论文部分内容阅读
本文简单介二型模糊系统历史,概述二型模糊系统的应用范围,应用条件和组成,比较详细的介绍了二型模糊集合基础理论,按照二型模糊系统的组成模块详述模糊器,规则库,推理引擎,阵型器,精确器的表达式和推导过程,最后还总结了二型模糊系统现阶段存在的不足和可能发展方向.
二型模糊系统综述
【摘 要】
：
本文简单介二型模糊系统历史,概述二型模糊系统的应用范围,应用条件和组成,比较详细的介绍了二型模糊集合基础理论,按照二型模糊系统的组成模块详述模糊器,规则库,推理引擎,阵型器,精确器的表达式和推导过程,最后还总结了二型模糊系统现阶段存在的不足和可能发展方向.
【机 构】
：
清华大学计算机科学与技术系(北京)
【出 处】
：
2003年中国智能自动化会议
【发表日期】
：
2003年11期
其他文献
研究了存在不确定传输延时的网络控制系统的鲁棒H控制器设计问题.其中考虑传感器采用时间驱动,执行器和控制器采用事件驱动,在考虑不确定传输延时小于一个采样周期的情况下,利用线性矩阵不等式(LMI)给出了闭环网络控制系统稳定且从扰动输入到被控输出的闭环传递函数的H范数小于性能指标γ的充分条件,并给出使得性能指标γ最小化的最优H控制律的求解.最后给出仿真算例说明本文设计方法的有效性.
研究由中心刚体和柔性梁所组成的挠性航天器,不同于大多数文献只研究柔性附件的横向弯曲变形对系统动态特性的影响,同时考虑拉伸、弯曲和截面转动的影响,建立了严格的几何非线性耦合动力学模型;根据该非线性模型,在只有系统姿态与姿态速率测量值的条件下,基于能量函数选取Lyapunov函数,证明了采用PD反馈控制律能够确保非线性耦合系统姿态机动控制过程的稳定性;为了获得较好的稳态性能指标,设计了智能PID控制器
强化学习一词源于行为科学,它模仿人与动物的自然学习过程,通过对环境的反复试探,从而建立从环境状态到行为动作的映射.本文针对基于神经网络结构的机器人全局路径规划算法,利用强化学习的思想,引进评价预测学习的自适应变步长算法,实现了步长的自动调节,并且加快了路径规划的计算速度,通过仿真试验,表明了所提算法的有效性.
本文根据决策控制变换策略思想,提出一个人-机智能系统自主性变换的新方法,以解决人-机交互问题.控制变换策略由两类条件序列行动构成,即智能体转移控制决策权给另一智能体的控制行动和改变多智能体之间预定义的协调约束控制机制.为此,建立一个控制变换策略的数学模型,该模型使用Markov决策过程来构造和引导决策操作,即根据未知环境以及个体或智能群体的时间开销来选择一个优化策略.通过远程机器人的人-机交互仿真
本文提出了在主机冷却水温度控制系统中采用神经元自适应控制方式替代PID控制方式,以改善控制并节约能源的观点.随后选择了主机高温淡水冷却水系统作为研究对象,首先针对系统中各主要器件建立数学模型,然后建立整个系统的模型,并采用神经元自适应控制系统.仿真结果说明了神经元自适应控制方式具有良好的适应性与抗干扰性,它比PID控制方式更适用于主机冷却水温度控制系统.
基于M-RAN算法的RBF神经网络是一种动态神经网络,适合于过程的在线建模,本文对M-RAN算法的删除策略进行了改进,不仅删除那些连续对网络输出贡献较小的隐层单元,同时还将相似的隐层单元合并,使网络结构更加紧凑.将基于这种算法的RBF神经网络用于电厂热工过程非线性模型的在线辨识,仿真研究表明了这种建模方法的有效性,且所得模型精度高,计算量小,可直接应用于基于模型的控制算法.
本文提出了一种新的仿人智能控制方法.它分析了两种双模控制(变结构控制和时间最优控制),利用其良好的自适应能力和一些类人控制特点,结合智能积分控制,形成了新的控制算法.数字仿真结果表明,采用这一方法是完全可行的.
本文提出了一种无师训练的General Fuzzy Min-Max人工神经网络.它继承了general fuzzy min-max(GFMM)网的优点,可以输入n维模糊量,并引入无师学习的功能,弥补了general fuzzy min-max网不能自适应在线学习新类的缺陷,使得该网络在自动目标识别(ART)的实际应用中具有更好的广泛适用性.
本文介绍了一种新的神经网络——PID神经网络及其多变量强耦合时变控制系统.文中给出了网络的结构和算法,分析了时变对象的特点,对一组二变量强耦合时变系统进行了实时仿真,显示了PID神经网络对多变量强耦合时变对象的良好解耦性能和自学习控制特性.
本文分析了暂态混沌神经网络(TCNN)模型的动力学特性对自反馈连接权值的敏感性,研究了退火函数对优化过程中的准确性和计算速度的影响.给出了一种对自反馈连接权值的优化策略,使得在保证优化算法准确性的基础上,加快收敛速度.并利用两个典型的函数优化的例子验证了这种优化策略的有效性.