【CN109960265A】一种基于区间二型模糊集合的无人驾驶车辆视觉引导方法【专利】

区间二型模糊神经网络在SCR入口NO_x浓度软测量中的应用研究区间二型模糊神经网络在SCR入口NO_x浓度软测量中的应用研究摘要：选择合适的测量方法进行SCR入口NO_x浓度的软测量是实现高效能发电厂烟气净化控制的重要一环。

本文基于区间二型模糊神经网络（IT2FNN），通过对SCR入口NO_x浓度的建模分析与实验研究，探讨了IT2FNN在SCR入口NO_x浓度软测量中的应用。

结果表明，IT2FNN具有较高的软测量精度和较强的鲁棒性，能够有效解决SCR入口NO_x浓度的软测量问题。

1. 引言燃煤发电厂的烟气净化控制对降低大气污染物排放具有重要意义。

选择合适的测量方法进行SCR入口NO_x浓度的软测量是保证烟气净化控制系统稳定运行的关键之一。

因此，开展区间二型模糊神经网络在SCR入口NO_x浓度软测量中的应用研究具有重要的实际意义。

2. 区间二型模糊神经网络简介区间二型模糊神经网络（IT2FNN）是基于模糊逻辑理论和神经网络技术相结合发展起来的新型软测量方法。

与传统的相关模型相比，IT2FNN能够对输入变量的不确定性进行更加准确的建模与描述，并具有更好的鲁棒性和适应性。

3. SCR入口NO_x浓度建模分析首先，对SCR入口NO_x浓度进行建模分析。

根据实验数据，将SCR入口NO_x浓度作为输出变量，考虑燃煤性质、过程温度等影响因素作为输入变量，建立了SCR入口NO_x浓度与输入变量之间的关系数学模型。

然后，通过对模型进行优化与训练，得到了一个较为精确的SCR入口NO_x浓度软测量模型。

4. IT2FNN的建模与训练在建立SCR入口NO_x浓度软测量模型的基础上，利用IT2FNN 对模型进行进一步的建模与训练。

首先，将输入变量、输出变量以及它们之间的关系进行模糊化处理，得到模糊变量和模糊规则集。

然后，基于神经网络的算法，对模糊规则集进行训练和优化，得到最终的IT2FNN模型。

5. 实验研究与结果分析通过实验研究，验证了IT2FNN在SCR入口NO_x浓度软测量中的应用效果。

基于区间二型模糊PID的四旋翼无人机姿态控制
吴彪;院老虎;李威
【期刊名称】《控制工程》
【年(卷),期】2024(31)4
【摘要】针对传统PID控制与一型模糊控制在四旋翼无人机姿态控制中响应速度慢、超调量大等问题,提出了一种区间二型模糊控制与传统PID控制相结合的控制算法。

首先,在一型模糊系统的基础上对系统的单值前件和后件进一步模糊化形成区间前件和后件,更适于处理模糊信息。

其次,利用具有停止条件的改进迭代算法(enhanced iterative algorithm with stop condition,EIASC)进行降型过程中开关点的计算,减少了计算时间,并将求解出的参数变化量作为初始PID控制参数值的补偿。

最后,在建立的四旋翼无人机动力学模型上对所提算法进行仿真验证,仿真结果表明,所提算法比传统PID控制算法和一型模糊PID控制算法具有更快的响应速度、更高的稳态精度和更小的超调量。

【总页数】8页(P636-643)
【作者】吴彪;院老虎;李威
【作者单位】沈阳航空航天大学航空宇航学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.四旋翼无人机改进模糊PID姿态控制
2.基于模糊PID的多旋翼无人机姿态控制系统设计
3.基于模糊PID的四旋翼无人机飞行姿态控制方法研究
4.基于自耦PID 控制的四旋翼无人机姿态控制
5.基于模糊PID的四旋翼无人机飞行姿态控制
因版权原因，仅展示原文概要，查看原文内容请购买。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202111137005.5(22)申请日 2021.09.27(71)申请人 航天时代飞鸿技术有限公司地址 102100 北京市延庆区中关村延庆园东环路2号楼149室(72)发明人 姜梁　吴国强　包文龙　孙浩惠　黄坤　高伟　(74)专利代理机构 北京金智普华知识产权代理有限公司 11401代理人 巴晓艳(51)Int.Cl.G06K 9/62(2022.01)G06V 10/80(2022.01)G06V 10/762(2022.01)(54)发明名称一种基于无人机与无人车的空地协同态势融合方法及系统(57)摘要本发明公开了一种基于无人机与无人车的空地协同态势融合方法及系统，属于图像处理、计算机视觉领域。

该方法包括将无人机集群和无人车集群协同侦察到的N个目标进行特征结构统一描述，生成N个目标特征向量；针对某一目标特征向量，在目标特征向量数据库中检索出已被侦察入库且与该目标特征向量近似的相似特征向量，该目标特征向量及其相似特征向量共同组成目标特征向量集；基于多特征频率权重以及多目标簇集质量聚类准则进行目标特征聚类，对该目标特征向量集进行聚类，实现空地协同态势融合。

本发明解决了基于无人机与无人车的空地协同态势融合系统的诸多问题。

权利要求书4页 说明书13页 附图1页CN 114065832 A 2022.02.18C N 114065832A1.一种基于无人机与无人车的空地协同态势融合方法，其特征在于，所述方法包括以下步骤：步骤1：通过目标特征描述结构将无人机集群和无人车集群协同侦察到的N个目标进行特征结构统一描述，生成N个目标特征向量，N为正整数；步骤2：针对某一目标特征向量，通过特征快速检索在目标特征向量数据库中检索出已被侦察入库且与该目标特征向量近似的相似特征向量，该目标特征向量及其相似特征向量共同组成目标特征向量集；步骤3：基于多特征频率权重以及多目标簇集质量聚类准则进行目标特征聚类，对该目标特征向量集进行聚类，实现空地协同态势融合。

区间二型T-S模糊系统反馈控制研究1. T-S模糊系统的基本原理和应用现状分析T-S（Takagi-Sugeno）模糊系统是一种常见的模糊控制方法，该方法可以将一个复杂的非线性系统分解为多个局部线性系统，并通过模糊规则进行整体控制。

本文将详细介绍T-S模糊系统的基本原理和应用现状，在分析基本原理时将重点关注T-S模糊控制器的建模方法和模糊控制规则的设计方法；在分析应用现状时将重点关注T-S模糊系统在工业、交通、航空等领域中的应用情况，并对各个领域中T-S模糊系统的优势和不足进行分析讨论。

2. 根据区间二型T-S模糊系统的特点设计反馈控制器区间二型T-S模糊系统是一种具有鲁棒性的模糊控制系统，该系统可以通过设计合适的反馈控制器实现对系统的控制。

本文将通过对区间二型T-S模糊系统的特点进行分析，提出合适的反馈控制器设计方法，包括基于Lyapunov理论的反馈控制器设计方法和基于滑动模式控制的反馈控制器设计方法。

对设计方法进行仿真实验验证其有效性，并对两种反馈控制器设计方法的优劣进行比较分析，最终得出最佳控制器设计方法并给出实际应用案例。

3. 基于道路交通流的区间二型T-S模糊系统控制研究道路交通流控制是一个复杂的非线性控制问题，在这个问题中，区间二型T-S模糊系统由于其针对非线性系统的鲁棒性被广泛应用。

本文将以道路交通流控制为应用场景，探究区间二型T-S模糊系统的控制方法和控制效果。

具体而言，本文将分析道路交通流模型的建立方法和分析方法，并讨论区间二型T-S 模糊系统的控制方法和控制效果，其中包括路段交通流控制和区域交通流控制两个方面。

最终，本文将结合实际应用场景，对区间二型T-S模糊系统在道路交通流控制上的价值进行评价和总结。

4. 基于区间二型T-S模糊系统的空调系统控制研究空调系统是一种多变量、非线性、时变的系统，传统的控制方法往往难以有效控制空调系统的稳定性和性能。

而区间二型T-S模糊系统由于其具有良好的鲁棒性和自适应性，在空调系统控制领域中得到了广泛应用。

本文网址：/cn/article/doi/10.19693/j.issn.1673-3185.03055期刊网址：引用格式：何姝, 熊颖郡, 肖玲君, 等. 基于二型模糊控制的无人艇航向航速控制系统设计与试验[J]. 中国舰船研究, 2024,19(1): 90–97.HE S, XIONG Y J, XIAO L J, et al. Design and experiment of heading and speed control system of unmanned surface vehicle based on Type-2 fuzzy control[J]. Chinese Journal of Ship Research, 2024, 19(1): 90–97 (in Chinese).基于二型模糊控制的无人艇航向航速控制系统设计与试验扫码阅读全文何姝1，熊颖郡1，肖玲君1，雷涛*2，朱曼21 深圳市宇驰检测技术股份有限公司，广东 深圳 5180552 武汉理工大学 智能交通系统研究中心，湖北 武汉 430063摘 要:［目的］针对水上复杂多变的环境给无人艇（USV ）控制带来的不确定性干扰，提出基于二型模糊控制算法的USV 航向航速控制器，并运用所提算法研制一套智能自主稳健的控制系统。

［方法］构建USV 航向航速运动特性模型，利用递推最小二乘法（RLS ）对航向航速运动特性模型进行参数辨识，基于辨识的航向航速运动特性模型分别设计二型模糊控制算法和滑模控制算法，并进行实艇验证试验。

［结果］结果表明，相较于滑模控制算法，二型模糊控制算法在控制USV 时表现出了较好的鲁棒性，具有较理想的抗干扰能力，但在实时响应方面略长。

［结论］研究结果可为在不确定干扰环境下的USV 运动控制提供参考。

关键词：无人艇；航向航速控制；递推最小二乘法；二型模糊控制中图分类号: U664.82文献标志码: ADOI ：10.19693/j.issn.1673-3185.03055Design and experiment of heading and speed control system ofunmanned surface vehicle based on Type-2 fuzzy controlHE Shu 1, XIONG Yingjun 1, XIAO Lingjun 1, LEI Tao *2, ZHU Man21 Shenzhen Yuchi Testing Technology Co., Ltd., Shenzhen 518055, China2 Intelligent Transportation Systems Research Center, Wuhan University of Technology, Wuhan 430063, China Abstract : ［Objective ］As the complicated and changing environment on the water imposes uncertain inter-ference on the control of unmanned surface vehicles (USVs), a heading and speed controller for USVs with a Type-2 fuzzy control algorithm is proposed. On this basis, an intelligent autonomous and robust control sys-tem is developed. ［Methods ］First, a motion characteristic model for heading and speed is constructed. The recursive least square (RLS) method is then used to identify the parameters of the model. Finally, based on the identified model, a Type-2 fuzzy control algorithm and sliding mode control algorithm are designed and valid-ated through actual ship experiments.［Results ］As the experimental results indicate, compared with the slid-ing mode control algorithm, the Type-2 fuzzy control algorithm demonstrates better robustness and ideal anti-interference ability in controlling USVs, but its real-time response is slightly longer. ［Conclusion ］The res-ults of this study can provide references for the motion control of USVs subjected to uncertain interference.Key words : unmanned surface vehicles ；heading and speed control ；recursive least squares method ；Type-2fuzzy control收稿日期: 2022–08–22 修回日期: 2023–01–03 网络首发时间: 2023–07–11 15:35基金项目: 湖北省揭榜制科技资助项目（2021BEC003）; 国家自然科学基金资助项目（52001237）；武汉理工大学三亚科教创新园开放基金资助项目（2021KF0030）)作者简介: 何姝，女，1980年生，高级工程师。

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910248306.1(22)申请日 2019.03.29(71)申请人 北京航空航天大学地址 100191 北京市海淀区学院路37号(72)发明人 曹先彬　杜文博　朱熙　李碧月　李宇萌　(74)专利代理机构 北京科迪生专利代理有限责任公司 11251代理人 安丽　成金玉(51)Int.Cl.G06K 9/62(2006.01)(54)发明名称一种基于无监督学习的空域复杂度分类方法及装置(57)摘要本发明涉及一种基于无监督学习的空域复杂度分类方法和装置，属于空域态势评估分类技术领域，包括如下步骤：步骤一，收集待处理的空域态势样本集；步骤二，去偏差并标准化空域态势样本集；步骤三，对空域态势样本集进行PCA降维处理；步骤四，对低维度样本集进行k -Means聚类处理；步骤五，定义聚类后数据簇的复杂度类别。

装置包括：样本输入模块；特征提取模块；特征降维模块；原型比对模块；复杂度输出模块。

通过本发明进行空域复杂度的评估，不依赖于标定的先验知识，能够直接学习空域态势数据的内在特征及结构，使空域复杂度的分类具有可解释性，大大降低标定数据的人力和时间成本。

权利要求书2页 说明书6页 附图3页CN 109993225 A 2019.07.09C N 109993225A权　利　要　求　书1/2页CN 109993225 A1.一种基于无监督学习的空域复杂度分类方法，其特征在于，包括以下步骤：步骤一：收集待处理的空域态势样本集；步骤二：去偏差并标准化空域态势样本集；步骤三：对步骤二的空域态势样本集进行PCA降维处理，通过K邻近学习选择出降维维度，得到降维后的空域态势样本集；步骤四：对降维后的空域态势样本集进行k-Means聚类处理，得到聚类后的数据簇；步骤五：确定聚类后数据簇的复杂度类别，完成空域复杂度的分类。