针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题.仿真结果证明了该算法的有效性

§1 模糊数学的基本概念 §2 模糊模式识别 §3 模糊聚类分析方法

1. 直接自适应控制和间接自适应控制的基本概念； 2. 模糊模型参考学习控制（FMRLC）的原理、结构； 3. FMRLC 的设计和实现

3.1模糊模型识别 模型识别 已知某类事物的若干标准模型,现有这类事 物中的一个具体对象,问把它归到哪一模型,这 就是模型识别. 模型识别在实际问题中是普遍存在的.例如 ,学生到野外采集到一个植物标本,要识别它属 于哪一纲哪一目;投递员(或分拣机)在分拣信件 时要识别邮政编码等等,这些都是模型识别. 模糊模型识别 所谓模糊模型识别,是指在模型识别中,模型 是模糊的.也就是说,标准模型库中提供的模型是 模糊的

5.1 模糊逼近 5.2 间接自适应模糊控制 5.3 直接自适应模糊控制 5.4 机器人关节数学模型 5.5 基于模糊补偿的机械手自适应模糊控制

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法.首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值.对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高

模糊数学是研究模糊现象的有力工具。在教学评估中,模糊综合评判和模糊综合评审这两个模型已得到越来越广泛的应用

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能

通过对多雷达扫描得到的高炉料面进行数据处理,根据数据的特征,分别采用模糊C均值聚类和特征加权模糊C均值聚类算法对料面数据进行分类,建立标准料面模型库.再通过模糊模式识别中贴近度的方法把待分类的目标料面与模型库相匹配,为后续的布料控制提供依据.该算法在某2500 m3高炉上进行了实验,取得良好的效果.仿真结果表明了其有效性

将层次分析和模糊综合评判方法结合起来应用于煤与瓦斯突出预测研究中.运用层次分析法确定了煤与瓦斯突出各影响因素权重系数,采用隶属函数构造了单因素判别矩阵,并运用模糊综合评判法建立了煤与瓦斯突出预测模型.对平顶山研究区典型工作面进行了瓦斯突出危险性的定量预测和突出等级划分.结果表明,应用层次分析-模糊综合评判方法预测煤与瓦斯突出强度是可行的