基于样本数据的模糊规则提取方法研究及其应用

发布时间：2017-06-21 19:07

  本文关键词：基于样本数据的模糊规则提取方法研究及其应用，由笔耕文化传播整理发布。

【摘要】：模糊控制技术广泛应用于工业过程控制。模糊规则库的构建是模糊控制器设计的核心问题。模糊规则库的构建要基于对被控系统的理解,而这些信息主要来源于专家经验和样本数据。对于复杂系统,基于专家经验获取的模糊规则往往比较粗糙。因此,研究基于样本数据的模糊规则提取方法十分重要。本文提出了一种新的从样本数据中提取模糊规则的方法。该方法首先采用可能性模糊C-均值算法划分输入空间,得到模糊规则的前件部分,然后采用固定尺度最小二乘支持向量机确定规则的后件函数,结合输入变量的隶属度值,将各后件函数加权求和即可得到模糊控制器的输出。本文的主要工作内容和创新点如下：(1)针对构建模糊规则前件时通常所使用的模糊聚类算法容易受到噪声影响的问题,本文提出了一种采用可能性模糊C-均值聚类算法划分输入空间的方法。该算法根据隶属度值和典型值共同完成对数据的划分,可以降低噪声数据对聚类结果的影响,得到最佳聚类中心。(2)本文提出了一种采用固定尺度最小二乘支持向量机来获取后件函数的方法。该算法可从样本数据中学习得到任意后件函数,它比支持向量机拥有更快的计算速度。基于该方法所得的模型拥有良好的稀疏性和较强的泛化能力。(3)本文以某轧钢厂加热炉为研究对象,采用该对象的实际样本数据集进行实验分析与方法验证。实验结果表明,本文提出的方法能够有效地提取炉温模糊控制器的模糊规则。
【关键词】：模糊控制器 模糊规则 样本数据 可能性模糊C-均值算法 固定尺度最小二乘支持向量机 加热炉
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP273.4
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第1章 绪论10-16
• 1.1 研究背景及意义10-11
• 1.2 国内外的研究进展11-14
• 1.2.1 查表法及其改进算法11-12
• 1.2.2 人工神经网络12-13
• 1.2.3 遗传算法13-14
• 1.2.4 基于后件函数辨识方法14
• 1.3 本文主要内容14-16
• 第2章 模糊控制的理论基础16-24
• 2.1 模糊集合16-17
• 2.2 模糊关系17-18
• 2.3 模糊逻辑与模糊推理18-19
• 2.4 解模糊判决方法19
• 2.5 模糊控制系统19-23
• 2.6 本章小结23-24
• 第3章 基于样本数据的模糊规则提取方法24-58
• 3.1 数据预处理24-27
• 3.1.1 数据清洗24-25
• 3.1.2 数据选择25-26
• 3.1.3 数据转换26-27
• 3.2 输入空间划分27-36
• 3.2.1 格栅划分27
• 3.2.2 基于聚类算法的划分27-28
• 3.2.3 模糊C-均值算法28-30
• 3.2.4 可能性C-均值算法30-31
• 3.2.5 可能性模糊C-均值算法31-33
• 3.2.6 仿真实验33-36
• 3.3 计算输入变量隶属度值36-37
• 3.4 后件函数辨识37-48
• 3.4.1 支持向量机38-41
• 3.4.2 最小二乘支持向量机41-43
• 3.4.3 固定尺度最小二乘支持向量机43-46
• 3.4.4 仿真实验46-48
• 3.5 基于PFCM算法和FS-LSSVM的模糊控制器48-50
• 3.6 仿真实验50-57
• 3.6.1 仿真实验一50-55
• 3.6.2 仿真实验二55-57
• 3.7 本章小结57-58
• 第4章 加热炉炉温模糊控制器的模糊规则提取58-76
• 4.1 加热炉工况介绍58-60
• 4.1.1 换热式连续推钢加热炉58-59
• 4.1.2 加热炉结构59-60
• 4.2 加热炉温度控制系统60-64
• 4.2.1 原有软硬件组成和基本功能介绍60-61
• 4.2.2 先进控制站的设计与部署61-64
• 4.3 实验步骤64-75
• 4.3.1 数据选取65-66
• 4.3.2 数据预处理66-69
• 4.3.3 模糊规则提取69-74
• 4.3.4 实验总结74-75
• 4.4 本章小结75-76
• 第5章 总结与展望76-78
• 5.1 本文的工作内容的总结76-77
• 5.2 对未来研究展望77-78
• 参考文献78-82
• 致谢82-84
• 在读期间发表的学术论文与取得的研究成果84

【相似文献】

中国期刊全文数据库 前10条

1 王燕;李明;;基于扩展概念格的分类规则获取算法[J];计算机应用;2007年10期

2 王珏,刘三阳,张杰,刘振华;基于粗集的模糊信息系统有序规则获取[J];系统工程与电子技术;2004年06期

3 程玉胜;张佑生;胡学钢;章晓良;;基于任意分割的串行进位链规则获取的计算流程[J];电子学报;2009年12期

4 安利平,仝凌云;粗集理论中基于规则及其参数的分类识别[J];计算机工程与应用;2004年03期

5 张清华;王国胤;刘显全;;基于最大粒的规则获取算法[J];模式识别与人工智能;2012年03期

6 王丽娟;杨习贝;杨静宇;吴陈;;基于多粒度理论的不完备决策规则获取[J];南京理工大学学报;2013年01期

7 代建华,潘云鹤;一种基于分类一致性的决策规则获取算法[J];控制与决策;2004年10期

8 旷海兰;刘新华;罗可;;一种改进的规则获取方法[J];微计算机信息;2006年18期

9 马志锋,邢汉承,郑晓妹;粗糙控制中的规则获取策略研究[J];工业仪表与自动化装置;2000年06期

10 郑旭玲;周昌乐;李堂秋;陈毅东;;基于关联规则挖掘的汉语语义搭配规则获取方法[J];厦门大学学报(自然科学版);2007年03期

中国重要会议论文全文数据库 前2条

1 王红军;张建民;徐小力;;粗糙集规则获取在旋转注水机组故障诊断中的应用[A];设备监测与诊断技术及其应用——第十二届全国设备监测与诊断学术会议论文集[C];2005年

2 吕韶义;刘复岩;;基于决策树的规则获取[A];第七届计算机模拟与信息技术学术会议论文集[C];1999年

中国博士学位论文全文数据库 前1条

1 程玉胜;基于粗糙集理论的知识不确定性度量与规则获取方法研究[D];合肥工业大学;2007年

中国硕士学位论文全文数据库 前10条

1 李士飞;“承认规则”理论探析[D];重庆大学;2015年

2 王磊;当代中国社会潜规则的哲学解读[D];延安大学;2015年

3 易成非;论中国潜规则与明规则的合谋与共生[D];天津大学;2014年

4 孙胜杰;基于样本数据的模糊规则提取方法研究及其应用[D];中国科学技术大学;2016年

5 谭志雄;潜规则的反思与超越[D];华侨大学;2014年

6 彭鄢;法治视野下潜规则治理对策研究[D];重庆大学;2014年

7 金丽;中国公共权力潜规则产生原因分析[D];华东师范大学;2010年

8 王丽丽;不完备系统中混合数据关联规则挖掘的研究[D];长沙理工大学;2008年

9 王金燕;基于关联规则的告警相关性分析及在数据网管系统中的应用[D];西安电子科技大学;2006年

10 陈超;基于知识获取与规则融合的网络安全态势评估技术研究[D];解放军信息工程大学;2013年

  本文关键词：基于样本数据的模糊规则提取方法研究及其应用，由笔耕文化传播整理发布。

，

本文编号：469637