利用局部拓扑信息发现模糊社团结构

根据网络节点的局部拓扑信息,给出了节点与社团的相似度度量方法,提出了一种新的发现网络模糊社团结构的粒子群算法。该算法在迭代过程中依据节点对不同社团的相似度来不断调整粒子的位置向量,减少了搜索的盲目性,提高了搜索效率。对不同规模的计算机生成网络和真实网络进行测试,实验结果表明,该方法能有效、快速的给出网络的模糊社团结构。     

两群替代微粒群优化算法及其应用

提出一种两群替代微粒群优化算法(TSSPSO),并对算法参数进行分析和对算法方程进行修正。该方法将微粒分成飞行方向不同的两分群,其中一分群微粒朝着最优微粒飞行,另一分群微粒朝着相反方向飞行;飞行时,每一微粒不仅受到微粒本身飞行经验和本分群最优微粒的影响,还受到全群最优微粒的影响。搜索时,每一次迭代均以一定的替代率用一分群中若干优势微粒取代另一分群中相同数目的劣势微粒。对4种常用函数的优化问题进行测试并进行比较,结果表明:两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将两群替代微粒群优化算法用于常压塔汽油干点软测量,建立基于两群替代微粒群优化算法的汽油干点神经网络软测量模型,通过与实际工业数据的比较,表明基于两群替代微粒群神经网络的软测量模型精度高、性能好。     

模糊神经网络用于非线性系统模型辨识(英文)

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ARM与多模型实现的试运线列车超速防护系统

针对试运线列车运行的安全性与停车准确度的要求,提出一种基于ARM与多模型实现的列车超速防护系统。通过车载设备传感器采样时间序列数据,并将其进行小波去噪,从而得到基于傅里叶模型的目标跟踪运行曲线。设计以模糊神经网络为动态预测模型的速度控制器,利用预测控制的滚动优化与误差矫正特性增加速度控制器在不同运行环境下的鲁棒性。为加快模糊神经网络的训练速度,将改进型粒子群模糊聚类算法的聚类结果作为模糊神经网络的前件规则构建参数。以中车试运线数据为例对其进行仿真,并通过基于曲线面积误差的评价指标对全局速度下的停车精确度进行分析。仿真结果表明:所提出的以傅里叶模型作为目标函数实现的基于模糊网络的预测控制策略具有明显的优势。     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T-S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模,结果表明能较快确定优化模型,并能满足软测量建模精度要求。     

项目网络组织协同治理绩效影响因素分析

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机（PSO SVM）方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群（PSO）算法寻找支持向量机（SVM）最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明：采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数     

模糊多属性决策方法及其在投资决策中的应用

根据模糊多属性决策基本原理 ,结合投资决策的特点 ,运用三角模糊数 ,提出一种模糊多属性决策方法 ,建立了决策模型。该模型具有良好的通用性和可操作性     

一种顾及用户朝向的PSO-LSSVM指纹定位算法

为了解决人体对WiFi信号遮蔽和最小二乘支持向量机参数优化的问题,提出了一种顾及用户朝向的粒子群优化最小二乘支持向量机指纹定位方法。建立全向指纹库,采用粒子群优化算法求出最小二乘支持向量机最优参数,通过最小二乘支持向量机训练出定位模型,将待测点指纹信息输入定位模型中,最终估算出待测点位置坐标。仿真实验结果表明所提算法在定位误差上达到0.72 m,普通的粒子群优化最小二乘支持向量机算法定位误差为0.84 m,提高了室内定位精度,具有实际的应用价值。     

T-S模型下神经网络的模糊推理及应用

基于T-S模糊模型提出了一种易于推理的神经网络结构,讨论了其自学习算法,并给出了用于模糊推理的估值算法和三级知识表示方法,实例说明了其应用价值.     

基于粒子群算法的设备大修企业模糊作业车间调度

针对大修企业中调度生产系统中存在的各种不确定因素,通过引入三元组对设备大修企业调度问题进行分析描述,以交货期加权满意度最大为调度目标建立作业车间模糊调度模型。运用粒子群优化算法对模型进行求解,结合企业应用实际进行实例分析,验证了该算法的有效性。     

时滞交联系统的H_∞滤波设计

基于T-S模糊模型方法,针对一类时滞交联系统,提出了一种集中H∞滤波设计新方案.通过构造新的模糊线积分李雅普诺夫泛函,给出了整体滤波误差系统时滞相关的集中H∞滤波设计LMI条件,降低了性能指标的保守性.最后通过仿真例子说明了所提方法的有效性和优越性.     

基于T-S模型三容水箱的模糊PID控制

三容水箱是较为典型的非线性时延对象,常规PID控制难以取得理想的控制效果,本文结合非线性模型线性化方法、PID控制结构及基于T-S模型的模糊控制技术,提出了基于T-S模型三容水箱的模糊PID控制策略.这种策略根据液位变化,通过适用度加权产生PID控制参数,可实现参数的平稳过渡,有利于改善控制性能.仿真结果验证了控制策略的有效性和正确性.     

BCI-代数的广义a-理想与广义模糊a-理想

引入了BCI—代数的广义a—理想与广义模糊a—理想的概念，讨论了它们的关系和一些性质，并得到了X的任意一个模糊集μ是一个广义模糊a—理想的充要条件．     

基于贝叶斯神经网络的非参数回归

提高神经网络模型推广能力的关键是控制模型的复杂度。该文探索了贝叶斯神经网络的非参数回归的建模方法,通过融入模型参数的先验知识,在给定数据样本及模型假设下进行后验概率的贝叶斯推理,使用马尔可夫链蒙特卡罗算法来优化模型控制参数,实现了对神经网络模型中不同部分复杂度的控制,获得了模型参数的后验分布及预测分布。在5个含噪二维函数回归问题上的应用显示了模型的复杂度能根据数据的复杂度而自适应调整,并给出了较好的预测结果。     

模糊自适应滑模控制研究

针对传统滑模变结构控制器(SMC)的抖振现象,提出了一种模糊自适应滑模控制方法.该方法采用模糊逻辑系统来代替传统的SMC中不连续的控制信号,以削弱其由于不连续切换引起的抖振.另外,为了补偿实际应用中系统的不确定性,给出了相应的自适应算法,以调节模糊系统的参数,并给出了算法的Lyapunov稳定性证明.最后,通过对一个感应电机位置控制的数值仿真计算,验证了方法的有效性.     

基于离散元法的玉米颗粒振动筛分过程模拟研究

为了探究玉米颗粒在直线振动筛面上的运动情况，课题组以散体力学为基础，依据离散单元法分析玉米颗粒振动筛分机理 。通过建立直线振动筛三维模型，分析玉米颗粒在振动筛面上的运动，应用可视化离散元模拟软件EDEM分析振动筛面在上下直线运动的情况下，玉米颗粒速度 变化情况得出以玉米圆颗粒为基础模型，直线振动筛相关的一些参数的变化对筛分过程中颗粒速度和位置的影响。仿真结果表明：不同形状的筛孔、不同下落高 度和不同形状颗粒都对筛分效果产生影响。课题组的研究为设计和优化直线振动筛提供了参考。     

基于AHP的组织学习能力模糊综合评价

良好的组织学习能力对于提升企业的竞争力至关重要.本文针对组织学习的影响因素,提出了系统的组织学习能力评价指标体系,应用层次分析法和模糊数学的相关知识,定性分析与定量研究相结合,进行组织学习能力的评价研究,建立了一种基于层次分析法的组织学习能力模糊综合评价模型,为企业提高组织学习能力提供了理论依据.     

一种单视广义极化K-分布纹理参数的估计方法

提出了通过归一化极化联合矩对SAR（合成孔径雷达）单视广义极化K-分布纹理参数进行估计的方法，阐述了SAR各个极化通道之间的纹理相关性。在此基础上给出了单视广义极化K-分布波形因子、纹理相关系数和相干斑相关系数的算法及偏差性能分析，并进行了蒙特卡洛仿真实验论证，进一步证明了该方法的良好估计性能。     

孤子微扰的广义KdV方程直解

基于微分算符展开和分离变量方法,非线性演化的孤子微扰方程直解方法已由颜家壬及其同事发展起来.利用这一方法可处理微扰的广义KdV方程,所获得的结果更具有普遍性,而其它作者曾获得的相关结论都作为特例被包涵于这一结果之中.