一种基于模型参数范围已知的定性控制

对模型中含有不确定性因素的非线性系统给出一种定性控制方法,避免了模型控制器设计中存在的主观性和模糊规则难以获取等缺点。先将状态进行定性划分,再对每个定性状态根据期望约束利用不精确模型求出控制的参考范围及初值,最后对控制量在线自学习调整。此方法具有模糊控制的控制效果。     

基于定性状态模型的定性控制方法研究

针对某些复杂系统难以获得精确数学模型来实现有效控制这一问题,采用定性状态模型来描述含有不确定性的非线性系统,提出了一种定性控制方法。首先通过对系统状态的定性划分,采用基于定性推理的自动机建立被控系统定性状态模型,然后设计基于系统定性状态模型的定性控制器,并给出了控制器设计的一般步骤。最后以液位控制系统为例,建立了液位对象的定性状态模型并设计了定性控制器,仿真结果表明该方法的有效性及其理论价值和应用前景。     

定性预测系统的建模方法

论述了基于云模型的不确定预测系统的建模方法,将预测过程拟成一个不确定控制系统,将作为系统输入的预测因素和系统输出的预测对象均以定性概念表示,并给出了定性预报的算法及实现机制。     

一类定性控制系统的稳定性分析

对一类非线性对象提出了定性稳定性的定义,并对其闭环自治系统的定性稳定性提出一个充分性判据,然后给出一种用变量梯度法构造李亚普诺夫函 步骤,最后以一个二阶非线性对象为例,给出了一种以全部定性状态分析为反馈的定性控制,讨论了闭环控制系统的定性稳定性。     

复杂系统的定性建模和定性控制综述

综述了复杂系统的定性建模和定性控制．首先阐述了定性建模的理论背景,讨论了 主要的定性建模研究方法及定性模型特性;接着介绍了定性控制的研究进展,对定性控制方 法进行了分类研究,探讨了定性控制器的设计及定性控制系统性能;最后就复杂系统的定性 建模和定性控制研究发展进行了评述．     

定性—PID控制方法

针对模型中含有不确定因素的非线性系统给出了两种定性－PID控制方法,克服了定性控制存在定性零点的缺陷。仿真结果表明了该方法的有效性。     

面向概念设计的零件定性模型

针对概念零件结构的定性特性,提出了支持概念设计并能指导和控制零件形状设计的概念零件结构定性模型,讨论了形体符号的定义和分类,零件符号化的基本步骤和疗法。给出了典型结构概念零件的符号表示实例．讨论了定性几何约束、定性几何约束图和定性拼合运算．并结合实例介绍了概念零件定性模型的建立过程．     

定性代数的形式框架FAQA

本文首先讨论了定性推理系统和一量推理系统的描述，进而给出了定性代数的一种形式框架ＦＡＱＡ，提出了定性、定量是不同层次观察结果的观点，并对定性（混合）结构进行了分析描述。ＦＡＱＡ框架是Ｗｉｌｌｉａｍｓ等人工作理论上的完善及统一基础。     

一种定性和定量信息混合控制法

基于精确数学模型的定量控制,虽精度高,但控制质量受限于对象参数的变化;定性控制具有较强的鲁棒性,但精确性稍差.结合两者优点,本文提出了一种无需对象精确数学模型的定性、定量信息混合控制新算法.该算法首先建立无因果划的键图模型,使用改进的键图理论,分析并给出键图模型中知识的定性表达方程,并对该定性表达方程进行适当的化简导出控制方程.对比PID控制的仿真结果证实:该算法具有较好的鲁棒性和动态性能,尤其在对象参数时变和含有非线性环节时.     

基于云模型融入定性信息的定量仿真方法

针对系统定量仿真中存在的定性信息无法充分合理使用、定量信息和定性信息不能融合的问题,提出了一种基于云模型的定性仿真建模方法,并将其融入定量仿真之中.首先给出了基于云模型的变量空间描述,然后提出了基于云模型的融入定性信息的定量仿真方法.给出了包括定性与定量信息的融合运算、定性信息的持续与周期变化等在内的难点问题的解决方法.最后通过一个复杂供应链系统仿真实例验证了该方法的可行性.结果表明,改进方法具有客观的表达不确定性信息的特点,能将定性信息有效地融合到系统的定量仿真之中.     

线性系统的定性控制方法

根据被控对象的定性数学模型，设计一种定性控制器，精确数学模型是很难得到的，然而有很多对象，可知道它的工作机理，根据这种机理，能够建立定性数学模型，如果系统是线性的，将得到一种定性控制算法。     

定性控制综述

首先介绍了定性推理，定性控制的产生背景，发展状况及已取得的成就，然后给出了定性控制的三种基本方法，并依次举例做了较为详细的说明，最后对定性控制的优点，缺点及发展趋向做了探讨。     

定性控制系统动态行为的仿真研究

本文初步讨论了如何以数学语言描述定性模型,并提出一种闭环定性控制系统,仿真结果表明,定性控制系统行为可以较好逼近定量控制系统行为,说明实现基于定性模型的智能控制是可能的。     

Process modelling for intelligent control

This contribution considers the problem of knowledge representation in intelligent control systems: the kind of knowledge that is required and how this may be encapsulated within an application framework. It is argued that rule-base techniques need to be supplemented by other methods in order to express certain pertinent aspects of the domain. After a brief discussion of qualitative modelling techniques, attention is focused upon numerical models and a relatively new qualitative modelling approach, Qualitative Transfer Functions.

The effectiveness of the latter model forms as repositories of deep knowledge are evaluated by application to a simulated distillation plant. The results indicate that although numerical models can provide accurate input-output representations, the integrated framework offered by Qualitative Transfer Functions is capable of carrying more information relevant to decision-making systems.     

基于对象定量和定性信息的组合预测控制

针对预测控制存在的设计参数选取困难和对建模误差的鲁棒性问题,提出了组合预测控制算法.该算法将预测控制和模糊控制有机地结合起来,取长补短,充分利用对象的定量信息和定性信息进行控制.仿真结果表明,该算法较好地解决了预测控制的以上两个问题.