复杂系统的模糊辨识与模糊自适应控制

绪论 1

0.1 模糊控制与智能控制 1

0.2 经典模糊控制的历史回顾 2

0.3 多变量模糊控制理论的研究现状 7

第一章 T-S模型的模糊辨识方法 11

1.1 引言 11

1.2 模糊模型的构成 12

1.3 模糊辨识方法 16

1.3.1 结论参数的辨识 16

1.3.2 前提参数的辨识 19

1.3.3 前提结构的辨识 21

1.4 辨识精度的考核 35

1.5 提高模糊辨识速度的一种方法 38

1.5.1 第二种形式的模糊模型 40

1.5.2 前提参数辨识的快速算法 41

1.5.3 结论结构和结论参数的辨识 49

第二章 关系模型的模糊辨识方法 61

2.1 模糊关系模型的描述 61

2.2 模糊关系模型的建立方法 63

2.3 模糊关系模型辨识的进一步改进 66

2.4 多变量模糊关系模型的动态辨识 70

2.4.1 问题的提出 70

2.4.3 辨识算法AL——确定R 73

2.4.2 参考模糊集合的确定 73

2.4.4 使用模糊模型 74

2.4.5 模糊模型的自学习 75

2.4.6 举例 78

第三章 采用神经网络技术的模糊辨识方法 82

3.1 模糊神经网络 82

3.1.1 推理合成方法 82

3.1.1.1 前提 82

3.1.1.2 结论 86

3.1.2 学习算法 91

3.2 利用模糊神经网络的模糊建模 92

3.3 仿真 94

第四章 参数自校正模糊控制方法 102

4.1 简单模糊控制器的设计 102

4.1.1 精确量的模糊化 103

4.1.2 模糊推理算法 105

4.1.3 输出信息的模糊判决 109

4.2 简单模糊控制器参数与控制系统响应特性关系 111

4.2.1 EK对系统性能的影响 111

4.2.2 CEK对系统性能的影响 112

4.2.3 UK对系统性能的影响 112

4.3 模糊自校正控制方法 113

4.3.1 一组模糊子集的隶属函数的定义 115

4.3.2 模糊自校正控制器的粗调部分 118

4.3.3 模糊自校正控制器的微调部分 120

4.4 仿真研究 121

4.4.1 系统抗扰动Ⅱ性能比较 123

4.4.2 系统抗扰动Ⅰ性能比较 124

4.4.3 扰动Ⅰ和扰动Ⅱ同时作用时性能比较 125

4.5 模糊自校正控制系统的鲁棒性 126

4.5.1 对象的惯性减小 126

4.5.2 对象的惯性增加 129

5.2 结构自校正模糊控制器 130

5.1 概述 130

第五章 结构自校正模糊控制方法 130

5.2.1 性能测量 131

5.2.2 控制量的校正 132

5.2.3 控制规则的校正 135

5.2.4 控制表的获得 136

第六章 多变量模糊自校正控制方法 138

6.1 多变量模糊自校正控制系统的设计思想 138

6.2 单元机组负荷系统的辨识 140

6.3 模糊模型的等价转换 145

6.4 多变量模糊自校正控制系统及性能分析 150

6.4.1 多变量过程的最优输出预测 150

6.4.2 多变量广义预测控制规律 152

6.4.3 多变量模糊自校正控制系统的闭环稳态分析 154

6.4.4 多变量模糊自校正控制系统的闭环稳定性分析 156

6.5 单元机组负荷系统的模糊自校正控制 157

6.5.1 模糊自校正控制系统及其动态响应 157

6.5.2 模糊自校正控制系统与常规的锅炉跟随系统的比较 160

6.5.3 模糊自校正控制系统的鲁棒性 161

第七章 基于手动控制数据的自适应控制方法 165

7.1 基于控制作用模型的单元机组负荷系统的控制 165

7.2 仿真研究 170

第八章 考虑两种不确定性的模糊推理方法和控制方法 172

8.1 问题的提出 172

8.2.1 贴近测度 174

8.2 几个基本概念的定义和计算方法 174

8.2.2 知识表示和模式匹配 176

8.2.3 修正函数MF 179

8.3 置信度CF的作用和整体推理方法 180

8.4 合成规则的模糊推理 182

8.4.1 “或’合成 182

8.4.2 “与”合成 183

8.5 THFDP的应用示例 183

8.6 考虑两种不确定性的模糊控制方法 187

附录 模糊状态作用表或查询表的自动生成 194

参考文献 202