《复杂系统的模糊辨识与模糊自适应控制》求取 ⇩

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R73

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MF179

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