本文關(guān)鍵詞：基于樣本數(shù)據(jù)的模糊規(guī)則提取方法研究及其應用，由筆耕文化傳播整理發(fā)布。

【摘要】：模糊控制技術(shù)廣泛應用于工業(yè)過程控制。模糊規(guī)則庫的構(gòu)建是模糊控制器設(shè)計的核心問題。模糊規(guī)則庫的構(gòu)建要基于對被控系統(tǒng)的理解,而這些信息主要來源于專家經(jīng)驗和樣本數(shù)據(jù)。對于復雜系統(tǒng),基于專家經(jīng)驗獲取的模糊規(guī)則往往比較粗糙。因此,研究基于樣本數(shù)據(jù)的模糊規(guī)則提取方法十分重要。本文提出了一種新的從樣本數(shù)據(jù)中提取模糊規(guī)則的方法。該方法首先采用可能性模糊C-均值算法劃分輸入空間,得到模糊規(guī)則的前件部分,然后采用固定尺度最小二乘支持向量機確定規(guī)則的后件函數(shù),結(jié)合輸入變量的隸屬度值,將各后件函數(shù)加權(quán)求和即可得到模糊控制器的輸出。本文的主要工作內(nèi)容和創(chuàng)新點如下：(1)針對構(gòu)建模糊規(guī)則前件時通常所使用的模糊聚類算法容易受到噪聲影響的問題,本文提出了一種采用可能性模糊C-均值聚類算法劃分輸入空間的方法。該算法根據(jù)隸屬度值和典型值共同完成對數(shù)據(jù)的劃分,可以降低噪聲數(shù)據(jù)對聚類結(jié)果的影響,得到最佳聚類中心。(2)本文提出了一種采用固定尺度最小二乘支持向量機來獲取后件函數(shù)的方法。該算法可從樣本數(shù)據(jù)中學習得到任意后件函數(shù),它比支持向量機擁有更快的計算速度�；谠摲椒ㄋ玫哪Ｐ蛽碛辛己玫南∈栊院洼^強的泛化能力。(3)本文以某軋鋼廠加熱爐為研究對象,采用該對象的實際樣本數(shù)據(jù)集進行實驗分析與方法驗證。實驗結(jié)果表明,本文提出的方法能夠有效地提取爐溫模糊控制器的模糊規(guī)則。
【關(guān)鍵詞】：模糊控制器 模糊規(guī)則 樣本數(shù)據(jù) 可能性模糊C-均值算法 固定尺度最小二乘支持向量機 加熱爐
【學位授予單位】：中國科學技術(shù)大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP273.4
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 緒論10-16
• 1.1 研究背景及意義10-11
• 1.2 國內(nèi)外的研究進展11-14
• 1.2.1 查表法及其改進算法11-12
• 1.2.2 人工神經(jīng)網(wǎng)絡12-13
• 1.2.3 遺傳算法13-14
• 1.2.4 基于后件函數(shù)辨識方法14
• 1.3 本文主要內(nèi)容14-16
• 第2章 模糊控制的理論基礎(chǔ)16-24
• 2.1 模糊集合16-17
• 2.2 模糊關(guān)系17-18
• 2.3 模糊邏輯與模糊推理18-19
• 2.4 解模糊判決方法19
• 2.5 模糊控制系統(tǒng)19-23
• 2.6 本章小結(jié)23-24
• 第3章 基于樣本數(shù)據(jù)的模糊規(guī)則提取方法24-58
• 3.1 數(shù)據(jù)預處理24-27
• 3.1.1 數(shù)據(jù)清洗24-25
• 3.1.2 數(shù)據(jù)選擇25-26
• 3.1.3 數(shù)據(jù)轉(zhuǎn)換26-27
• 3.2 輸入空間劃分27-36
• 3.2.1 格柵劃分27
• 3.2.2 基于聚類算法的劃分27-28
• 3.2.3 模糊C-均值算法28-30
• 3.2.4 可能性C-均值算法30-31
• 3.2.5 可能性模糊C-均值算法31-33
• 3.2.6 仿真實驗33-36
• 3.3 計算輸入變量隸屬度值36-37
• 3.4 后件函數(shù)辨識37-48
• 3.4.1 支持向量機38-41
• 3.4.2 最小二乘支持向量機41-43
• 3.4.3 固定尺度最小二乘支持向量機43-46
• 3.4.4 仿真實驗46-48
• 3.5 基于PFCM算法和FS-LSSVM的模糊控制器48-50
• 3.6 仿真實驗50-57
• 3.6.1 仿真實驗一50-55
• 3.6.2 仿真實驗二55-57
• 3.7 本章小結(jié)57-58
• 第4章 加熱爐爐溫模糊控制器的模糊規(guī)則提取58-76
• 4.1 加熱爐工況介紹58-60
• 4.1.1 換熱式連續(xù)推鋼加熱爐58-59
• 4.1.2 加熱爐結(jié)構(gòu)59-60
• 4.2 加熱爐溫度控制系統(tǒng)60-64
• 4.2.1 原有軟硬件組成和基本功能介紹60-61
• 4.2.2 先進控制站的設(shè)計與部署61-64
• 4.3 實驗步驟64-75
• 4.3.1 數(shù)據(jù)選取65-66
• 4.3.2 數(shù)據(jù)預處理66-69
• 4.3.3 模糊規(guī)則提取69-74
• 4.3.4 實驗總結(jié)74-75
• 4.4 本章小結(jié)75-76
• 第5章 總結(jié)與展望76-78
• 5.1 本文的工作內(nèi)容的總結(jié)76-77
• 5.2 對未來研究展望77-78
• 參考文獻78-82
• 致謝82-84
• 在讀期間發(fā)表的學術(shù)論文與取得的研究成果84

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王燕;李明;;基于擴展概念格的分類規(guī)則獲取算法[J];計算機應用;2007年10期

2 王玨,劉三陽,張杰,劉振華;基于粗集的模糊信息系統(tǒng)有序規(guī)則獲取[J];系統(tǒng)工程與電子技術(shù);2004年06期

3 程玉勝;張佑生;胡學鋼;章曉良;;基于任意分割的串行進位鏈規(guī)則獲取的計算流程[J];電子學報;2009年12期

4 安利平,仝凌云;粗集理論中基于規(guī)則及其參數(shù)的分類識別[J];計算機工程與應用;2004年03期

5 張清華;王國胤;劉顯全;;基于最大粒的規(guī)則獲取算法[J];模式識別與人工智能;2012年03期

6 王麗娟;楊習貝;楊靜宇;吳陳;;基于多粒度理論的不完備決策規(guī)則獲取[J];南京理工大學學報;2013年01期

7 代建華,潘云鶴;一種基于分類一致性的決策規(guī)則獲取算法[J];控制與決策;2004年10期

8 曠海蘭;劉新華;羅可;;一種改進的規(guī)則獲取方法[J];微計算機信息;2006年18期

9 馬志鋒,邢漢承,鄭曉妹;粗糙控制中的規(guī)則獲取策略研究[J];工業(yè)儀表與自動化裝置;2000年06期

10 鄭旭玲;周昌樂;李堂秋;陳毅東;;基于關(guān)聯(lián)規(guī)則挖掘的漢語語義搭配規(guī)則獲取方法[J];廈門大學學報(自然科學版);2007年03期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 王紅軍;張建民;徐小力;;粗糙集規(guī)則獲取在旋轉(zhuǎn)注水機組故障診斷中的應用[A];設(shè)備監(jiān)測與診斷技術(shù)及其應用——第十二屆全國設(shè)備監(jiān)測與診斷學術(shù)會議論文集[C];2005年

2 呂韶義;劉復巖;;基于決策樹的規(guī)則獲取[A];第七屆計算機模擬與信息技術(shù)學術(shù)會議論文集[C];1999年

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 程玉勝;基于粗糙集理論的知識不確定性度量與規(guī)則獲取方法研究[D];合肥工業(yè)大學;2007年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 李士飛;“承認規(guī)則”理論探析[D];重慶大學;2015年

2 王磊;當代中國社會潛規(guī)則的哲學解讀[D];延安大學;2015年

3 易成非;論中國潛規(guī)則與明規(guī)則的合謀與共生[D];天津大學;2014年

4 孫勝杰;基于樣本數(shù)據(jù)的模糊規(guī)則提取方法研究及其應用[D];中國科學技術(shù)大學;2016年

5 譚志雄;潛規(guī)則的反思與超越[D];華僑大學;2014年

6 彭鄢;法治視野下潛規(guī)則治理對策研究[D];重慶大學;2014年

7 金麗;中國公共權(quán)力潛規(guī)則產(chǎn)生原因分析[D];華東師范大學;2010年

8 王麗麗;不完備系統(tǒng)中混合數(shù)據(jù)關(guān)聯(lián)規(guī)則挖掘的研究[D];長沙理工大學;2008年

9 王金燕;基于關(guān)聯(lián)規(guī)則的告警相關(guān)性分析及在數(shù)據(jù)網(wǎng)管系統(tǒng)中的應用[D];西安電子科技大學;2006年

10 陳超;基于知識獲取與規(guī)則融合的網(wǎng)絡安全態(tài)勢評估技術(shù)研究[D];解放軍信息工程大學;2013年

  本文關(guān)鍵詞：基于樣本數(shù)據(jù)的模糊規(guī)則提取方法研究及其應用，由筆耕文化傳播整理發(fā)布。

，

本文編號：469637