冯大勇[1]2000年在《基于补偿算子的模糊神经网络系统及其在系统建模和控制中的应用研究》文中提出在本文中，采用了一种新的基于补偿算子的自适应模糊推理方法，它使基于此方法的模糊神经网络系统的适应性更强，更加有效。在提出此算法的同时，证明它的通用逼近性。由模糊神经元构成的模糊神经网络系统通过使用基于补偿算子学习算法学习，不仅能够自适应调整隶属度函数的参数，而且能够动态优化模糊推理，通过对非线性系统模型仿真可以看出（1）在初始化参数设置好和不好的情况下都可以通过算法学习IF-THEN 模糊规则；（2）基于补偿算子的学习算法的学习速度比传统的基于BP算法的模糊 神经网络系统的速度快；（3）通过选择适当的补偿度可以进一步提高基于补偿算子学习算法的学 习速度。此外，还详细介绍的如何把此方法应用于系统控制。最后在本文中给出了三个使用基于补偿算子的模糊神经网络系统对典型的非线性系统辨识的例子，并在最后给出了一个对复杂非线性工业对象CSTR进行控制的例子。从仿真结果看，辨识和控制的效果很好。
代波[2]2011年在《系统工程理论与方法技术及其在管理实践中的应用研究》文中认为基于以系统工程理论与实践为主题的文献数量相对较少,且在研究方法上绝大多数采用了定量研究方法的情况,以及期刊《系统工程理论与实践》在系统工程界的权威性。本文以1981-2010年30年间《系统工程理论与实践》上发表的学术论文为研究对象,采用基于量化分析的定性研究方法,结合运用NVivo8软件等分析工具,探讨了30年来我国系统工程研究的理论基础、实践领域(管理实践角度)及系统方法技术的基本情况和变化趋势。研究表明,我国系统工程研究的理论基础主要集中于运筹学,控制论、灰色系统理论、自组织理论、系统动力学、决策支持系统理论、信息论、模糊理论、可拓学、粗糙集理论及马尔科夫理论等。且运筹学、控制论、灰色系统理论、自组织理论、模糊理论、可拓学呈下降趋势,系统动力学、决策支持系统理论呈波动趋势,信息论呈上升趋势。粗糙集理论和马尔科夫理论是近10年才在该刊中出现的理论,对它们研究与应用的热度相对较高；虽然对运筹学研究与应用的热度在逐渐降低,但由于其重要性仍为我国系统工程学者们持续热衷的研究焦点。我国学者对系统工程理论基础的研究与应用中,运筹学理论基础领域主要侧重于决策论、图与网络理论、可靠性理论、对策论、排队论等方面；控制论则聚焦于最优控制论、大系统控制论：灰色系统理论以灰色预测模型、GM(1,1)模型为研究重点；模糊理论关注于模糊数学理论方面；可拓学关注物元模型的研究与应用；信息论以熵理论为研究重点；系统动力学则关注于其建模思想与方法：自组织理论则主要以耗散结构论、协同学理论为基础。在我国系统工程研究的14个实践领域中,我国学者的系统工程研究成果主要集中于工业企业领域、宏观经济领域、军事领域、交通运输领域、能源领域及社会系统工程领域。在变化趋势上,能源、区域规划、农业、科技管理、人口呈下降趋势,环境生态领域是唯一一项呈上升趋势的实践领域,其余各项则表现出了不规则的波动性。且在这30年中,工业企业领域和宏观经济领域一直是我国学者们所热衷的领域。以上6个具备相对较高研究关注度的实践领域中,工业企业领域主要侧重于该领域中生产计划安排、库存管理控制、企业经营决策、投入产出、供应链管理协调等方面的研究；宏观经济领域研究重点在于宏观经济规划、宏观经济预测、宏观经济政策、国民经济发展、产业发展规划、市场价格、金融市场等方面；交通运输领域则以港口规划建设、交通运输网络优化、交通流分析控制、车辆路径等方面为研究重点：能源领域关注于矿区规划、电力系统规划：军事领域关注于武器装备效能、作战模拟与战略战术等方面的研究：社会领域主要研究社会应急服务、教育教学评价等方面。而在6项系统方法技术中,系统优化技术与系统分析技术一直都较受我国学者们所热爱,系统建模与仿真技术也得到了较为广泛的应用。在变化趋势上,除系统建模与仿真技术呈下降趋势之外,其余5项都呈不规则的波动性,且只有系统决策技术波动幅度较小,变化过程相对稳定,其余4项波动幅度都相对较大。系统优化技术的研究与应用主要集中在数学规划、网络计划技术、智能优化算法；而系统分析技术则以层次分析法、灰色关联分析法、主成分分析法、聚类分析法为研究与应用的重点；系统建模与仿真技术则聚焦于系统动力学建模思想方法、数据包络分析、蒙特卡洛法及基于Petri网的建模法的研究与应用上。通过对理论基础、实践领域及系统方法技术的基本情况和变化趋势的分析,形成的结论为我国系统工程的后续研究提供方向性的借鉴意义,同时,该文还可丰富以我国系统工程理论与实践研究为主题的文献内容。
吕红丽[3]2007年在《Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用》文中提出随着科学技术的高度发展，在控制工程中被控对象越来越复杂，控制过程往往具有非线性、多环路、大滞后等特点，各种参数也往往存在时变性，这类系统没有明确的物理或化学规律可遵循，要进行传统的定量分析十分困难，致使复杂过程的数学模型难以建立，传统经典控制方法和现代控制理论无法对其实现有效的控制，因此现代工业工程的迅猛发展迫切需要寻求更加有效的控制策略来完成实际过程的非线性系统控制。自从1974年英国工程师Mamdani首次将模糊控制成功应用于蒸汽机控制以来，随着计算机及其相关技术的发展，模糊控制已成为智能控制的重要组成部分，模糊控制技术近年来在复杂工业过程控制方面发挥着日益重要的作用。模糊控制作为一种非线性系统控制策略，最大的特点是无需建立系统的精确数学模型，可以将操作者的经验知识直接转化为模糊规则，通过模糊推理过程对系统实施控制，克服了线性化方法的运算复杂性，同时充分利用了现场操作人员的成功经验，而且模糊控制系统具有良好的鲁棒性，可以克服由于系统本身的时变性、不确定性和外部扰动等带来的影响，有效的提高过程控制质量，为复杂工业过程和非线性系统的控制研究开辟了新的途径。虽然模糊控制已经在工业控制，家用电器自动化等很多行业中解决了传统控制方法难以解决的很多控制问题，引起了越来越多的控制理论和相关领域广大工程技术人员的极大兴趣。另一方面，从整体模糊控制研究体系来看，模糊控制系统是处于发展中的一种控制方法，模糊控制系统还没有形成完整的研究体系，模糊控制系统理论和应用的发展仍然存在一些需要解决的问题。为了更好的扩展模糊控制理论的应用，本文首先研究了模糊控制器结构的解析分析，然后吸收PID控制、模型预测模糊等相关领域的研究成果，提出两种复杂非线性过程的模糊控制器设计新方法，并且将设计的新型模糊控制器应用于暖通空调系统的温度控制中，仿真和实验结果表明所提出模糊控制策略的良好控制效果。总结全文，论文的主要内容可具体概括如下：(1)首先对模糊控制系统的研究进行了全面综述，回顾模糊控制系统的研究背景，产生与发展状况，控制器特点和基本类型，主要研究方向及发展现状，介绍模糊控制系统理论的主要研究内容，模糊控制与PID控制，预测控制等其它控制方法的渗透和结合研究，以及模糊控制的应用发展状况，指出目前模糊控制系统研究中存在的一些问题，提出论文的主要研究内容和结构安排。(2)研究了模糊控制系统的基本原理，基本结构，设计方法等。通过引入一种新型模糊蕴含运算，从数学分析的角度研究了max-min型Mamdani模糊控制器的解析结构，详细推导了输入、输出隶属函数均采用等腰模糊数的一类具有线性规则的双输入单输出模糊控制器的结构表达式，证明了这类模糊控制器相当于一个全局二维多值继电器与局部非线性PD控制器的和，在此基础上研究了它的极限结构特性，对其稳定性进行了分析。然后与其它模糊推理方法进行比较，分别推证了采用sum-product，sum-min，max-product等不同模糊推理方法的典型模糊控制器具有相似的结构特性，并对模糊控制器的结构进行了进一步讨论。(3)提出一种利用常规PID控制器比例，积分，微分增益因子进行模糊控制器设计的新型方法，该方法充分利用了常规PID控制器的成熟经验改进模糊控制器的设计。首先通过比较和分析选择适合实际工业应用的模糊控制器结构，然后通过模糊控制器的结构分析结果给出模糊控制器与PID控制器线性增益系数K_P，K_I，K_D之间的解析关系，表明模糊控制器本质上是一种时变非线性的PID控制器，根据这一解析关系，利用常规PID控制器增益系数间接设计模糊控制器的正规化因子，建立一种新型模糊控制器的设计方法。(4)研究了模糊变论域思想的改进算法，由于改变模糊控制器变量的论域本质上等价于改变变量的正规化因子，因此如果保持模糊控制器的基本论域不变，那么通过增加模糊控制器输入变量的正规化因子的取值同样可以达到缩小论域的目的，而且改变正规化因子相对于论域变化更加容易操作。然后将这一改进算法应用到模糊控制器设计参数的在线调节和优化中，进一步提高了模糊控制系统的控制精度。(5)针对非线性系统建模困难及难以控制的特点，提出一种基于sum-min推理的Mamdani型模糊模型预测控制策略。该方法首先通过对模糊模型进行解析分析，建立非线性系统的Mamdani型模糊预测模型，获得系统在k+1采样时刻的一步线性化预测模型和P步线性预测模型，然后基于模糊线性化预测模型进行常规预测控制器设计，从而给出了实现该非线性系统模糊模型预测控制方法的具体步骤。仿真实验结果表明了该算法是一种鲁棒性强的有效控制方法，与常规的动态矩阵控制相比，该方法具有超调量小，调整时间短等优良的动态性能。(6)对本文提出的新型模糊控制器设计方法在暖通空调中的应用进行了研究。首先对暖通空调系统的节能与控制进行简单描述，研究了暖通空调系统的基本结构和主要控制回路，然后对空调处理机组的控制系统进行物理建模，在此基础上，将提出的模糊控制器新型设计方法应用到暖通空调系统中，采用冷冻水的流速(?)_(chw)控制回风机的干球温度T_(ao)，获得了良好的控制效果。该方法最突出的优点是可以充分利用针对暖通空调系统设计比较成熟的PID控制器，而且鲁棒性强，容易设计，便于现场操作人员学习和掌握，改变了模糊控制在实际工业过程中难以实现的现状。最后总结了全文的主要工作，并对模糊控制下一步的研究方向进行了展望。
韩冰[4]2009年在《基于延迟神经网络的非线性时滞系统控制研究》文中研究表明本文针对工业过程中常见的时滞系统建模与控制方法进行研究。其目的是在动态神经网络理论的基础上,构建对未知时滞系统的参数辨识与建模方法,进而提出时滞系统的有效控制策略.本文提出两种包含可变延迟时间参数的动态神经网络算法分别用于实现对未知时滞系统的离线和在线辨识。在此基础上分别提出时滞系统控制器的设计方案,并进行相关的理论分析。主要研究内容和研究成果包括:(1)基于通用学习网络自适应算法的非线性时滞系统辨识研究。本文根据通用学习网络在对非线性时滞系统建模过程中表现出的特性,结合网络中延迟参数可以任意设定的特点,提出一种自适应选择延迟时间参数的通用学习网络学习算法。该算法利用通用学习网络的收敛速度对网络中与输出节点相连的分支上的延迟时间参数较为敏感的特性,通过误差评价函数对网络的延迟时间参数进行修正,在保证误差精度的同时加快网络的收敛速度。与此同时,通过该算法优化得到的网络延迟时间参数可以用于时滞系统延迟时间的辨识。此外,本文针对神经网络学习过程中延迟参数变化引起的网络状态扰动问题进行分析,给出网络在状态扰动情况下保持稳定的必要条件。仿真结果证明本文所提出的算法能够有效地实现对包含时滞环节的黑箱非线性系统的建模,并能对系统所包含的时滞环节进行辨识。(2)基于通用学习网络的时滞系统控制研究。针对模型未知的时滞系统控制问题,本文提出一种基于通用学习网络的模型预测控制方法。该方法利用本文提出的通用学习网络自适应算法对模型未知的时滞系统进行离线建模,得到该过程的输入输出模型以及系统的滞后时间,进而将辨识得到的神经网络模型作为模型预测器对时滞系统进行预报。在控制结构上,该方法将内模控制结构与神经网络Smith预估控制方法相结合,在神经网络控制器的作用下实现对模型未知时滞系统的控制。以工业生产过程中常见的pH中和过程为例,本文在对pH中和过程内在机理分析的基础上,对其进行系统建模与控制仿真实验,仿真结果表明本文所提出的控制方法对pH中和过程有较好的控制能力,并且控制系统具有良好的鲁棒性。(3)基于一种新型动态前向神经网络的时滞系统辨识与控制研究。针对动态递归神经网络不适用于在线建模的局限,本文提出一种动态前向神经网络用于时滞系统的在线辨识。根据动态前向神经网络的状态方程,本文给出该神经网络的稳定条件。该网络能够根据误差梯度对网络中的连接权值和延迟时间参数进行在线修正,从而能够在充分逼近时滞系统的同时,对时滞系统的延迟时间进行估计。此外,为改善该动态前向神经网络对模型未知时滞系统建模的泛化能力,本文提出一种改进的微粒群算法用于神经网络的在线训练。该算法通过引入白噪声和Logistic映射解决了一般微粒群算法提前收敛的问题,在改善网络泛化能力的同时能够提高网络的学习效率。在动态前向神经网络对时滞系统辨识的基础上,结合鲁棒容错控制结构,本文提出一种基于动态前向神经网络的非线性预测控制系统。仿真实例证明了本文所提出的控制系统具有较强的鲁棒性,能够对模型未知的非线性时滞系统进行有效的辨识和控制。
崔红[5]2005年在《模糊神经网络及其在电火花加工中的应用》文中研究表明目前,神经网络和模糊逻辑成为当前智能控制研究的热点之一,将模糊逻辑与神经网络有机地结合起来,就产生了模糊神经网络。模糊神经网络融合了二者的优点,既能像模糊逻辑那样表达近似与定性知识,又具有神经网络很强的学习能力和非线性表达能力,而且网络结构具有明确的物理意义。 然而,常规的模糊神经网络在设计过程中仍存在以下两方面的问题: (1)如何确定模糊规则数目以及前提部分和结论部分的初始参数,即初始模糊模型的确定。对于一般的模糊神经网络,模糊模型的结构通常由专家知识确定,但有时难以总结出较完整的规则,或由于存在对象动态特性变化及干扰影响等使控制规则难以获得预期效果。 (2)目前广泛应用的模糊神经网络系统,由于大都不具备反馈结构,而使其应用范围还仅限于处理静态问题。实际上,过程对象往往具有动态特性,过程变量是时间的函数,因此,研究具有动态特性的模糊神经网络具有更为实际的意义。 针对问题一,本文提出了一种改进的关系度聚类方法,进而提出了一种综合改进的关系度聚类方法和梯度下降法的补偿模糊神经网络。通过对一非线性系统的建模,仿真结果表明,该网络在建模精度、收敛速度上,均优于常规模糊神经网络和补偿模糊神经网络。 针对问题二,本文提出了一种综合改进的关系度聚类方法和梯度下降法的递归补偿模糊神经网络。通过在常规补偿模糊神经网络的第二层引入递归环节,使其具有动态映射能力。通过对一动态非线性系统的建模,仿真结果验证了该网络的动态映射能力。 最后,本文分析总结了已有的电火花加工过程中的控制技术。并根据电火花加工的工艺特点及其复杂性,采用本文提出的基于综合算法的递归补偿模糊神经网络建立了电火花加工工艺效果预测模型,可实现指定加工条件下的工艺效果预测。仿真结果表明了其良好的预测精度。
参考文献：
[1]. 基于补偿算子的模糊神经网络系统及其在系统建模和控制中的应用研究[D]. 冯大勇. 大连理工大学. 2000
[2]. 系统工程理论与方法技术及其在管理实践中的应用研究[D]. 代波. 东北财经大学. 2011
[3]. Mamdani模糊控制系统的结构分析理论研究及其在暖通空调中的应用[D]. 吕红丽. 山东大学. 2007
[4]. 基于延迟神经网络的非线性时滞系统控制研究[D]. 韩冰. 大连理工大学. 2009
[5]. 模糊神经网络及其在电火花加工中的应用[D]. 崔红. 青岛科技大学. 2005
标签：自动化技术论文; 模糊控制论文; 模糊神经网络论文; 模糊理论论文; 过程控制论文; 线性系统论文; 仿真软件论文; 模糊算法论文; 网络模型论文; 梯度算子论文; 建模软件论文; 微分算子论文; 动态模糊论文; 网络结构论文; 动态模型论文; 网络系统论文; 系统学习论文; 系统工程论文; 非线性论文;