| 【中文题名】 | 模糊推理的新算法及基于模糊小波网络的自适应控制 |
| 【英文题名】 | Novel Algorithms of Fuzzy Inference and Adaptive Control Based on Fuzzy Wavelet Neural Networks |
| 【学科专业】 | 运筹学与控制论 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2002-4-30 |
| 【中关键词】 | 模糊推理,三Ⅰ方法,T-S模型,非线性系统,自适应控制,滑模控制 |
| 【英关键词】 | Fuzzy inference,triple Ⅰ algorithm,T-S model,nonlinear systems,,,adaptive control,slide mode control, |
| 【分类导航】 | 数理科学和化学>数学>控制论、信息论（数学理论）>控制论（控制论的数学理论）>> |
| 【论文摘要】 |
智能控制是在分析和综合所谓“3C”问题的研究过程中逐步产生、发展起来的。目前智能控制基本形成了专家控制、模糊控制、神经控制、学习控制(包括迭代学习控制)及混合智能控制和智能控制的整体理论体系等几个较成熟的理论和方法。
作为智能控制的一个分支，模糊控制在工业生产领域，特别在系列家电产品开发上得到了成功应用。三十多年来，模糊控制常常都是以Zadeh提出的CRI推理算法进行推理，而CRI算法是由模糊关系的复合运算形成的，只含有一层蕴涵关系，而且从逻辑语义角度看，CRI算法存在若干缺陷，并且它还不具有还原性。针对CRI方法的这些缺陷，文提出了模糊推理的全蕴涵三I原则和对R_0算子的三I算法。为了找出优于CRI算法的模糊推理方法和新型模糊神经网络，本文首先对常用九种模糊算子给出了具体三I算法，并从模糊推理的另一个方面，考察了各种算法对日常直观模糊推理规则的贴近程度，得出“R_L型三I算法贴近日常直观推理规则”这一结论；同时，考虑到模糊神经网络要求“网络输出保持对模糊算子和隶属函数连续性、可微性”这一特性，通过比较研究，得出利用乘积算子和CRI推理的模糊神经网络最适合控制问题。在前面工作基础上，本文... |
| 【论文题纲】 |
|
第一章 绪论 |
6-11 |
|
§1．1 引言 |
6-7 |
|
§1．2 模糊推理的历史现状 |
7-8 |
|
§1．3 模糊控制和神经控制的历史现状 |
8-9 |
|
§1．4 本文的主要工作 |
9-11 |
|
第二章 模糊推理的三I算法及与CRI算法的比较研究 |
11-33 |
|
§2．1 引言 |
11 |
|
§2．2 模糊推理的基础知识 |
11-13 |
|
§2．3 模糊推理的三I算法 |
13-16 |
|
§2．4 R_L型三I算法 |
16-21 |
|
§2．5 常用蕴涵算子的三I算法 |
21-32 |
|
§2．6 本章小结 |
32-33 |
|
第三章 基于T-S模型的自适应模糊小波神经网络控制 |
33-50 |
|
§3．1 引言 |
33 |
|
§3．2 预备知识 |
33-34 |
|
§3．3 模糊小波神经网络的结构 |
34-36 |
|
§3．4 T-S模型中小波的选择 |
36-38 |
|
§3．5 基于T-S模型的模糊小波网络的自适应控制 |
38-45 |
|
§3．6 仿真研究 |
45-49 |
|
§3．7 小结 |
49-50 |
|
结束语 |
50-51 |
|
致谢 |
51-52 |
|
参考文献 |
52-55 |
|
作者在读期间的研究成果 |
55 |
|
| 【DOI】 | LunWen.ID:2.2008.10461 |
