隨著科學(xué)技術(shù)的發(fā)展,控制系統(tǒng)的結(jié)構(gòu)復(fù)雜度不斷升高,很難建立被控對(duì)象的精確數(shù)學(xué)模型,影響了系統(tǒng)整體的控制效果。相比其它控制策略構(gòu)建方法,模糊系統(tǒng)無需被控對(duì)象的精確數(shù)學(xué)模型,將過程信息與函數(shù)逼近相結(jié)合,并采用易于理解的語言規(guī)則,提供了一種基于規(guī)則的系統(tǒng)化的控制策略實(shí)現(xiàn)框架。因此模糊系統(tǒng)被廣泛的應(yīng)用于非線性、時(shí)變和純滯后系統(tǒng)的控制問題中。但模糊系統(tǒng)自身缺乏對(duì)知識(shí)的學(xué)習(xí)能力,將其與其它智能技術(shù)結(jié)合,獲得表達(dá)能力與學(xué)習(xí)能力互補(bǔ)的混合模糊模型,成為了該研究領(lǐng)域的研究熱點(diǎn)之一。在模糊系統(tǒng)構(gòu)建中隸屬度函數(shù)參數(shù)選擇、知識(shí)規(guī)則提取等方面,本文采用模糊系統(tǒng)與神經(jīng)網(wǎng)絡(luò)相結(jié)合的系統(tǒng)構(gòu)架;將模糊C均值（FCM）聚類算法引入模糊神經(jīng)網(wǎng)絡(luò),利用FCM聚類算法的特征提取得到隸屬度函數(shù)的參數(shù)、模糊子集數(shù)和規(guī)則數(shù),獲得模糊神經(jīng)網(wǎng)絡(luò)的初始結(jié)構(gòu)模型;之后,通過學(xué)習(xí)算法進(jìn)行模型參數(shù)的優(yōu)化,得到最終的系統(tǒng)模型,將所構(gòu)建的系統(tǒng)模型進(jìn)行了仿真驗(yàn)證。論文的主要工作如下:1.針對(duì)FCM聚類算法隨機(jī)選取初始聚類中心和聚類個(gè)數(shù),聚類中心易選到孤立點(diǎn),影響聚類效果的問題。本文提出一種初始化方法對(duì)初始聚類中心和聚類個(gè)數(shù)進(jìn)行最優(yōu)化選擇,同時(shí)采用改進(jìn)... 

【文章來源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：91 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

PID控制器仿真圖

第五章 基于改進(jìn) FCM 的模糊神經(jīng)網(wǎng)絡(luò)的研究45圖5.17 模糊控制器仿真圖當(dāng)給定為單位階躍響應(yīng)時(shí)，隸屬度函數(shù)均勻分布時(shí)，隸屬度函數(shù)曲線如 5.18 所示，輸出曲線如圖 5.19 所示，隸屬度函數(shù)集中分布時(shí)，隸屬度函數(shù)曲線如 5.20 所示，輸出曲線如圖 5.21 所示，隸屬度函數(shù)集中兩端分布時(shí)，隸屬度函數(shù)曲線如 5.22 所示，輸出曲線如圖 5.23 所示。圖5.18 隸屬度函數(shù)均勻分布曲線圖5.19 均勻分布響應(yīng)曲線圖5

根據(jù)模糊 PID 的原理和模糊控制器的構(gòu)建方法，建立模糊 PID 控制器仿真圖如圖 5.26 所示。圖5.26 模糊 PID 控制器仿真圖當(dāng)給定為單位階躍響應(yīng)時(shí)，響應(yīng)曲線如圖 5.27 所示。圖5.27 模糊 PID 控制單位階躍響應(yīng)曲線在穩(wěn)態(tài)時(shí)，加入一個(gè)持續(xù)時(shí)間為 1s 的階躍擾動(dòng)信號(hào)，輸出曲線如圖 5.28 所示。

【參考文獻(xiàn)】：
期刊論文
[1]新型可重構(gòu)機(jī)器人的模糊自適應(yīng)控制研究[J]. 陳思安,葛為民,王肖鋒,劉增昌,劉軍.  控制工程. 2017(11)
[2]PMSM伺服系統(tǒng)的自適應(yīng)模糊滑膜控制[J]. 孫季鑫,張珊珊,梁曉平.  電子質(zhì)量. 2017(05)
[3]基于模糊神經(jīng)網(wǎng)絡(luò)的船舶鍋爐水位控制優(yōu)化及仿真模擬[J]. 于志民.  天津職業(yè)院校聯(lián)合學(xué)報(bào). 2017(04)
[4]基于改進(jìn)蟻群算法的模糊邏輯系統(tǒng)的設(shè)計(jì)[J]. 張智峰,王濤,范秋楓.  遼寧工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(02)
[5]基于遞歸聚類與相似性的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)[J]. 李微,喬俊飛.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(02)
[6]基于模糊控制的遺傳算法優(yōu)化研究[J]. 李雅瓊.  長沙大學(xué)學(xué)報(bào). 2016(05)
[7]基于馬氏距離的改進(jìn)非局部均值圖像去噪算法[J]. 陰盼強(qiáng),路東明,袁淵.  計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào). 2016(03)
[8]結(jié)合Total-Bregman距離的模糊聚類算法[J]. 超木日力格,于劍,朱杰.  計(jì)算機(jī)科學(xué)與探索. 2016(02)
[9]基于模糊神經(jīng)網(wǎng)絡(luò)風(fēng)電混合儲(chǔ)能系統(tǒng)優(yōu)化控制[J]. 盧蕓,趙永來.  電力系統(tǒng)保護(hù)與控制. 2014(12)
[10]模糊神經(jīng)網(wǎng)絡(luò)在主軸伺服系統(tǒng)故障診斷中的應(yīng)用[J]. 杜晉,陸寶春,張承陽,高艷.  現(xiàn)代制造工程. 2014(03)

碩士論文
[1]基于模糊神經(jīng)網(wǎng)絡(luò)的智能控制策略的研究[D]. 陳志明.南昌大學(xué) 2010
[2]基于模糊控制的高壓同步斷路器研究[D]. 王瑞.西華大學(xué) 2009
[3]基于遺傳算法的模糊控制器設(shè)計(jì)及應(yīng)用[D]. 常江.西北工業(yè)大學(xué) 2006
[4]模糊神經(jīng)網(wǎng)絡(luò)研究[D]. 程冰.廣東工業(yè)大學(xué) 2005



本文編號(hào)：2979111