模糊系統(tǒng)能有效地對具有不確定性的復雜非線性系統(tǒng)建模,可以充分利用領域?qū)＜彝ㄟ^語言描述的經(jīng)驗知識,使得模糊系統(tǒng)易于理解,因此模糊系統(tǒng)在實際系統(tǒng)建模和控制中有很多應用.理論上,模糊系統(tǒng)的精度與模糊規(guī)則數(shù)有關,模糊規(guī)則越多,所建模糊模型精度越高.然而,實際操作中,當對某些非線性系統(tǒng)進行模糊建模時,單純地增加模糊規(guī)則數(shù)對于模糊模型精度的提高非常有限,有時反而極大地增加了整個建模過程的計算量,導致模糊規(guī)則的冗余和模型的過擬合問題,故復雜度和精度的折中成為了模糊系統(tǒng)辨識研究中的熱點問題.因此,如何設計簡潔有效的模糊系統(tǒng),提高其逼近精度,并降低計算復雜度就成為本文研究的主要出發(fā)點.本文的主要工作包括以下幾個方面:(1)將一維空間的模糊集推廣到二維空間,提出了錐模糊集的概念,應用錐模糊集去構(gòu)造模糊系統(tǒng),得到了基于模糊網(wǎng)格劃分的Mamdani型和T-S型錐模糊系統(tǒng),并詳細討論了錐模糊系統(tǒng)的推導過程及設計步驟.傳統(tǒng)模糊系統(tǒng)模糊規(guī)則前件的計算需要通過t-范數(shù)來實現(xiàn),在錐模糊系統(tǒng)推導過程中無需t-范數(shù)計算,從而簡化了模糊系統(tǒng)的結(jié)構(gòu)和運算.證明了錐模糊系統(tǒng)的泛逼近性和逼近精度,其中四棱錐模糊系統(tǒng)和三棱錐模糊系統(tǒng)...

【文章頁數(shù)】：131 頁

【學位級別】：博士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
    1.2 模糊系統(tǒng)理論研究進展
        1.2.1 模糊系統(tǒng)簡介
        1.2.2 模糊系統(tǒng)的泛逼近性
        1.2.3 二型模糊系統(tǒng)
        1.2.4 遞階模糊系統(tǒng)
        1.2.5 模糊神經(jīng)網(wǎng)絡
        1.2.6 基于智能算法優(yōu)化的模糊系統(tǒng)
        1.2.7 模糊推理建模法
    1.3 本文的主要研究內(nèi)容
2 模糊系統(tǒng)的構(gòu)造與模糊建模
    2.1 模糊系統(tǒng)的構(gòu)造及其泛逼近性
        2.1.1 模糊化
        2.1.2 知識庫
        2.1.3 模糊推理
        2.1.4 解模糊化
        2.1.5 泛逼近性
    2.2 模糊系統(tǒng)辨識
        2.2.1 結(jié)構(gòu)辨識
        2.2.2 參數(shù)辨識
    2.3 模糊推理建模法
3 錐模糊系統(tǒng)
    3.1 錐模糊系統(tǒng)的構(gòu)造及其泛逼近性
        3.1.1 錐模糊集合
        3.1.2 模糊規(guī)則的改進
        3.1.3 錐模糊系統(tǒng)的構(gòu)造過程
        3.1.4 錐模糊系統(tǒng)的設計
        3.1.5 錐模糊系統(tǒng)的泛逼近性
        3.1.6 T-S型錐模糊系統(tǒng)
    3.2 仿真實驗
    3.3 本章小結(jié)
4 基于錐模糊系統(tǒng)的建模方法
    4.1 基于四棱錐模糊系統(tǒng)的建模方法
        4.1.1 基于四棱錐模糊系統(tǒng)的輸入輸出模型
        4.1.2 基于四棱錐模糊系統(tǒng)的狀態(tài)空間模型
        4.1.3 建模步驟
        4.1.4 仿真實驗
    4.2 基于三棱錐模糊系統(tǒng)的建模方法
        4.2.1 基于三棱錐模糊系統(tǒng)的輸入輸出模型
        4.2.2 基于三棱錐模糊系統(tǒng)的狀態(tài)空間模型
        4.2.3 仿真實驗
    4.3 基于T-S錐模糊系統(tǒng)的建模方法
        4.3.1 基于T-S型四棱錐模糊系統(tǒng)的輸入輸出模型
        4.3.2 基于T-S型三棱錐模糊系統(tǒng)的輸入輸出模型
        4.3.3 仿真實驗
    4.4 本章小結(jié)
5 基于錐模糊系統(tǒng)的非線性系統(tǒng)辨識
    5.1 基于改進K-means聚類算法的錐模糊系統(tǒng)辨識
        5.1.1 改進的K-means聚類算法
        5.1.2 遺傳算法的編碼方法
        5.1.3 錐模糊系統(tǒng)辨識流程
        5.1.4 仿真實驗
    5.2 基于遞階錐模糊系統(tǒng)的非線性系統(tǒng)辨識
        5.2.1 遞階錐模糊系統(tǒng)
        5.2.2 遞階錐模糊系統(tǒng)辨識流程
        5.2.3 仿真實驗
    5.3 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點
    6.3 展望
參考文獻
攻讀博士學位期間科研項目及科研成果
致謝
作者簡介



本文編號：3835943