基于自适应双重优化的模糊评估算法

来源：电子测量技术杂志2026年第8期北京时间：

作者：孙一笑，武和雷，徐雪松，王昱东

单位：南昌大学信息工程学院 南昌 330031

摘要：针对现有模糊逻辑评估方法在复杂工业场景中存在的规则优化困难、参数调整复杂以及多场景适应性差等问题，提出一种基于双重优化模糊逻辑的智能评估框架。首先，设计双重优化模糊推理优化机制，结合模糊熵引导规则生成与模糊梯度协同下降，交替优化模型结构与参数，并采用自适应优化调度器，动态协调优化过程。其次，构建多尺度模糊特征提取网络和自适应模糊特征融合，前者通过并行多尺度分支提取不同粒度的模糊特征，后者通过模糊通道-空间协同注意力实现特征的智能融合。最后，提出动态模糊权重分配策略，通过场景感知权重生成网络，根据输入特征动态调整模糊规则权重。将该框架应用于天然气管道风险评估和用电设备识别两个典型场景。实验结果表明，在天然气管道风险评估任务中，该框架的评估准确率达到95.83%；在用电设备识别任务中，识别准确率达到96.54%，F1分数达到96.32%。与传统模糊逻辑方法和深度学习方法相比，所提方法在保持可解释性的同时显著提升了评估精度和泛化能力。

关键词：双重优化;模糊逻辑;智能评估;自适应融合;动态权重分配

基金资助：国家自然科学基金（61763012）项目资助