基于虚拟模糊集的PID参数整定器的仿真研究

该文中给出的模糊整定器是在虚拟模糊集概念的基础上实现的。该方法首先根据Ｚ－ Ｎ 整规则,按照过程的开环阶跃响应设置初始参数,然后基于闭环控制系统的响应特性,利用模糊系统精确整定控制器参数。模糊控制规则知识库由整定知识和专家经验规则构成。其中整定知识可通过对一典型过程的参数整定来自动提取。最后给出的数字仿真结果证明该方法的有效性     

一种改进的RBF网络结构及其参数的设计方法

针对神经网络在学习之后,模糊系统的原始结构被改变,或削弱了规则可解释性这一模糊系统突出特点的问题,给出了一种提取模糊If-then规则的径向基函数(RBF)神经网络结构。该神经网络结构具有能够同时清晰表达模糊控制系统输入空间划分和模糊规则可解释性的特点,克服了以往用神经网络提取模糊规则不能直观体现模糊语言规则可解释性的不足,并详细地讨论了此网络结构参数的设计方法。     

一种基于RBF网络提取模糊规则的算法实现

径向基函数网络和模糊推理系统在一些柔和的情况下具有等价的功能,因此可以利用神经网络的学习算法来调节模糊系统的参数,学习后的模糊系统具有自学习和自组织性,但是削弱了模糊系统的可解释性。将模糊逻辑推理与神经网络控制技术相结合,分析了一种改进的径向基函数(RBF)神经网络结构,这种模糊神经网络结构能够有效地表达模糊系统可解释性这一突出特点,也使模糊系统具有了较好的自学习和自组织能力、通过VC 实现了基于这种RBF网络结构提取模糊规则的算法,并进行了仿真实验,仿真结果表明该算法是比较有效的。     

基于虚拟模糊集的PID参数整定器的仿真研究

该文中给出的模糊整定器是在虚拟模糊集概念的基础上实现的。该方法首先根据Ｚ－Ｎ整规则,按照过程的开环阶跃响应设置初始参数,然后基于闭环控制系统的响应特性,利用模糊系统精确整定控制器参数。模糊控制规则知识库由整定知识和专家经验规则构成。其中整定知识可通过对一典型过程的参数整定来自动提取。最后给出的数字仿真结果证明该方法的有效性。     

智能混浊度测量与控制系统的设计

文章介绍采用模糊控制技术,利用Honeywell公司的APMS-10G混浊度传感器,应用Visual Basic和Matlab开发的基于模糊控制技术混浊度测量与控制系统。该系统通过对传感器采集来的混浊度数据进行分析和处理,在专家经验基础上,运用工程实验设计方法确定模糊控制规则库,再根据模糊控制规则库的控制规则,运用Mamdani模糊推理方法得到控制方法,应用动态连接库技术,实现计算机并行口输出开关量进行控制。通过对比实验表明采用该系统的洗涤设备比常用的自动洗涤设备更节省能源。     

基于T—S模型的聚丙烯优化控制

针对模糊控制表达能力强,但学习能力、适应性差的特点,提出在聚合反应过程的温度控制系统中使用模糊控制与神经网络相结合的控制方案,控制方案给出了基于Takagi-Sugeno模型的神经模糊网络结构以及优化模糊规则和隶属函数的学习算法;仿真研究表明,神经模糊网络可以根据输入数据的分布情况,自动修改模糊规则的加权系数和隶属函数,克服了单纯的模糊控制其控制规则和隶属函数一经得到就固定不变的缺陷,具有较强的适应能力和学习能力,较单纯的模糊控制有更高的控制精度.     

调整模糊控制规则的规则表旋转法

提出了用规则表旋转法修改控制规则的方法. 模糊控制器通常是基于专家经验或对象模型而设计的. 无论模糊模型或是经验都是粗糙和不能令人满意的. 提出的方法可以通过旋转规则表来调整原始的规则. 仿真结果说明, 这个方法是一种在模糊控制系统中有效调整规则的方法.     

模糊控制的现状与发展

<正>近些年来,模糊控制得到了很快的发展,这主要是由于模糊控制器可以应用专家的控制经验,对难以建立精确数学模型的北空过程实现自动控制。在日本,模糊控制得到了广泛的应用。许多公司成立了模糊系统研究机构专门从事模糊系统的研究。并取得了很好的进展。表现在模糊控制在洗衣机、吸尘器、冶金、制造等自动控制行业中的应用。除此之外,模糊逻辑芯片和模糊计算机的研制也取得了进展。模糊集合理论是模糊控制器的基础,模拟人的知识表达、知识推理方法是模糊理论的表达方法,其基本内容包括：模糊化、模糊控制规则、模糊推理和精确化。模糊控制是一种类人智能控制,可以实现非线性控制,可以得到比常规控制更优良的控制效果,能实现对复杂过程的控制。然而,模糊控制要有较好的发展,必须具有较完善的控制规则。对于某些复杂的工业过程,有时难以总结出较完整的经验,并且当对象动态特性发生变化,或者受到随机干扰的影响时模糊控制的效果为了促进模糊控制的深入发展。至今为止,国际上召开了五届IFSA全世界学术大会,众多学者也进行了卓有成效的工作,对常规模糊控制进行了改进。1常规模糊控制的改进1．1Fuzzy—PIS复合控制在模糊控制器中引入PI控制就构成了Fuzzy-PID复合控制。实现途径：大偏差范围内采用模糊控制,在小偏差范围内采用PID控制,二者的转换由软件根据事先给定的偏差范围自动实现。同PID相比,它具有更快的动态相应特性,跟小的超调,同模糊控制相比,具有更高的稳态精度。这种控制器无需对系统进行模型辨识,并且能用低档次危机实现,是改善模糊控制器稳态性能的一种途径。1．2三位模糊控制器在模糊控制器输入引入误差E,误差变化C和误差变化的速率R等三维变量。三位模糊控制器进一步结束了传统的为模糊控制器的快速响应与稳定性之间的矛盾,提高了对告诫系统进行模糊控制的适应性。1．3Smith-Fuzzy控制器将常规Smith预估控制中的PID控制器换成模糊控制器而构成的Smith—Fuzzy控制器能同时完成对时变系统控制和对纯滞后进行补偿的两个功能,即对纯滞后特性有较好的补偿作用,又对被控对象参数变化有较强的适应能力。1．4专家模糊控制器专家模糊控制器是在专家系统的一般结构与概念基础上,引入了模糊集合表达和模糊推理而构成的控制器。它可以积累、学习、修改专家的控制经验,表达复杂的过程知识,处理控制过程的不确定性,解决复杂的实际过程控制问题。它一般包括控制规则库、推理结构、规则学习单元等,其中控制规则库是系统的基础,存放大量用于过程的控制规则,而推理机是专家模糊控制器核心部分,它要求能根据事实推出结论,而不是简单地去搜索现成的     

基于递阶遗传算法模糊加权神经网络的模糊规则自动获取

针对模糊规则的自动获取一直是模糊系统的一个瓶颈问题,提出一种基于递阶结构的混合编码遗传算法与进化规划相结合的模糊加权神经网络学习新算法,利用该算法同时优化模糊加权神经网络的结构和参数,最后说明了从网络中提取模糊规则的方法,从而自动获得最优的模糊规则。分析和实验结果表明,本文方法在规则提取和分类准确性等方面比其他方法更好。     

基于MATLAB的神经模糊聚合釜控制

针对模糊控制表达能力强,但学习能力、适应性差的特点,提出在聚合釜温度控制过程中使用模糊控制与神经网络相结合的控制方案.给出了神经模糊网络结构和学习算法,仿真研究表明,神经模糊网络可以直接从经验中获取知识,自动建立模糊规则和隶属函数,无需查表,具有较强的适应和联想能力,比单纯的模糊控制具有更大的优势.     

Extracting Interpretable Fuzzy Rules from RBF Networks

Radial basis function networks and fuzzy rule systems are functionally equivalent under some mild conditions. Therefore, the learning algorithms developed in the field of artificial neural networks can be used to adapt the parameters of fuzzy systems. Unfortunately, after the neural network learning, the structure of the original fuzzy system is changed and interpretability, which is considered to be one of the most important features of fuzzy systems, is usually impaired. This Letter discusses the differences between RBF networks and interpretable fuzzy systems. Based on these discussions, a method for extracting interpretable fuzzy rules from RBF networks is suggested. Simulation examples are given to embody the idea of this paper.     

一种基于卡尔曼滤波和模糊控制的RBF神经网络新型学习算法

提出了基于Kalman滤波最优估计和模糊控制的径向基函数（Radical Basis Function, RBF）神经网络学习算法,用实例进行了仿真实验。结果表明,与传统的RBF网络学习算法比较,该算法具有明显快速的学习效率和较高的识别精度.     

基于改进PSO和BP混合优化算法的炉温控制系统研究

针对工业生产中电阻炉温度控制系统所存在的大惯性、大滞后等问题,提出一种应用于电阻炉炉温的基于改进粒子群(PSO,particle swarm optimization)算法的模糊RBF-PID控制策略.在该控制系统中,采用引入惯性权重因子和遗传变异算子的改进粒子群算法对模糊RBF(径向基函数)隶属度函数的初始值进行优化,再用BP(误差反向传播)算法进行细调,并结合模糊推理和RBF学习能力在线调整PID控制参数,从而达到最优的PID控制效果.仿真结果表明,该算法跟踪快、超调小、不易陷入局部极小值,同时鲁棒性和抗干扰性优于传统PID控制.     

Piecewise-linear neural networks and their relationship to rule extraction from data

This article addresses the topic of extracting logical rules from data by means of artificial neural networks. The approach based on piecewise linear neural networks is revisited, which has already been used for the extraction of Boolean rules in the past, and it is shown that this approach can be important also for the extraction of fuzzy rules. Two important theoretical properties of piecewise-linear neural networks are proved, allowing an elaboration of the basic ideas of the approach into several variants of an algorithm for the extraction of Boolean rules. That algorithm has already been used in two real-world applications. Finally, a connection to the extraction of rules of the ?ukasiewicz logic is established, relying on recent results about rational McNaughton functions. Based on one of the constructive proofs of the McNaughton theorem, an algorithm is formulated that in principle allows extracting a particular kind of formulas of the ?ukasiewicz predicate logic from piecewise-linear neural networks trained with rational data.     

K-聚类的模糊神经网络对DO的控制研究

运用一种基于K-聚类算法的模糊径向基函数（RBF）神经网络对污水处理中的溶解氧质量浓度进行控制,该方法结合了模糊控制的推理能力强与神经网络学习能力强的特点,将模糊控制、RBF神经网络以及K-聚类学习算法相结合以在线调整隶属函数,优化控制规则。通过对阶跃输入仿真分析,其结果表明基于RBF的模糊神经网络控制器具有良好的动态性能、较强的鲁棒性和抗干扰能力,使其快速、准确地达到期望水平。     

在线知识获得智能模糊控制器研究

对一些复杂的系统。传统PID或模糊控制很难得到满意控制效果,本文提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来进行控制。由遗传算法在线优化模糊控制器的比例因子、模糊推理规则和隶属函数。并由RBF网络辨识被控对象的动态特性,以评价模糊控制器控制性能。仿真实验表明。优化后的Fuzzy控制器具有较强的学习和自适应控制能力,控制效果优于没有寻优的Fuzzy控制。     

基于模糊神经网络水下机器人直接自适应控制

提出了基于广义动态模糊神经网络的水下机器人直接自适应控制方法, 该控制方法既不需要预先知道模糊神经结构, 也不需要预先的训练阶段, 完全通过在线自适应学习算法构建水下机器人的逆动力学模型. 首先, 本文提出了基于这种网络结构的水下机器人直接自适应控制器, 然后, 利用 Lyapunov 稳定理论, 证明了基于该控制器的水下机器人控制系统闭环稳定性, 最后, 采用某水下机器人模型仿真验证了该控制方法的有效性.     

Adaptive noise cancellation using enhanced dynamic fuzzy neural networks

In this paper, a novel adaptive noise cancellation algorithm using enhanced dynamic fuzzy neural networks (EDFNNs) is described. In the proposed algorithm, termed EDFNN learning algorithm, the number of radial basis function (RBF) neurons (fuzzy rules) and input-output space clustering is adaptively determined. Furthermore, the structure of the system and the parameters of the corresponding RBF units are trained online automatically and relatively rapid adaptation is attained. By virtue of the self-organizing mapping (SOM) and the recursive least square error (RLSE) estimator techniques, the proposed algorithm is suitable for real-time applications. Results of simulation studies using different noise sources and noise passage dynamics show that superior performance can be achieved.     

基于模糊径向基函数神经网络的PID控制算法仿真研究

在传统的PID控制算法基础上,提出了一种基于模糊RBF神经网络的PID控制算法。该算法将RBF神经网络学习能力强与模糊理论的推理能力强的特点结合起来,在线调整比例、积分、微分三个控制参数,仿真结果表明,该算法的控制品质优于常规PID控制,具有较强的自适应能力和鲁棒性。