[发明专利]一种基于中立二型模糊集的绿色建筑经济性判定方法

权利要求书

1.一种基于中立二型模糊集的绿色建筑经济性判定方法，其特征在于，包括：

选用若干评价指标因子，基于该评价指标因子构建神经网络模型，输出神经网络权重值；基于该神经网络权重值将神经网络模型转换为连续非线性系统的控制框架；基于该控制框架构建滑膜控制器调整神经网络模型权重值优化神经网络。

2.如权利要求1所述的基于中立二型模糊集的绿色建筑经济性判定方法，其特征在于，所述选用若干评价指标因子，基于该评价指标因子构建神经网络模型，输出神经网络表达式，包括：

构建若干通道的绿色建筑的评价指标因子，并通过该评价指标因子构建神经网络输入层，和利用区间二型高斯型隶属度函数构建连接传输层的模糊化层，和构建连接模糊化层的模糊规则强度层，和构建连接模糊规则强度层的结论层，以及构建连接结论层的输出层。

3.如权利要求1所述的基于中立二型模糊集的绿色建筑经济性判定方法，其特征在于，所述基于该神经网络表达式将神经网络模型转换为连续非线性系统的控制框架，包括：

神经网络构建完成后获得若干权重值，利用该权重值将神经网络模型改写为函数表达式：

y＝f(ω₁，ω₂，...，ω_i，X)，i＝1，2，...，n

其中，ω_i表示权重值，向量x＝[x₁，x₂，...，x₁₂]^T是绿色建筑的评价指标因子，y是模型的输出结果；和对该函数表达式进行求导得：

；和定义绿色建筑的评价参考指标y_d，计算误差如下：

e＝y-y_d·

以及定义B(t)是系统输入矩阵，u(t)是系统控制输入，w(t)是系统扰动：

进一步得到连续非线性系统框架：

4.如权利要求3所述的基于中立二型模糊集的绿色建筑经济性判定方法，其特征在于，所述基于该控制框架构建滑膜控制器调整神经网络模型权重值优化神经网络，包括：

引入以下控制器

其中，是待求的控制器；

基于该待求控制器进一步得到：

进一步定义积分滑膜面为：

s＝Ge-∫₀^tG[Ke+||w(r)||sgn(s)]dr

其中K是待求的控制器增益，||w(t)||是扰动w(t)的无穷范数，sgn是符号函数；G是选取的矩阵参数

为了求解控制器增益K，建立李雅普诺夫函数如下：

V(t)＝e^TPe

其中P是正定对称的矩阵；

定义李亚普诺夫函数的导数：

定义一个矩阵G，由李亚普诺夫函数的导数得性能函数J(t)：

式中γ是H无穷的性能指标

将李亚普诺夫函数的导数带入该式中并令J(t)＜0得到线性矩阵不等式：

其中，Sym代表矩阵自身与他的转置和，I代表单位矩阵；

当该线性矩阵不等式成立，表示系统稳定，且J(t)＜0表示系统满足H无穷的性能指标；基于不等式成立的情况下，对神经网络权重值更新并优化神经网络。

5.一种基于中立二型模糊集的绿色建筑经济性判定装置，其特征在于，包括：

评价指标因子模块、神经网络模块、框架模块和滑膜控制器模块；

所述评价指标因子模块，用于选用绿色建筑的评价指标因子；

所述神经网络模块，用于构建神经网络模型，输出神经网络权重值；

所述框架模块，用于将神经网络模型转换为连续非线性系统的控制框架；

所述滑膜控制器模块，用于构建滑膜控制器调整神经网络模型权重值。