基于粗糙集的自适应神经模糊推理系统的研究和应用-控制理论与控制工程专业论文.docxVIP

太原理工大学硕士研究生学位论文基于粗糙集的自适应神经模糊 太原理工大学硕士研究生学位论文 基于粗糙集的自适应神经模糊 推理系统的研究和应用 摘要 粗糙集作为一种知识发现和数据分析的新方法，正成为人 工智能、认知科学的基础理论，它能处理不精确、不完备信息， 并从中提取隐含知识，相对于其它处理不确定性和模糊性的理 论工具而言，粗糙集理论具有许多不可取代的优越性。 自适应神经模糊推理系统(爿ⅣF^S)是模糊逻辑和神经网络 最完全的融合，一ⅣF您的自适应性质使得它可以替代控制系统 的任意神经元网络并执行同样的功能。然而这种网络存在着三 个问题：计算量大、智能度低(很大程度上依赖领域专家知识)、 缺乏处理不确定信息的机能。因此改进自适应神经模糊网络的 方法主要集中于：对网络结构进行简化，降低网络的复杂度。 在d懈^s发展的过程中，对信息熵、粗糙集理论在其中的 应用都有所涉及，但尚不多见。笔者分析4ⅣF!^S存在的三个缺 陷，对照粗糙集理论的特性及其中的信息熵概念，分析二者结 合的理论基础，可知在理论上，应用信息熵、粗糙集理论有助 于一ⅣF^S网络的问题解决，将能完善其网络结构，并提高它的 1 太原理工大学硕士研究生学位论文 智能，预计二者的结合将能促进智能控制的进…步发展。 本文旨在从粗糙集与 ANFIS 结合的必要性和可能性入芋， 寻求二者的切入点，构盖章较为完善的基于粗糙集的自适应神经 模糊推理系统，井将其应用于实际控制系统。 构建系统的具体思想与方法为: 用粗糙集理论构造模糊神经网络的规则，对网络数掘进行 预处理。噶者提出在获取实际实例的情况下，对网络数掘进行 预处理，从实际事例摄取规则，构 j在 ANFIS 闷络规则的思想，并 提出属性约简和规则提取的新方法。 系统输入变量的合理性边择是影响实际控制效果的关键所 在，通过利用粗糙集理论中信息姻的概念对解决这一问题进行 尝试， 取与控制最相关性大的参数作为输入。充分保证了输 入参数的合理性，有效地减少了系统的计算工作髓，提南了附 络的收敛时间，问时也提高了模型的预棚精度。 基于粗糙巍的自适应神经模糊推理系统不需要进行结构优 化，本文采用混合学习算法，对前件和后件参数进行优化修正。 所构建系统与 ANFIS 结构不肉之处在于，由于模糊规则是依据 粗糙黛玉里论提取出来的， 输入f慧和隶属函数底之间的结合不再 是余部组合武连接，这样就太太简化了网络站构。 2 太原理工大学硕士研究生学位论文实际建模与控制结果表明，该策略解决了规则爆炸问题、 太原理工大学硕士研究生学位论文 实际建模与控制结果表明，该策略解决了规则爆炸问题、 避免了参数霎羹蚕霉班囊囊萋霎受萋囊霭羹甄蓁羹；冀冀霎篓 鏊璧雾鬟。篓薹囊萎毳蓬萋～霎藩鋈鬟羹鍪一囊耋冀霾囊羹i e three defecIs existed in ANFIS，comparing the 鍪雾篓i雾霎||羹；羹雾鏊i疆鬟薹薹丽薹露襄荔j雪‘竖g丛妻熏薹 篓篓!，霸薹稀；萋嘉銎囊 茎 太原理 大学硕士研究生学位论文 RESEARCH AND APPLICATION ON ROUGH SET-BASED ADAPTIVE NEURO FUZZY INFERENCE SYSTEM ABSTRACT As a new method of knowledge dis∞V巳ry and data analysis， rough set is becoming the foundation theory of artifical intel1igence and recognize science. It can handle unaccurate and incomplete information ，and draw implicit knowledg巳 from this information. Related to other th巳ory tooIs of unc巳rtainty and vagueness ，rough set has many unreplace superiority. ANFIS (Ad叩tive Neuro-Fuzzy InferenωSystem) is the most successfuI system which is the combination of fuzzy logic and neuro network ，the adaptability of ANFIS make it can replace any neuro network and conduct same function. However，this kind of network has three p