论文部分内容阅读
作为知识发现的一种重要工具，粗糙集已经在智能信息处理领域中崭露头角，但其在控制领域中的应用并不多见。粗糙控制所要解决的问题是如何从操作专家的非结构、冗余、不完整的经验知识中发现精确、高效的控制规则。本文研究了利用粗糙集理论进行知识约简、规则获取的粗糙控制方法，以及结合遗传算法、神经网络的知识优化方法，主要作了以下四个方面的研究：
1.首先提出了一种基于粗糙集理论的吊车摆控制算法和一种控制规则的在线优化方法。并给出了粗糙控制的MATLAB仿真方法。实验结果表明，粗糙控制算法控制品质优良，控制器结构简单。
2.提出了一种基于粗糙集规则编码的神经网络控制器设计方法。该方法是对于粗糙集、神经网络以及遗传算法的有机融合。把这种神经网络控制器用于水位控制，其水位跟随效果较经典PID控制跟随效果好。
3.研究了一种基于遗传算法的PID控制器。本文用引入了模拟退火算法的遗传算法对控制系统参数进行自寻优。实验表明，该控制器对控制系统的参数会随时间推移而发生变化的控制系统，控制效果十分理想。
4.最后提出了粗糙控制器的几种可能实现的结构方案。这些粗糙控制器的结构实现方案对于粗糙控制的研究具有一定的参考价值。