一个新的模糊规则提取方法及其应用研究

《一个新的模糊规则提取方法及其应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、http://www.paper.edu.cn1一个新的模糊规则提取方法及其应用研究陶银鹏，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

2、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：TP1811．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

3、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

4、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[2~3]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，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

5、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[1]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

6、分析，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-http://www.paper.edu.cn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：(xr,1,xr,2,…,xr,m;yr;pr),r=1,2…,n（1）即每组数据样本

7、为m个输入属性，1个输出控制系数，1个评价系数，共有n组数据。本文的工作是从数据集合（1）中的提取出一组合适的模糊规则，并保证提取出的模糊规则能够以较高的精度和良好的可解释性反映实际生产情况。首先采用AFS模糊逻辑对每个输入变量分别进行聚类，根据聚类的结果确定每个输入变量的模糊集合及隶属函数的初始参数。虽然传统的C均值聚类算法是根据各个数据到其所属类的中心的距离平方和最小来对数据进行聚类处理，并且算法简单，易于实现，且在聚类分析中得到了广泛的应用，但该聚类算法需要事先人为的确定类的数目和初始的聚类中心，具

8、有对初始值敏感，容易陷入局部最优的缺点，且具有不可解释性，AFS主要研究样本的相似性，不针对研究输入输出关系。本文所处理的问题是中国某钢厂在实际生产过程中的一道工艺流程，在实际生产过程中的算法需要有更好的可解释性和较高的可操作性，所以针对这一问题，本文采用基于AFS模糊逻辑的聚类算法，该算法在聚类过程中，采用语义分析和模糊描述方式，更便于操作人员理解控制生产过程，且更容易和专家经验相结合提出了聚类指标，具有更强的鲁棒性和可解释