论文部分内容阅读
自从Zadeh教授提出模糊集合以来，模糊系统理论得到了快速发展和广泛应用。模糊系统与其他智能系统的一个重要区别在于:模糊系统不但能够利用数据信息，而且能够利用基于人类经验的语言规则来描述系统，能够充分地利用人类经验知识。但是随着所研究对象的日益复杂，模糊系统也面临着新的挑战:首先是在高维模型中模糊系统所面临的维数灾问题，大量、复杂的模糊规则增加了系统描述的困难以及计算复杂性;其次，在依靠数据建模过程中由于对精确性指标的依赖，模糊系统可解释性的特点在消弱，使得模糊系统失去了其规则易于理解的特点。如何在建模过程中保持模糊系统的可解释性，是当前研究的重要热点。 分层模糊系统是解决模糊系统维数灾问题的有效手段，是模糊系统的一种结构化构造，其基本思想是将原有的模糊系统变成一个低维模糊单元的集合，每一个低维模糊单元作为分层模糊系统中的一层，通过多层单元组合来构成一个完整的模糊系统。然而现有分层模糊系统中的中间变量由于缺乏明确的物理含义，影响了分层模糊系统的可解释性，也不利于人类经验知识的融合。因此，有必要对分层模糊系统展开进一步的研究。 本文围绕分层模糊系统的结构、特性以及可解释性建模等方面进行研究，分析了分层模糊系统的发展现状以及在可解释性方面的不足，由此提出一种后件直联型分层模糊系统结构，对这种分层模糊系统的逼近性、逼近性充分条件以及与传统模糊系统的等效性进行了证明。重新定义了模糊系统可解释性的概念，提出了系统结构、模糊集合、模糊规则可解释性的要求及度量。根据解释性要求提出了后件直联型分层模糊系统的建模方法，利用变量重要性指标、耦合性指标进行结构建模并利用基于Pareto方法的多目标粒子群算法进行参数优化，在水泥窑生产培训系统以及石油钻井工程预警系统中的成功应用表明了系统所具有的特点。 本文主要研究内容如下: (1)通过对分层模糊系统与模糊系统解释性研究现状的分析，指出目前研究所面临的不足:模糊系统的维数灾问题降低了模糊规则的可解释性，分层模糊系统虽然能够避免维数灾，但是也面临着中间变量无实质物理意义的问题。 (2)为避免分层模糊系统结构里中间变量问题，提出了一种后件直联型分层模糊系统结构，这种分层模糊系统不仅能够减少模糊规则数目，待辨识参数少，而且避免了对中间变量的模糊推理;利用泰勒展开式以及中值定理证明了这种新型结构分层模糊系统具有逼近性能，给出了逼近性能的充分条件，通过解析表达式的推导证明了这种分层模糊系统具有与传统模糊系统的外部等效性，为这一分层模糊系统的应用奠定了理论基础; (3)重新定义了模糊系统的可解释性，提出了模糊系统结构可解释性的概念，表明后件直联型分层模糊系统是人类经验知识与模糊系统结构、规则之间融合贯通的度量方式，分别从模糊子集、模糊规则、系统结构三个方面分析了可解释性的要求，并给出了相应的解释性度量指标; (4)针对后件直联型分层模糊系统所具有的复杂结构，给出了一种结构建模方法，通过变量重要性指标、耦合性指标进行变量选择，基于精确性与解释性不同尺度的要求，提出了分步聚类的方法来确定模糊集合，对模糊规则的优化则通过所提出的局部拟合准则与全局拟合准则的平衡获得; (5)面对分层模糊系统较多的辨识参数以及精确性与解释性的平衡，应用多目标粒子群算法进行参数优化，利用获得的Pareto非支配解集来选择适合的最终解;给出了后件直联型分层模糊系统的多目标粒子群算法步骤，相对于常用的多目标遗传算法，多目标粒子群算法具有概念清晰、计算简便的特点，在收敛性方面优于多目标遗传算法; (6)探讨了后件直联型分层模糊系统及建模方法在水泥窑生产培训系统以及石油钻井工程预警系统中的应用。