂、病态、非线性系统是一种有效方法. 本文提出了利用目标函数确定非线性系统的结构和参数的方法. 首先, 通过Gustafson-Kessel(GK)模糊聚类确定模型结构. 然后, 通过目标函数与参数估计一起进行递推计算, 进而实现对模糊模型结构简化, 删除冗余规则. 结构确定过程中采用了UD矩阵分解方法, 大大降低了计算量. 仿真结果证明了提出方法的有效性.