區(qū)間二型模糊系統(tǒng)及其在受電弓滑板檢測(cè)中的應(yīng)用研究.pdf

1、為了彌補(bǔ)一型模糊集合在處理不確定性時(shí)具有局限性的缺陷，Zadeh于1975年將一型模糊集合的隸屬度值再次進(jìn)行模糊化，提出二型模糊集合的概念。由于采用了三維隸屬度函數(shù)，比一型模糊集合多了一維處理不確定性的自由度，二型模糊集合更適合解決現(xiàn)實(shí)環(huán)境中具有高度不確定性的問題。特別是區(qū)間二型模糊集合具有結(jié)構(gòu)簡(jiǎn)單、計(jì)算效率高的優(yōu)點(diǎn)，成為了目前模糊理論研究與應(yīng)用的熱點(diǎn)。本論文以區(qū)間二型模糊系統(tǒng)理論為基礎(chǔ)，著重研究其在系統(tǒng)辨識(shí)與圖像處理領(lǐng)域的理論和應(yīng)用。

2、
　　針對(duì)區(qū)間二型模糊模型建模中因規(guī)則冗余而引起的復(fù)雜性問題，進(jìn)行了區(qū)間二型模糊模型規(guī)則精簡(jiǎn)方法的研究。基于列主元SVD-QR的規(guī)則精簡(jiǎn)方法是一種有效的模糊模型規(guī)則精簡(jiǎn)方法，但該方法沒有解決有效秩選取的問題，為此，提出了奇異值歸一化差值的概念，通過放大相鄰奇異值的差異來更加清楚地描述奇異值的突變特性，實(shí)現(xiàn)有效秩的優(yōu)選。與現(xiàn)有方法的比較結(jié)果表明:該方法獲得的規(guī)則集保證了模型的精度，實(shí)現(xiàn)了模糊模型的結(jié)構(gòu)簡(jiǎn)化。此外，與統(tǒng)計(jì)信息準(zhǔn)則相結(jié)合

3、，提出了基于列主元QR分解的區(qū)間二型模糊模型規(guī)則精簡(jiǎn)方法。仿真結(jié)果驗(yàn)證了該方法的有效性，且與基于列主元SVD-QR方法的比較實(shí)驗(yàn)結(jié)果表明，該方法提高了模型的泛化能力。
　　模糊神經(jīng)網(wǎng)絡(luò)融合了模糊推理能力和神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)能力而被廣泛應(yīng)用于系統(tǒng)辨識(shí)，其研究重點(diǎn)在于結(jié)構(gòu)辨識(shí)和參數(shù)辨識(shí)兩方面。為此，提出一種基于聚類的自組織區(qū)間二型模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法。采用具有兩個(gè)不同加權(quán)參數(shù)的FCM算法對(duì)輸入數(shù)據(jù)進(jìn)行劃分，利用聚類有效性標(biāo)準(zhǔn)確定規(guī)則數(shù)目

4、，自動(dòng)完成了結(jié)構(gòu)辨識(shí)和規(guī)則前件參數(shù)辨識(shí)。在此基礎(chǔ)上，基于梯度下降法和Lyapunov函數(shù)提出了規(guī)則后件權(quán)向量學(xué)習(xí)速率的自適應(yīng)學(xué)習(xí)算法。通過非線性系統(tǒng)辨識(shí)實(shí)例，驗(yàn)證了該算法具有較快的收斂速度和良好的泛化性能;并且采用該算法建立了某市電力短期負(fù)荷預(yù)測(cè)模型，仿真結(jié)果表明該模型的誤差較小、預(yù)測(cè)精度較高。
　　基于模糊熵的圖像閾值分割方法是圖像處理領(lǐng)域中的一種重要方法，但其面臨著如何設(shè)計(jì)有效的模糊熵測(cè)度和隸屬度函數(shù)及減少運(yùn)行時(shí)間的問題。為了

5、解決這些問題，利用嚴(yán)格等價(jià)函數(shù)提出了一種區(qū)間二型模糊集距離測(cè)度和模糊熵的構(gòu)建方法，由此獲得了一系列新的模糊熵計(jì)算表達(dá)式。同時(shí)，利用嚴(yán)格等價(jià)函數(shù)構(gòu)造圖像的區(qū)間二型模糊隸屬函數(shù)，并通過理論分析，給出了利用最小熵準(zhǔn)則選取最優(yōu)閾值的方法。仿真結(jié)果表明，該方法獲得了準(zhǔn)確的分割結(jié)果，且與現(xiàn)有的其它模糊閾值分割法和改進(jìn)的2維Otsu法等相比，該方法的分割結(jié)果更加準(zhǔn)確，運(yùn)行時(shí)間更少，具有廣泛的適應(yīng)性。
　　受電弓滑板故障檢測(cè)對(duì)于保障電力機(jī)車安全與

6、穩(wěn)定運(yùn)行非常重要。為此，提出一種基于區(qū)間二型模糊熵和Hough變換的受電弓滑板裂紋檢測(cè)方法。該方法依據(jù)像素鄰域內(nèi)的灰度分布，提出一種基于區(qū)間二型模糊熵的邊緣檢測(cè)方法，獲得主體特征增強(qiáng)的滑板邊緣圖像;然后，采用連通域方法去除孤立噪聲點(diǎn)，獲得了主要包含邊界線、接縫、螺釘和裂紋四類圖形元素的滑板邊緣圖像;在此基礎(chǔ)上，采用Hough變換分析各類圖形元素在參數(shù)空間的特征分布，由此提出一種基于極角約束Hough變換的裂紋提取方法，通過有效地排除非裂