模糊系统和ANFIS的改进及其在加工参数智能选择中的应用研究
发布时间：2022-02-22 08:10
针对CAPP技术由于其要解决问题具有复杂性、非线性和不确定性等特点而发展缓慢的现状,本文结合吉林省科技发展计划项目（20040333）“机械加工中的模糊-神经网络技术研究”,进行模糊推理系统、自适应模糊推理系统（ANFIS）等智能算法的改进及其在解决CAPP微观层的工艺参数确定问题中的应用研究。本文结合减法聚类对模糊C-均值聚类算法进行改进,改进后算法收敛速度加快,且更稳定。基于改进后聚类算法提出了一种新型模糊系统建模方法,该方法适用范围较广且便于实现,降低了模糊系统的应用难度。提出了一种新型的模糊系统—混合输入型模糊系统,该系统可以同时输入精确值和模糊语言真值,能满足某些特定需求,且更灵活实用。用Fletcher-Reeves update法和比例共轭梯度法对ANFIS算法进行改进,改进后算法训练速度明显加快。提出了一种便捷的模糊系统在DSP上的实现方法,推动模糊系统在更多领域得到应用。建立了用于加工参数智能选择的混合输入型模糊系统和ANFIS,并将该ANFIS成功移植到DSP上,为实现加工参数的在线智能选择奠定了基础。
【文章来源】：吉林大学吉林省211工程院校985工程院校教育部直属院校
【文章页数】：162 页
【学位级别】：博士
【文章目录】：
提要
第一章 绪论
1.1 论文的研究背景和意义
1.2 模糊系统、ANFIS 和DSP 技术的发展和应用
1.2.1 模糊系统的发展和应用
1.2.2 模糊系统和神经网络结合技术的发展和应用
1.2.3 DSP 的发展和应用
1.3 本文的主要研究内容
第二章 模糊系统和ANFIS 基本理论
2.1 模糊逻辑基础
2.1.1 模糊集合
2.1.2 模糊集合运算的基本性质
2.1.3 隶属度函数
2.1.4 模糊集合相关的概念和定理
2.1.5 模糊关系及其合成
2.2 模糊推理规则
2.2.1 模糊语言变量
2.2.2 模糊蕴含关系
2.2.3 模糊逻辑推理
2.3 模糊推理系统分类与组成
2.3.1 纯模糊逻辑系统
2.3.2 高木－关野型模糊逻辑系统
2.3.3 Mamdani 型模糊逻辑系统
2.4 自适应模糊神经推理系统原理
2.4.1 自适应网络结构与训练算法
2.4.2 自适应模糊神经推理系统
2.4.3 BP 算法的各种改进方法
2.5 模糊聚类
2.5.1 普通聚类分析
2.5.2 模糊聚类分析
2.5.3 常用聚类算法
2.6 本章小结
第三章 基于改进型模糊聚类的模糊系统建模方法研究
3.1 模糊聚类算法的改进
3.1.1 改进型聚类算法的提出
3.1.2 改进型聚类算法的实现
3.1.3 改进前后算法聚类结果比较
3.2 基于改进型模糊聚类的模糊系统建模
3.2.1 模糊系统建模新方法的提出
3.2.2 拟合方法及其在MATLAB 中的实现
3.3 本文提出的模糊系统建模方法的验证
3.3.1 水箱水位控制系统模型
3.3.2 输入/输出样本集的获取
3.3.3 水位控制模糊系统建模
3.3.4 控制性能比较与结论
3.4 本章小结
第四章 基于混合输入型模糊系统的加工参数智能选择
4.1 用于加工参数智能选择的系统模型
4.2 实验数据的获取
4.2.1 实验的目的与方案
4.2.2 实验装置与实验流程
4.2.3 实验数据及其分析
4.3 混合输入型模糊系统的构建
4.3.1 混合输入型模糊系统的提出
4.3.2 转换器的实现方法
4.3.3 用GUIDE 设计GUI
4.4 用于加工参数智能选择的模糊系统
4.4.1 输入/输出空间分割与隶属度函数的确定
4.4.2 模糊规则库的建立与模糊运算方法选择
4.4.3 图形用户界面设计与系统验证
4.5 本章小结
第五章 自适应模糊神经推理系统的改进和应用研究
5.1 自适应模糊神经推理系统的改进
5.1.1 ANFIS 改进算法的提出
5.1.2 用Fletcher-Reeves Update 法改进ANFIS
5.1.3 用比例共轭梯度法改进ANFIS
5.2 改进算法的验证与比较
5.2.1 用于混沌时间序列预报
5.2.2 用于逼近非线性函数
5.3 改进后的ANFIS 用于加工参数智能选择
5.4 本章小结
第六章 模糊系统和ANFIS 在DSP 上的实现和优化
6.1 模糊系统在DSP 上的实现
6.2 ANFIS 在DSP 上的实现
6.3 代码优化
6.4 本章小结
第七章 结论
附录 IRIS 数据集
参考文献
攻读博士学位期间发表的论文及科研成果
致谢
摘要
Abstract
【参考文献】：
期刊论文
[1]模糊推理系统在DSP上的实现和优化[J]. 武星星,朱喜林,李晓梅. 微计算机信息. 2007(08)
[2]基于混合输入型模糊系统的机械加工参数优化[J]. 武星星,朱喜林,李晓梅. 中国机械工程. 2007(03)
[3]基于改进型模糊聚类的模糊系统建模方法[J]. 朱喜林,武星星,李晓梅. 控制与决策. 2007(01)
[4]聚类分析中Chameleon算法的分析与实现[J]. 喻云峰,聂承启. 计算机与现代化. 2006(09)
[5]一种改进的基于模糊聚类的图像分割方法[J]. 刘华军,任明武,杨静宇. 中国图象图形学报. 2006(09)
[6]基于DSP的红外实时成像系统的研制[J]. 代少升,张跃,刘文煌. 半导体光电. 2006(04)
[7]导弹电源系统故障诊断的神经网络方法[J]. 彭传彪,王莉. 弹箭与制导学报. 2006(03)
[8]基于神经网络的模型参考自修复飞行控制[J]. 王鹏,艾剑良,高明. 火力与指挥控制. 2006(08)
[9]基于DSP的闭环经济型数控机床数控系统设计[J]. 张俊芳. 组合机床与自动化加工技术. 2006(08)
[10]一种大规模高维数据集的高效聚类算法[J]. 周晓云,孙志挥,张柏礼. 应用科学学报. 2006(04)
本文编号：3639047
【文章来源】：吉林大学吉林省211工程院校985工程院校教育部直属院校
【文章页数】：162 页
【学位级别】：博士
【文章目录】：
提要
第一章 绪论
1.1 论文的研究背景和意义
1.2 模糊系统、ANFIS 和DSP 技术的发展和应用
1.2.1 模糊系统的发展和应用
1.2.2 模糊系统和神经网络结合技术的发展和应用
1.2.3 DSP 的发展和应用
1.3 本文的主要研究内容
第二章 模糊系统和ANFIS 基本理论
2.1 模糊逻辑基础
2.1.1 模糊集合
2.1.2 模糊集合运算的基本性质
2.1.3 隶属度函数
2.1.4 模糊集合相关的概念和定理
2.1.5 模糊关系及其合成
2.2 模糊推理规则
2.2.1 模糊语言变量
2.2.2 模糊蕴含关系
2.2.3 模糊逻辑推理
2.3 模糊推理系统分类与组成
2.3.1 纯模糊逻辑系统
2.3.2 高木－关野型模糊逻辑系统
2.3.3 Mamdani 型模糊逻辑系统
2.4 自适应模糊神经推理系统原理
2.4.1 自适应网络结构与训练算法
2.4.2 自适应模糊神经推理系统
2.4.3 BP 算法的各种改进方法
2.5 模糊聚类
2.5.1 普通聚类分析
2.5.2 模糊聚类分析
2.5.3 常用聚类算法
2.6 本章小结
第三章 基于改进型模糊聚类的模糊系统建模方法研究
3.1 模糊聚类算法的改进
3.1.1 改进型聚类算法的提出
3.1.2 改进型聚类算法的实现
3.1.3 改进前后算法聚类结果比较
3.2 基于改进型模糊聚类的模糊系统建模
3.2.1 模糊系统建模新方法的提出
3.2.2 拟合方法及其在MATLAB 中的实现
3.3 本文提出的模糊系统建模方法的验证
3.3.1 水箱水位控制系统模型
3.3.2 输入/输出样本集的获取
3.3.3 水位控制模糊系统建模
3.3.4 控制性能比较与结论
3.4 本章小结
第四章 基于混合输入型模糊系统的加工参数智能选择
4.1 用于加工参数智能选择的系统模型
4.2 实验数据的获取
4.2.1 实验的目的与方案
4.2.2 实验装置与实验流程
4.2.3 实验数据及其分析
4.3 混合输入型模糊系统的构建
4.3.1 混合输入型模糊系统的提出
4.3.2 转换器的实现方法
4.3.3 用GUIDE 设计GUI
4.4 用于加工参数智能选择的模糊系统
4.4.1 输入/输出空间分割与隶属度函数的确定
4.4.2 模糊规则库的建立与模糊运算方法选择
4.4.3 图形用户界面设计与系统验证
4.5 本章小结
第五章 自适应模糊神经推理系统的改进和应用研究
5.1 自适应模糊神经推理系统的改进
5.1.1 ANFIS 改进算法的提出
5.1.2 用Fletcher-Reeves Update 法改进ANFIS
5.1.3 用比例共轭梯度法改进ANFIS
5.2 改进算法的验证与比较
5.2.1 用于混沌时间序列预报
5.2.2 用于逼近非线性函数
5.3 改进后的ANFIS 用于加工参数智能选择
5.4 本章小结
第六章 模糊系统和ANFIS 在DSP 上的实现和优化
6.1 模糊系统在DSP 上的实现
6.2 ANFIS 在DSP 上的实现
6.3 代码优化
6.4 本章小结
第七章 结论
附录 IRIS 数据集
参考文献
攻读博士学位期间发表的论文及科研成果
致谢
摘要
Abstract
【参考文献】：
期刊论文
[1]模糊推理系统在DSP上的实现和优化[J]. 武星星,朱喜林,李晓梅. 微计算机信息. 2007(08)
[2]基于混合输入型模糊系统的机械加工参数优化[J]. 武星星,朱喜林,李晓梅. 中国机械工程. 2007(03)
[3]基于改进型模糊聚类的模糊系统建模方法[J]. 朱喜林,武星星,李晓梅. 控制与决策. 2007(01)
[4]聚类分析中Chameleon算法的分析与实现[J]. 喻云峰,聂承启. 计算机与现代化. 2006(09)
[5]一种改进的基于模糊聚类的图像分割方法[J]. 刘华军,任明武,杨静宇. 中国图象图形学报. 2006(09)
[6]基于DSP的红外实时成像系统的研制[J]. 代少升,张跃,刘文煌. 半导体光电. 2006(04)
[7]导弹电源系统故障诊断的神经网络方法[J]. 彭传彪,王莉. 弹箭与制导学报. 2006(03)
[8]基于神经网络的模型参考自修复飞行控制[J]. 王鹏,艾剑良,高明. 火力与指挥控制. 2006(08)
[9]基于DSP的闭环经济型数控机床数控系统设计[J]. 张俊芳. 组合机床与自动化加工技术. 2006(08)
[10]一种大规模高维数据集的高效聚类算法[J]. 周晓云,孙志挥,张柏礼. 应用科学学报. 2006(04)
本文编号：3639047
本文链接：https://www.wllwen.com/kejilunwen/jixiegongcheng/3639047.html
