模糊逻辑在控制理论中的应用研究

论文摘要

本文提出一种新的模糊子集的定义方法,利用Mamdani教授的max-min推理合成法得到了一种通用的模糊控制算法。这种算法简洁、高效,调试方便、合理,并减少了大量的运算。改变了控制量取决于每个模糊子集的隶属函数形状,主观性较大,各形状和最终控制量之间关系复杂,不利于算法输入输出关系的调整等缺陷。有利于模糊系统的辨识,可使输出量模糊子集的辨识问题转化为多元线性回归问题,这样辨识问题就能用线性最小二乘方法来解决。输出模糊子集可以完全由输出特征点来刻划,输出特征点可以根据操作人员经验来确定。若x个输入变量,y个输出变量,则每个特征点是m×y维实数空间中的一个点。所有的特征点就构成了操作人员所希望的控制器的输入输出关系的控制量。每个模糊状态独立地定义一个输出模糊子集,增强了控制算法的灵活性。利用这种方法,调试非常方便,操作人员可以通过改变输入各区间的定义或输出区间的定义模拟人脑思维,实现智能控制,而且这种定义方法简单、直接。

论文目录

• 中文摘要
• 英文摘要
• 引言
• 一、模糊逻辑控制理论概述
• 1.1 模糊逻辑理论的产生
• 1.2 模糊逻辑控制理论的创立
• 1.3 模糊逻辑控制理论在国内外的研究状况
• 1.4 模糊逻辑控制理论的研究意义
• 二、模糊逻辑控制基础理论及建模方法
• 2.1 模糊集合
• 2.1.1 模糊集合的概念
• 2.1.2 模糊集合的基本运算
• 2.2 隶属函数
• 2.3 模糊关系
• 2.4 模糊矩阵
• 2.5 模糊语言变量
• 2.6 模糊推理
• 2.7 解模糊化方法
• 2.7.1 重心法
• 2.7.2 最大隶属度法
• 2.7.3 系数加权平均法
• 2.8 基于模糊逻辑的控制模型
• 三、模糊逻辑的应用研究
• 3.1 模糊逻辑控制的基本思想
• 3.2 模糊逻辑控制系统的组成
• 3.3 模糊逻辑控制系统的基本原理
• 3.4 模糊逻辑控制算法概述
• 3.5 各模糊子集隶属函数的定义
• 3.6 模糊控制算法
• 3.7 建立模糊逻辑控制模型
• 3.7.1 模糊关系模型的表示
• 3.7.2 确定输入测量值X
• 3.7.3 确定输出被控精确量值Y
• 3.7.4 量化处理
• 3.7.5 确定模糊逻辑控制模型的结构
• 3.7.6 建立模糊逻辑控制模型
• 3.7.7 模糊逻辑控制模型的品质指标
• 3.7.8 模糊逻辑控制模型的应用举例
• 四、总结
• 主要参考文献
• 致谢
• 附录在读期间发表论文与科研项目
• 附录苏岳就读研究生期间简历