模糊模型的智能學(xué)習(xí)方法與應(yīng)用研究.pdf

1、本文利用智能協(xié)作、層次智能、混合智能等理論和技術(shù)，從不同的角度研究這些智能方法與模糊模型互補(bǔ)學(xué)習(xí)的問題，構(gòu)造基于多智能混合的模糊模型，為不同應(yīng)用目的和不同類型的模糊模型學(xué)習(xí)問題提供一般性的學(xué)習(xí)框架，可幾乎在不了解對(duì)象情況下，通過這些框架學(xué)習(xí)基于對(duì)象實(shí)值樣本數(shù)據(jù)的不同特征模糊模型(廣義模糊模型、語(yǔ)言模型、分層模糊模型)。 系統(tǒng)論述了模糊模型的表現(xiàn)形式及各自特點(diǎn)、糊模型的學(xué)習(xí)內(nèi)容和模糊建模過程，總結(jié)了模糊建模技術(shù)的研究現(xiàn)狀及存在的問

2、題，相關(guān)計(jì)算智能技術(shù)的基本特征和研究現(xiàn)狀。 在對(duì)當(dāng)前主要應(yīng)用的各種模糊模型進(jìn)行統(tǒng)一描述(稱為廣義模糊模型)的基礎(chǔ)上，提出了廣義模糊模型的協(xié)同進(jìn)化(COE-GFM)。在協(xié)同進(jìn)化框架下將廣義模糊模型的完整解由兩類種群組成，第一類種群描述模糊模型及其規(guī)則的結(jié)構(gòu)，采用靈活的二維編碼方式；第二類種群描述了各分區(qū)隸屬函數(shù)參數(shù)，采用分層樹狀結(jié)構(gòu)編碼方式，根據(jù)各種群的編碼特點(diǎn)采用不同的進(jìn)化策略，兩異構(gòu)種群協(xié)同進(jìn)化形成模糊模型。GFM-COE可學(xué)

3、習(xí)各種類型的模糊模型，并表現(xiàn)出較好的緊湊性和精確性，其另一個(gè)特點(diǎn)對(duì)系統(tǒng)的先驗(yàn)專家知識(shí)要求較少，幾乎能實(shí)現(xiàn)黑箱系統(tǒng)的模糊模型學(xué)習(xí)。通過函數(shù)近似、混沌時(shí)間序列預(yù)測(cè)預(yù)測(cè)和典型分類問題為例證明模型的有效性。 可理解性模糊模型(語(yǔ)言模型)具有很好的對(duì)象描述性和認(rèn)知性，但其在面向復(fù)雜對(duì)象時(shí)精確性比較低，為此開展了語(yǔ)言模型的可理解性和精確性平衡策略研究，提出了兩種策略提高語(yǔ)言模型的精確性，一種是使語(yǔ)言值及其隸屬函數(shù)參數(shù)符合各對(duì)象變量的本質(zhì)特征

4、，另一種是在子空間引入?yún)f(xié)作規(guī)則。應(yīng)用微粒群算法(PSO)學(xué)習(xí)各變量上的語(yǔ)言值及其正交隸屬函數(shù)參數(shù)，并采用合適的語(yǔ)言值合并策略，形成候選規(guī)則集和粗糙語(yǔ)言模型；應(yīng)用模擬退火算法(SA)優(yōu)選各子空間上的候選規(guī)則，重構(gòu)精確的語(yǔ)言模型。在應(yīng)用微粒群算法過程中，提出了基于模型性能啟發(fā)信息和迭代次序特征的微粒慣性權(quán)重自適應(yīng)動(dòng)態(tài)調(diào)整策略，改進(jìn)的微粒群算法(MPSO)在語(yǔ)言值的學(xué)習(xí)中體現(xiàn)了具有非常明顯的局部精細(xì)搜索能力和全局探索能力。 分層模糊模

5、型是一種有效表征高維復(fù)雜對(duì)象的模型，獲取高維復(fù)雜對(duì)象的分層模糊模型是非常困難的。提出了面向高維復(fù)雜對(duì)象的分層模糊模型GA-DBP混合智能學(xué)習(xí)算法，這種算法可學(xué)習(xí)常用的增長(zhǎng)型和累積型分層模糊模型。在這兩類分層模糊模型的最優(yōu)結(jié)構(gòu)框架下，通過GA算法使分層模糊模型滿足對(duì)象各變量耦合特征或者對(duì)象的內(nèi)在結(jié)構(gòu)特征，同時(shí)認(rèn)為分層模糊模型是由一系列子模型連接形成的前向網(wǎng)絡(luò)，給出了分層模糊模型中各子模型連接策略，提出并證明在動(dòng)態(tài)結(jié)構(gòu)下各相連子模型之間誤差

6、率傳播關(guān)系定理，得到在GA下不同結(jié)構(gòu)分層模糊模型的操作參數(shù)動(dòng)態(tài)BP(DBP)調(diào)整算法。 根據(jù)變壓器油中溶解氣體色譜分析數(shù)據(jù)(DGA)的特點(diǎn)，確定了變壓器運(yùn)行狀態(tài)識(shí)別特征及其預(yù)處理方法，建立了兩種基于DGA數(shù)據(jù)的變壓器運(yùn)行狀態(tài)識(shí)別模糊模型，一種是變壓器運(yùn)行狀態(tài)識(shí)別語(yǔ)言模型，另一種是變壓器運(yùn)行狀態(tài)分層模糊模型，都表現(xiàn)了較好的精確性和推廣能力，彌補(bǔ)IEC方法的不足。在狀態(tài)識(shí)別語(yǔ)言模型建立過程中，提出了基于子空間對(duì)各運(yùn)行狀態(tài)支持度的語(yǔ)言