模糊辨识

摘要： 针对传统方法的非线性系统模糊辨识精准度较低,且辨识速度较慢的问题,该文提出一种基于自适应粒子群算法的非线性系统模糊辨识方法.通过非线性系统模型原理,估计实质模型参数,从而将问题转换成非线性函数优化,获得模型参数估计值.引入自适应粒子群算法,并结合核函数的FCM聚类方法,清除在辨识非线性系统的不利行为,即可完成非线性系统的模型辨识.通过实验证明,该文方法能够有效地对非线性系统模糊辨识,且与传统方法对比,该文方法的辨识精度较高,速度更快.

摘要： 针对混凝土坝变形监测信息缺失的问题,依据同类测点空间变形上的关联性,提出了T-S模型填补方法.即:首先建立以邻近相关测点变形信息为输入、缺失测点变形信息为输出的T-S模糊模型;然后运用CFSFDP-FCM聚类算法进行模型前件辨识;最后基于交替优化的最小二乘法进行后件参数求解和缺失值填补.实例分析结果表明,该方法可有效挖掘测点间变形的关联关系,填补精度和有效性明显优于常规的反距离加权、多测点回归及BP网络填补方法,且对多测点缺失情况亦具有较好填补效果.

摘要： 化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求.连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求.针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法.首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数.其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数.最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性.

摘要： 为了提高T-S模糊模型的辨识精度和效率,本文提出了一种改进的粒子群算法和模糊C均值聚类算法相结合的模糊辨识新方法.在该方法中,针对粒子群算法在处理高维复杂函数时容易陷入局部极值的问题,提出了一种粒子群局部搜索和全局搜索动态调整的全新优化算法.模糊C均值聚类算法是模糊辨识最常用的方法之一,该算法简单,计算效率高,但是对初始化特别敏感,容易陷入局部最优.为了解决这一问题,利用改进粒子群算法的全局搜索能力优化聚类中心,显著地提高了算法的辨识精度和效率.最后,针对非线性系统进行建模仿真,仿真结果表明了本文方法的有效性和优越性.

摘要： For the modeling issue of non-uniformly multi-rates sampled nonlinear systems,a fuzzy identification method based on hierarchical principle is proposed in the paper.First of all,a nonlinear system is described as a weighted combination representation of the multiple local linear models by using lift technology when the non-uniformly updating scheme for input signals and uniformly sampling scheme for output signals are taken in the data sampling process.On this basis,we propose a fuzzy identification algorithm,in which the GK fuzzy clustering method and a recursive least squared method based on hierarchical principle are used to confirm the premise structure and consequence parameters of fuzzy model,respectively.Moreover,the convergence of the identification algorithm is studied by using martingale theorem.Finally,the effectiveness of the proposed method is demonstrated by a simulation example.%针对非均匀多采样率非线性系统的建模问题,提出了基于递阶原理的模糊辨识方法.首先,分析了非线性系统在输入信号非均匀周期刷新,输出信号周期采样的情况下,非线性系统可以通过提升技术,利用多个局部线性模型加权组合的模糊模型来描述.在此基础上,利用GK模糊聚类确定模糊模型前件结构,利用基于递阶原理的递推最小二乘辨识算法辨识模糊模型后件参数.同时,通过鞅定理对辨识算法的收敛性进行了研究.最后,通过仿真实例证明了本文方法的有效性.

摘要： 采用模糊辨识的方法,以蓄电池输出能量与放电深度的比值为输入变量对蓄电池的健康状况(SOH)进行建模,并用所得模型对蓄电池SOH进行预测,取得了良好的预测效果,并且该方法所需辨识数据较少,能满足蓄电池SOH在线监测的速度要求.%The fuzzy identification was used to establish model of the battery's state of health (SOH) with the ratio of battery's output energy and depth of discharge.The model was used to predict the battery's SOH.Good result is achieved.The method needs less identification data,so it can meet speed requirement for online monitoring.

摘要： Due to the defects in description system uncertainty of the traditional T-S fuzzy description system, type-2 T-S fuzzy system has received extensive attention. In according with the low efficiency of common type reduction algorithm for interval two type fuzzy set, the NT type reduction algorithm was used for interval type-2 fuzzy system identification. The NT type reduction algorithm avoid the complexity iterative search operation, directly using the upper and lower bounds of first membership function, and then directly get the results of the fuzzy system. The simulations result shows that NT type reduction algorithm can improve identification efficiently without reduce identification accuracy.%由于传统T-S模糊描述系统不确定性方面的缺陷,二型T-S模糊系统得到了广泛关注.针对常见区间二型模糊集合的降阶算法存在的效率低下的问题,本文利用NT降阶算法进行区间二型模糊系统的辨识.NT降阶算法避免了复杂的迭代搜索操作,直接利用首隶属度函数的上、下限进行降阶运算,然后直接得到解模糊化结果.仿真实例表明,利用NT降阶算法能够在不降低辨识精度的情况下,提高辨识效率.

摘要： 直线电机驱动的进给轴在进给过程中容易受到导轨滑动摩擦特性影响而存在高度的非线性特性,给进给轴的高精度跟随控制带来困难.研究给出一种基于模糊辨识的直线电机驱动进给轴摩擦辨识策略,以直线电机驱动进给轴为研究对象,给出了基于电流反馈为手段的样本数据采集方法,应用基于数据驱动的模糊辨识方法辨识摩擦模型,构建了直线电机驱动进给轴的摩擦仿真系统.以直线电机驱动进给轴为研究对象构建实验平台,仿真和实验结果表明提出的摩擦辨识方法能精确地辨识直线电机驱动进给轴的摩擦模型.

摘要： KM is a commonly used algorithm for interval type 2 fuzzy sets type reduction,which has the weakness of low efficiency,thus it is difficult to be used for online identification and control.A simplified interval type 2 fuzzy system identification method was proposed in this article.The method uses type 2 T-S fuzzy model,the premise fuzzy set of which is interval type 2 fuzzy sets and the consequent parameter is the same as type 1 T-S fuzzy model.A simplified type reduction algorithrn was used in this article instead of KM algorithm.The simulation shows that the simplified method can improve identification efficiency without reducing identification accuracy and can be used for real time identification and control.%KM降阶算法是目前区间二型模糊集合常用的降阶算法,针对其效率低、难以用于实时辨识与控制的缺点,提出了一种简化的区间二型模糊系统辨识方法.该方法采用二型T-S模糊模型,前件参数为区间二型模糊集合,后件参数为普通T-S模糊模型形式.二型T-S模糊模型的解模糊化采用简化的降阶算法,提高了模型的辨识效率,可用于实时辨识与控制.仿真实例表明,所提算法在不降低辨识精度的情况下能够有效提高辨识效率.

摘要： 针对实际输入输出数据测量噪声对模糊辨识精度的影响,提出了基于反向传播的非单点模糊逻辑系统.模糊推理系统基于非单点模糊化,提高了系统的抗干扰能力.利用反向传播确定输入变量的方差,提高了系统的辨识精度.用Mackey-Glass混沌数据在不同信噪比噪声情况下,验证了文章中算法的有效性和实用性.

摘要： 以较少的模糊规则在全局范围内获得满意的辨识精度,是模糊辨识追求的重要目标.该文提出了一种基于最差子空间分解聚类的非线性系统模糊辨识方法.首先根据各子空间的"可线性化"程度,对聚类的有效性进行评判,进一步对有效性最差的子集进行重新分解聚类,并辨识新增子空间的模型参数,以此逐步完成整个样本空间的模糊划分和模型辨识过程,直至模型满足既定要求.文中给出了所提出的模糊辨识方法与其他相关模糊辨识方法的对比结果,并利用该方法对两个典型热工对象进行了模糊辨识.

摘要： 针对一类非线性动态系统提出自适应模糊辨识方法。此方法基于模糊逻辑系统设计辨识模型,并对辨识模型中的未知参数设计自适应学习律.证明了采用此方法通过调整自适应律中的设计参数,可使辨识误差减小。仿真实例说明了本文方法的有效性。

摘要： 本文对锅炉汽温对象的在线模糊辨识进行了研究。文章以T-S模糊规则模型为基础,通过熵方法和竞争学习算法对输入空间进行聚类,利用递推的最小二乘辨识算法(RLS)确定模型的结论参数,实现了汽温对象的在线模糊辨识。通过两台锅炉汽温对象在线辨识实例,验证了在线模糊辨识方法对于两类典型汽温对象的有效性,不仅具有较高的辨识精度,同时还具有较为理想的泛化性能和跟踪能力。

摘要： 图像盲复原是在降质过程的所有信息或部分信息未知的情况下,利用降质图像的特征来估计原始图像和降质点扩散函数(PSF)的过程,对降质PSF的类型和参数进行识别称为模糊辨识技术,它是图像盲复原的关键.本文设计了一种基于频域零值的散焦与运动模糊模型参数求解的详细流程,利用由散焦模糊与运动模糊造成的降质图像对本文算法的性能进行了验证,实验结果表明本文算法是可行且有效的。

摘要： 本文针对啤酒发酵温度过程控制具有大时滞、非线性以及多扰动等特点,提出了基于T-S模糊辨识模型的多变量动态矩阵预测控制方案.结果表明该控制方案对模型精度要求不高,但控制效果良好.

摘要： 本文就在开发“工资档案管理系统”时所遇到的问题,较详细地论述了模糊查询功能的设想与实现方法，从而提高工作质量和效率。

摘要： 本文就在开发“工资档案管理系统”时所遇到的问题,较详细地论述了模糊查询功能的设想与实现方法，从而提高工作质量和效率。

摘要： 本文就在开发“工资档案管理系统”时所遇到的问题,较详细地论述了模糊查询功能的设想与实现方法，从而提高工作质量和效率。

摘要： 本文就在开发“工资档案管理系统”时所遇到的问题,较详细地论述了模糊查询功能的设想与实现方法，从而提高工作质量和效率。

摘要： 针对非传统T-S模糊模型,给出了一种新的辨识方法.利用改进模糊划分聚类算法辨识前件参数,最小二乘法对模糊模型的后件参数进行辨识.应用Box-Jenkins煤气炉数据和一个非线性系统进行仿真实验,结果证明了该方法的有效性与实用性.

摘要： 一种基于自组织二型模糊神经网络的污泥膨胀智能辨识方法属于智能检测技术领域。污水处理厂污泥容积指数SVI浓度是衡量活性污泥法污泥膨胀现象的重要指标。针对污泥容积指数SVI无法在线监测，污泥膨胀频发故障类型难以判断的问题，本发明利用基于自组织二型模糊神经网络建立污泥容积指数SVI的软测量模型，完成了污泥容积指数SVI浓度的实时检测，结合目标相关性辨识算法，确定了污泥膨胀故障类别。结果表明该智能辨识方法能够快速获得污泥容积指数SVI的浓度，准确辨识污泥膨胀故障类别，提高了污水处理的质量和效率，保证了污水处理过程的稳定安全运行。

摘要： 本发明公开了一种基于累积前景理论与模糊VIKOR理论的列车关键部件辨识方法，该方法包括如下步骤：首先，提取轨道列车相关部件及其潜在的故障模式，基于二型直觉模糊语义，对不同故障模式评分；其次，基于累积前景理论，构建故障模式的价值前景函数，计算不同指标下的部件的累积前景值；最后，通过VIKOR方法融合不同指标下的部件累积前景值，得到轨道列车系统部件的风险排序结果，辨识系统关键部件。本发明以列车系统故障模式、影响及危害性分析为基础，并基于累积前景理论的方法进行列车系统风险分析及关键部件的辨识，为轨道交通现场运营维护人员重点维护任务提供了理论支持。

摘要： 本发明公开了一种基于模糊聚类算法的配电网故障区段辨识方法，适用于适用于电网故障辩识领域。首先在线路上广泛布置的分布式测量点，将各测量点之间的距离定义为一个判别区段，当配电线路沿线发生单相接地故障时，各测量点记录并远传零序电流幅值信息至云端计算机；采用基于模糊聚类算法的定位方法，根据故障线路与非故障线路零序电流幅值沿线分布的差异进行故障区段辨识。对设备性能要求低，辨识方法简单、可靠，具有重要的实际工程应用价值。

摘要： 本发明公开了一种基于区间二型模糊的T‑S模糊模型非线性系统辨识方法，涉及自动控制技术领域。该T‑S模糊模型非线性系统辨识方法区间二型模糊C均值聚类进行非线性系统前件参数的辨识，采用最小二乘算法辨识非线性系统的后件参数，并将实时采集非线性系统的条件参数，输入确定前件参数和后件参数的T‑S模糊模型中，预测出非线性系统的决策变量估计值。本发明T‑S模糊模型非线性系统辨识方法大大提升了辨识精度。

摘要： 本发明公开了一种基于模糊逻辑的人体动力学参数的辨识方法，涉及技术领域；包括如下具体步骤：S1、建立人体各关节处的动力学模型，得到各个关节处的相关参数；S2、采用Takagi‑Sugeno模型，通过模糊逻辑确认S1中的相关参数；S3、分类辨识模块，将S2中确定得到的相关参数进行分类，并存储，其技术要求为：通过构建动力学模型，针对人体各个关节自由度进行分析和计算，并将Takagi‑Sugeno模型运用至人体动力学领域，帮助完成对人体关节处产生相关数据进行很好地处，能够以IF‑THEN规则形式将动力学模型计算得到的相关数据表示成线性组合，帮助后续对数据进行分析分类，从而降低对数据的辨别难度，并加快了整个辨别、分类的工作效率。

摘要： 本发明提供了一种基于脆性源辨识的配电网故障模糊综合评估方法，包括：(1)：采集配电网电流、电压；(2)：计算实时有功；(3)：计算负载率；(4)：计算脆性度；(5)：脆性度排序；(6)：假设路脆性度最大的线路故障；(7)：计算配电网潮流；(8)：判断配电网是否稳定，是，脆性度最大的线路为脆性源，故障；否，至(9)；(9)：计算剩余配电线路过载系数；(10)：判断过载系数是否有小于0的线路，是，假设该线路故障，至(8)；否，至(11)；(11)：计算脆性关联程度；(12)：断开脆性关联程度最大的线路，至(8)。本发明提供一种基于脆性源辨识的配电网故障模糊综合评估方法，能够有效地对配电网连锁故障进行预警。

摘要： 本发明公开了一种基于模糊C均值的台区电动汽车充电行为辨识方法及装置，方法包括下述步骤：构建电动汽车充电的空间数据矩阵和相别数据矩阵；设置模糊值；构建与初始化台区出线负荷数据模糊聚类中心矩阵及三相负荷数据模糊聚类中心矩阵；采用模糊聚类分析并通过迭代计算，确定最优模糊聚类矩阵和最优模糊聚类中心矩阵；获取台区出线负荷数据模糊聚类中心矩阵最优值及三相负荷数据模糊聚类中心矩阵最优值；计算台区出线及三相负荷数据功率的平均值；根据功率平均值，辨识三相电动汽车充电功率，确认充电行为。本方法可辨识台区电动汽车充电行为，确定电动汽车在充电的出线和相别，为台区运行管理、充电站配置、负荷预测、控制调度提供理论指导。

摘要： 本发明所述的一种基于模糊自适应控制的有刷直流电机参数辨识方法，通过给定有刷直流电机中高频正弦电枢电流指令，经模糊自适应PI控制，得到电流环的Kp、Ki，用来进行电机参数辨识闭环控制。给定两次幅值不同的中高频方波电枢电流指令，根据采集的稳态下平顶端电枢电流

摘要： 本发明所述的一种基于模糊自适应控制的永磁同步电机参数辨识方法，该方法基于模糊自适应PI控制，在设定角度下输入频率值为f

摘要： 一种多参量图像局部模糊自主辨识与恢复方法，计算采集的模糊图像的模糊度，根据计算结果选择网格划分所需尺度；进行不同尺度下的网格划分，对各种尺度下网格划分后的各组模糊图像的网格块均进行模糊度计算；根据各组模糊图像的网格块模糊度，确定模糊区域；将确定模糊区域的模糊图像进行恢复计算，输出恢复后的清晰图像。