| 【中文题名】 | 非线性系统模糊辨识方法的研究 |
| 【英文题名】 | Research in the Nonlinear System Fuzzy Identification |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-7 |
| 【中关键词】 | T-S模型,模糊辨识,非线性,模糊推理,热工过程, |
| 【英关键词】 | T-S model,fuzzy identification,nonlinear,fuzzy inference,thermal process, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动控制理论>> |
| 【论文摘要】 |
在工业热工过程控制中,被控对象动态特性往往表现出非线性、时变性、大迟延和大惯性等特点,这使得难以对其建立比较精确的模型,从而难于精确表达热工过程及实施整体优化控制。为达到建立精确非线性模型的目的,研究了基于T-S模型的自适应神经模糊系统模糊建模方法,该方法能使神经模糊网络自主、迅速有效地收敛到要求的输入和输出关系。然后提出了一种基于改进T-S模型的模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解模糊模型的结构,再通过熵的聚类和竞争学习算法划分输入数据空间,并利用加权递推最小二乘法(WRLSA)建立热工过程的模糊模型。
在已获得的辨识算法基础上,通过Matcom技术结合VC++,实现了非线性模糊辨识软件的开发,并将其应用于热工过程被控对象模糊建模中,取得了良好效果。 |
| 【论文题纲】 |
|
中文摘要 |
4 |
|
英文摘要 |
4-6 |
|
第一章 引言 |
6-21 |
|
1.1 课题的研究背景及意义 |
6-7 |
|
1.2 模糊建模的发展过程及现状 |
7-10 |
|
1.3 模糊模型结构辨识方法 |
10-13 |
|
1.4 模糊模型参数辨识方法 |
13-18 |
|
1.5 模糊辨识中的其它问题 |
18-19 |
|
1.6 本文的主要内容和安排 |
19-21 |
|
第二章 模糊逻辑基础和万能逼近理论 |
21-30 |
|
2.1 引言 |
21 |
|
2.2 模糊集理论基本概念 |
21-24 |
|
2.3 模糊系统万能逼近理论研究与分析 |
24-29 |
|
2.4 本章小结 |
29-30 |
|
第三章 非线性系统模糊辨识方法的研究 |
30-46 |
|
3.1 基于T-S 模型的自适应神经模糊推理系统 |
31-37 |
|
3.2 基于改进T-S 模型的模糊辨识方法 |
37-45 |
|
3.3 本章小结 |
45-46 |
|
第四章、非线性模糊辨识软件的开发 |
46-55 |
|
4.1 引言 |
46 |
|
4.2 VC++与MATLAB 的接口 |
46-47 |
|
4.3 利用MATCOM 编译接口程序 |
47-49 |
|
4.4 非线性模糊辨识软件1.00 |
49-52 |
|
4.5 应用举例 |
52-53 |
|
4.6 本章小结 |
53-55 |
|
结论 |
55-57 |
|
参考文献 |
57-63 |
|
致谢 |
63-64 |
|
在学期间发表的学术论文和参加科研情况 |
64-65 |
|
详细摘要 |
65-73 |
|
| 【DOI】 | LunWen.ID:2.2008.388543 |
