将模糊遗传算法与混沌的延迟反馈控制方法相结合,提出了基于模糊遗传算法的延迟反馈控制方法.它利用模糊遗传算法强大的寻优能力来整定延迟反馈控制中的控制刚度矩阵参数,从而克服了延迟反馈控制中控制刚度难于确定的问题.对混沌Lorenz系统的仿真控制说明该算法具有快速性好和抗干扰能力强等优点

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

西安电子科技大学：《模糊理论与模糊系统 Fuzzy Theory and Fuzzy Systems》课程教学资源（课件讲义）第二章 模糊理论基础 第一部分 普通集合、模糊集合、分解定理与扩展原理

针对板形板厚综合系统,提出一种基于遗传算法的多变量模糊预测控制新方法.该方法通过模糊预测来建立多变量系统的模糊模型,给出了辨识参数.同时,利用遗传算法优化控制律.仿真结果表明该方法是有效的

西安电子科技大学：《神经网络与模糊系统 Neural Networks and Fuzzy Systems》课程PPT课件讲稿（2004）Chapter 07-2 Fuzziness vs. Probability 模糊集合的模糊程度——模糊熵

完成了一个故障模糊诊断专家系统(Fault Fuzzy Diagnose Expert System).FFDES由知识库维护、故障诊断、诊断解释、列表打印4个基本模块组成,此系统基于模糊数学中的模糊变换的原理建立推理诊断机制,经实例考察,结果满意

为解决进行PM2.5质量浓度预测中多因素回归模型的不稳定、神经网络模型的过拟合及局部最小等问题，提出应用支持向量机和模糊粒化时间序列相结合的方法，对PM2.5质量浓度未来变化趋势和范围进行预测.根据PM2.5不同季节的日变化周期模式，确定以24 h为周期的粒化窗宽，利用三角型隶属函数对数据样本进行特征提取作为支持向量机的输入，并在k重交叉验证法下采用网格划分寻找出模型的最佳参数.以2013年3月—2014年2月北京市海淀区万柳监测点四个季节PM2.5的1 h质量浓度监测值为样本数据，应用该方法建立PM2.5质量浓度的时间序列预测模型，并在MATLAB平台下应用LIBSVM工具实现计算过程.结果表明，基于模糊粒化时间序列的预测模型，能较好解决PM2.5机理性建模方式下由于影响因素考虑不全而造成的预测结果不稳定，对模糊粒子拟合效果较好

隧道健康状态诊断过程作为一个模糊系统，具有随机性和模糊性的特点.传统的隧道结构健康诊断方法无法妥善地将系统的模糊性和随机性关联在一起.基于此，针对隧道结构健康状态诊断系统的模糊性和随机性特点，提出了基于云理论的隧道结构健康状态诊断方法.首先，建立反映隧道结构健康状况等级评语集的正态云模型.然后，依据逆向云发生器原理，将隧道结构健康状态指标的监测数据的归一化结果值转化为隶属度云模型.将健康状态指标的重要性语言值转化为权重云，用于表征各健康状态指标的重要程度.最后，运用云理论的计算方法对隧道结构健康状态等级进行诊断，得到健康状态等级诊断结果的云模型.应用云模型的改进方法，对某市地铁2号线盾构隧道结构健康状态进行了诊断，极大提高了诊断结果的可视化和鲁棒性

针对未知确定性被控对象和未知非线性时变对象,通过构造虚拟等价系统的方法研究T-S模糊控制系统的稳定性.采用虚拟等价系统的目的在于降低原问题的难度,改进现有稳定性判据的保守性.分析结果表明,T-S模糊控制系统的稳定性主要取决于局部模型的精度、模糊规则的正确性以及局部控制器的镇定性

第一章 开发环境要求及其系统组成 .2 一 开发环境要求 .2 二 系统组成 .2 第二章 系统控制原理简介 .3 第三章 直线一级倒立摆的建模、仿真及实验 .4 一 直线一级倒立摆的数学模型 .4 1 牛顿－欧拉方法建模 .4 2 拉格朗日方法建模 .10 二 系统的阶跃响应分析与可控性分析 .13 1 系统阶跃响应分析 .13 2 系统可控性分析 .14 三 MATLAB(Simulink)仿真实验与实时控制实验.16 1 运动控制基础实验 .17 2 根轨迹校正实验 .19 3 频率响应校正实验 .30 4 PID 校正实验 .38 5 状态空间极点配置控制实验 .43 6 LQR 控制实验 .50 7 LQR 控制(Bang-Bang 自摆起)实验.56 8 LQR 控制(能量自摆起)实验 .60 9 模糊逻辑控制实验 .63 10 模糊逻辑控制（Bang-Bang 自摆起）实验.71 11 模糊逻辑控制（能量自摆起）实验 .72 12 模糊 PID 控制实验 .73 13 神经网络控制实验 .74