基于ANFIS的分层模糊系统建构方法及应用研究.pdf

《基于ANFIS的分层模糊系统建构方法及应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、AthesissubmittedtoZhengzhouUniversityforthedegreeofMasterTheModelingMethodandApplicationResearchofHierarchicalFuzzySystemBasedonANFISByHesongZhouSupervisor：Prof．JieWangDetectionTechnologyandAutomationDevicesElectricalEngineeringAcademyMay2012学位论文原创性声明本人郑重声

2、明：所星交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果：除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的科研成果。对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的法律责任由本人承担。学位论文作者：日期：年月日学位论文使用授权声明本人在导师指导下完成的论文及相关的职务作品，知识产权归属郑州大学。根据郑州大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅；本人授权郑州大学可以将本学位

3、论文的全部或部分编入有关数据库进行检索，可以采用影印、缩印或者其他复制手段保存论文和汇编本学位论文。本人离校后发表、使用学位论文或与该学位论文直接相关的学术论文或成果时，第一署名单位仍然为郑州大学。保密论文在解密后应遵守此规定。学位论文作者：日期：年月日摘要1965年Zadeh提出模糊系统理论以来，模糊系统在越来越多的领域得到了应用。但是模糊系统的规则总数会随着输入量个数的增加而呈现指数增长，当输入量个数过多时会出现“维数灾”问题。“维数灾"的出现一方面造成了推理计算的复杂性，另一方面也限制了人工经验的引入

4、。通常情况下人们会减少输入变量对模型进行简化，但这样无疑会降低模型的精度。1991年Raju等首先提出了一类分层模糊系统，为解决“维数灾"问题开辟了一个新的研究方向。自适应模糊神经推理系统(AdaptiveNeuro-FuzzyInferenceSystem)，简称ANFIS，它融合了神经网络的学习机制和模糊系统的语言推理能力等优点，弥补各自不足，属于神经模糊系统的一种，同其他神经模糊系统相比，ANFIS具有便捷高效的特点，因而已被收入了MATLAB的模糊逻辑工具箱，并已在多个领域得到了成功应用。本文在前人

5、工作的基础上对分层模糊系统建模的方法进行了研究，成果如下：在分层模糊系统建模时，存在着众多的分层结构，而怎样从众多的分层结构中选择一个最优的分层结构，这是一个亟须解决的问题。本文对“增一型"分层模糊系统进行了结构研究和理论推导，提出了一种通过代价函数选择分层结构的方法：先对输入变量应用主成分分析法进行空间映射得到新的输入变量，保留新输入量的贡献率，然后通过理论推导构造出关于贡献率的代价函数，比较各种分层结构的代价函数大小，从而选择最优的分层结构。最后通过仿真实验证明了该方法切实可行，避免了传统“试凑法"的盲

6、目性。ANFIS训练过程中会出现过训练现象。过训练现象一方面会影响到模型的精度，另一方面对我们直接利用ANFIS进行分层模糊系统建模带来不便。为此本文把最优停止法引入到ANFIS，通过实现最优停止消除了过训练现象，这样就可以通过嵌套一个循环程序完成所有的分层模糊系统训练。在分层模糊系统建模的应用方面，本文以水泥厂中的分解炉温度为控制对象，编制了一个分层模糊建模界面。该界面借助于ANFIS实现训练，达到了满意的模型精度，一定程度上可以指导水泥厂的生产。关键词：ANFIS；分层模糊系统；建模方法；结构选择；最优

7、停止法；分解炉AbstractThefuzzysystemhasbeenextensivelyappliedinmanyfieldswithitsproposalbyZadchin1965．Buttheamountofthefuzzysystemruleswillincreasewiththeincreaseoftheinputaccordingly．Oncetheinputistoomuch，the“dimensiondisaster'’emerges，whichwillnotonlycausctheco

8、mplexityofinferenceandcalculation,butalsolimittheintroductionofartificialexperience．Usuallythemodelissimplifiedthroughthedecreaseofinputvariablesatthecostofreducingtheprecisionofthemodel．In1991，剐uputforwardth