粗糙控制中的规则获取策略研究

本文讨论了一种新型的智能控制方法—粗糙控制 ,介绍了粗糙集合理论的基本概念。通过实例给出了粗糙控制中的规则获取策略 ,并与模糊控制方法作了对比研究。实践证明 ,粗糙集合理论作为一种处理模糊和不确定性问题的有效工具 ,对于工业过程、智能仪表等的控制具有简单、高效等特性。

粗糙控制中面临的问题

在介绍基于粗糙集理论的控制思想和方法的基础上,结合从采样数据中提取控制规则的过程指出了粗糙控制中所面临的一些问题,其主要包括决策信息表的建立、连续量的离散化方法、规则的不一致性、决策表的完备化和决策规则的去离散化等。并通过一个实际的例子对这些问题进行了说明和讨论。研究表明文中提出粗糙控制面临的问题是正确的,这些问题值得进一步研究。

一种浮选过程控制的新策略——粗糙控制

粗糙控制是近年来兴起的一种新的智能控制方法。

粗糙控制可调精度规则挖掘模型与应用

针对粗糙控制中控制精度不高、控制效率低等问题,提出了基于区间概念格的粗糙控制可调精度规则挖掘模型,以降低规则挖掘成本及提高应用效率.模型首先对采集到的原始数据进行预处理,使其转化成布尔型的形式背景;其次,参照一般区间概念格的生成算法进行了粗糙控制背景下的区间概念格的构造;再次,提出可调精度控制规则挖掘算法,建立了基于区间概念格的粗糙控制可调精度规则挖掘模型,最后,模型分析和实例对比验证了模型在提高规则可靠性的前提下,实现了挖掘成本和控制效率的最优化.

粗糙控制中的数据预处理

粗糙控制是一种根据观测信息数据获得控制策略的方法,其数据预处理结果对于最终生成的控制规则至关重要。本文对粗糙控制中的数据预处理方法进行探讨,提出了一些改进方法,尤其是采用优胜劣汰法去除不一致数据。将这些方法用于弓长岭阳离子反浮选粗糙控制模型的数据预处理过程,取得了较好的效果。

决策区间概念格的粗糙控制规则挖掘模型与应用

融合区间概念格的结构特征和粗糙控制规则的实际需求,将一般区间概念格改造为决策区间概念格,并构建基于决策区间概念格的粗糙控制规则挖掘模型,以实现粗糙控制中挖掘成本和控制效率的整体最优。首先,运用粗糙集理论对粗糙控制数据进行预处理,使其转化成布尔型的形式背景表,并构建符合粗糙控制实际的决策区间概念格;其次,构建了决策区间概念格的控制规则挖掘模型,并对冗余规则进行分析判断,形成最终的粗糙控制决策规则库。分析结果表明:模型在提高规则可靠性的前提下,实现了粗糙控制成本与效率的最优化目标;最后,将模型应用到水库调度的决策规则挖掘中,验证了模型的可行性与高效性。

基于粗糙-神经网络的非线性系统逆模型控制

粗糙控制是近年来兴起的一种新的智能控制方法,作为对粗糙控制理论的探索,提出了粗糙规则逆模型的概念,并分析了粗糙规则逆模型的一致性和完备性问题,引入了基于径向基函数网络的粗糙决策规则推理方法,构造了粗糙-神经网络逆模型。对粗糙-神经网络逆系统模型的辨识以及基于粗糙-神经网络逆模型的控制理论和方法进行了分析和讨论,并通过实例仿真计算与实验分析,验证了粗糙-神经网络逆模型控制方法的可行性。

基于一阶混杂Petri网的柔性制造系统粗糙控制

研究基于一阶混杂Petri网模型的柔性制造系统粗糙控制.为构造正确的一阶混杂Petri网模型行为演变图,提出了确定改变Macro状态事件的新方法;进而给出了柔性制造系统优化与控制算法,并基于粗糙集合理论和所给出的算法,提出了柔性制造系统的粗糙控制方法.最后通过一个实例验证了该方法的有效性.

粗糙集理论在阳离子反浮选控制中的应用

针对阳离子反浮选生产过程被控对象复杂、数学模型不确定以及控制精度要求高等特点,提出了一种基于粗糙集理论的智能控制方法.通过对控制过程中的一些有代表性的状态以及操作人员在这些状态下采取的控制策略所构成的决策表进行约简,归纳出一系列控制规则.运用该方法进行准确度测试和命中率试验,结果表明控制模型的给出值与现场实际数值基本吻合,命中指标满足综合指标要求.在阳离子反浮选控制中运用粗糙集理论时,便于现场技术人员和操作工人的操作,能合理添加药剂量,避免了传统工艺由人为加药造成的浪费.

基于粗糙集的智能控制方法及拟PID仿真

介绍了粗糙集理论是一种知识发现和数据挖掘的新方法,具有通过系统输入输出数据自动抽取规则的优点。提出了一种新的基于粗糙集的智能控制方法以解决粗糙集在工业控制应用中性能较差的问题。该策略通过采用施加典型测试信号激励控制对象来生成数据以保证数据生成的质量,采用在线分批数据采集并处理的方法实现规则的在线提取和动态调整以保证规则库的完备性,并最终保证了控制的性能。通过一个拟PID控制的仿真实例表明该方法有效。

基于粗糙集的仿人智能控制器的设计

将粗糙集理论的基本思想引入到仿人智能控制中,提出一种新型的仿人智能控制器的设计方法。利用粗糙集算法,从人的控制行为数据中提取控制规则,由此控制规则构造出仿人智能控制器,从而实现基于粗糙集的智能控制。

一种T-S型粗糙模糊控制器的设计与仿真

提出了一种新型的粗糙模糊控制器的设计方法,该方法将粗糙逻辑与模糊推理结合起来,利用粗糙集寻求输入输出空间的最小规则集,通过对粗糙规则输出控制信息的补充,建立起T-S型粗糙模糊控制系统。此方法能有效地从输入输出数据中获取控制规则,同时能够解决规则数目随系统变量呈指数增长的“规则爆炸”问题。对变杆长倒立摆控制的仿真结果表明,该方法能够以较少的规则实现高精度、非线性控制。

管捆成形电液系统自学习粗糙-模糊PID控制研究

针对浙江大学研制的智能管捆成形电液位置伺服系统,应用粗糙集数据分析的理论,提出一种有自学习能力的粗糙-模糊PID控制方法。该方法无需人为经验干预,可以直接根据从数据中提取的规则,将输入映射到输出子空间来进行控制规则的动态自学习。把这种方法应用于管捆成形电液位置伺服系统的同步跟踪控制,实际的运行结果表明,该方法明显优于常规模糊PID控制,并能获得满意的稳态和动态单缸位移跟踪和双缸同步控制精度。

基于粗糙集的相邻交叉口信号控制方法研究

复杂交通区域的交通状况难以利用具体模型直接描述,而粗糙集理论能够在分析大量经验数据的基础上找到用于决策的规则。以交大东路上的行人和机动车为研究对象,提出一种基于粗糙集的信号配时算法,对交大东路上的两个相邻交叉口的信号灯进行控制,提出控制规则,对该复杂交通区域进行优化和疏导,是对多交叉口交通管理与控制的一次有益尝试。

天然金刚石刀具前刀面的表面粗糙度控制技术

介绍了金刚石刀具的发展和技术特点,设计了一种天然金刚石刀具前刀面表面粗糙度修磨控制方法,并通过工艺实验完成了对金刚石刀具的修磨。结果表明:验证了(100)面的金刚石的难磨方向,沿此方向加工后金刚石的表面粗糙度值较低、磨削热较多;易磨方向表面粗糙度较差、磨削热较少。优化修磨角度修磨后,金刚石刀具前刀面表面粗糙度R_a值可达0.3 nm,将其应用在超精密切削中效果良好。

一种粗糙模糊控制器的设计与仿真

研究了应用粗糙集理论上、下近似定义对模糊控制规则进行拓展设计粗糙模糊控制器的方法,完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。

关于粗糙集的理论及应用研究

粗糙集理论作为新型的软计算方法,是一种分析和处理模糊和不确定性信息的有效工具,广泛应用于人工智能、知识发现、模式识别、故障检测等领域。本文描述了粗糙集理论的基本概念和特征,阐述了粗糙集理论的研究现状,讨论了粗糙集理论研究中存在的问题,并对粗糙集理论的发展进行了展望。

基于粗糙逻辑(RL)的微分对策理论

针对微分对策在实际应用上的困难,引入粗糙控制这一新颖的人工智能方法。粗糙集理论能刻画和处理不完整、不精确信息。在简略介绍了粗糙集、粗糙逻辑和粗糙控制大致思想的基础上,尝试将粗糙逻辑和粗糙控制引入微分对策,以追逃问题为例,初步探索了粗糙微分对策模型的建立方法。该对策模型体现了控制算法简单、迅速和易于实现的优点,也降低了微分对策要求精确数学模型和完备信息的困难。同时也将粗糙控制和模糊控制做了简单的比较。

随动定向战斗部的抗振动冲击控制研究

针对现有抗扰方法不易抵消随动定向战斗部在工作中受到的振动与冲击干扰的问题,在分析随动定向战斗部工作时振动冲击干扰类型与特点的基础上,提出了一种粗糙单神经元自抗扰控制器。利用单神经元自抗扰控制器和粗糙控制器,提升系统抗振动扰动能力,抵消大过载大冲击的影响。双自由度伺服开发平台仿真显示,相较于普通自抗扰控制器,粗糙单神经元自抗扰控制器能够较好地改善随动系统控制性能,抑制振动与冲击干扰,提高了随动定向战斗部工作时的稳定性。

以透气性为中心的链篦机过程智能优化控制

针对球团烧结链篦机过程被控对象复杂、数学模型不确定以及控制要求高等特点,提出一种基于球团烧结透气性软测量模型的专家控制方法,以提高球团烧结过程自动化控制水平,最终实现了球团烧结生产过程链篦机子系统的优化管理,优化控制和优化运行。