一个新的模糊规则提取方法和其应用研究.pdfVIP

一个新的模糊规则提取方法及其应用研究1 陶银鹏，刘晓东 大连理工大学信息与控制中心，辽宁大连 (116024) E-mail：yptao@163.com 摘 要：本文通过对热轧层流冷却过程中控制系统参数整定的研究，提出了一种新模糊规则 提取方法，该方法本文首先利用了 AFS 模糊逻辑聚类算法，并将该聚类算法与逆向提取模 糊规则方法相结合，构造了一种从输入-输出数据中提取模糊规则的新方法。利用AFS 模糊 逻辑聚类算法确定模糊集合隶属函数参数值。并利用 AFS 模糊逻辑对提取出的模糊规则和 模糊集合进行相似度等指标分析，删减或合并多余的模糊集合及规则，提高了模糊规则的可 解释性。仿真结果表明，采用本文方法所建立的模糊控制系统不仅具有较好的控制效果，同 时具有良好的可解释性。 关键词：AFS 模糊逻辑，热轧层流冷却过程，参数整定，模糊规则提取 中图分类号：TP181 1．引言 从输入-输出数据中提取模糊规则的重要方法之一是利用神经网络，但该方法提取出的 模糊规则往往不具有可解释性，同时网络参数的初始值和节点数目需要人工事先确定。针对 上述问题，本文首先利用了AFS模糊逻辑聚类算法，并将该聚类算法与逆向提取模糊规则方 法相结合，构造了一种从输入-输出数据中提取模糊规则的新方法。利用AFS模糊逻辑聚类 算法确定模糊集合隶属函数参数值。并利用AFS模糊逻辑对提取出的模糊规则和模糊集合进 行相似度等指标分析，删减或合并多余的模糊集合及规则，提高了模糊规则的可解释性。仿 真结果表明，采用本文方法所建立的模糊控制系统不仅具有较好的控制效果，同时具有良好 的可解释性。 自1965年Zadeh提出模糊集理论后，模糊集理论已经在建模，控制，模式识别，故障诊 断等各个方面得到了广泛的应用。随着模糊系统的日益复杂，模糊系统的核心部分--模糊规 则的获取逐渐成为模糊系统设计与应用瓶颈。传统的模糊规则获取方法是根据人的知识和 经验，采用“trial-and-error” 的方法获取模糊规则，但当模糊系统的输入和输出变量较多，或 者变量的模糊集合数目较多的时候，利用传统的人工手段获取模糊规则将变得十分困难，并 且获得的规则常常不够准确。鉴于人工获取模糊规则的诸多困难，近年来，从输入-输出数 据中提取模糊规则的方法得到了广泛的研究与应用，如基于数据挖掘的方法[2~3]，基于遗传 [4~5] [6~8] [9~11] [12] 算法的方法 ，基于聚类分析的方法 ，基于神经网络的方法 ，查表法 等。 但以上各种方法存在一些问题，例如在模糊神经网络中，其初始参数和各层的元节点数 需要事先确定，具有较大的随机性和主观性；模糊神经网络的运算过程类似于“黑盒”，具有 不可解释性；提出的模糊规则大部分是T-S类型的，标准型的模糊规则比较少见。与T-S型模 糊规则相比，标准型模糊规则具有较高的可解释性，同时在提取规则的过程中，需要确定输 出变量的模糊集合和隶属函数。 针对上述问题，本文在AFS模糊逻辑框架内，提出了一种新的从输入-输出数据中提取 标准型模糊规则的算法，其算法步骤为：1、对输入属性进行聚类分析[1] ，并在每一类属性 上形成模糊集合及建立隶属函数；2 、采用逆向求取模糊规则的方法求取模糊规则；3、对得 到的模糊规则进行调整，得到最优的模糊规则库。本文最后并将该算法运用到热轧带钢层流 1本课题得到国家973 项目（项目编号：2002CB312201-06 ）资助 - 1 - 冷却过程中，取得了良好的仿真控制效果。 2 ．输入变量的聚类分析和模糊集合的初始确定 设给定的输入、输出及评价数据集合为： (x , x ,…, x ; y ;p ), r=1,2…, n （1） r,1 r,2 r,m r