(3.236.6.6) 您好!臺灣時間:2021/04/22 20:01
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:賴勇志
論文名稱:參數式模糊邏輯控制器之解析
論文名稱(外文):Theoretical Analysis of Fuzzy Logic Controllers using Dubois-&-Prade's Parametric t-norm-sum-gravity Inference Method
指導教授:陳誠亮陳誠亮引用關係
學位類別:碩士
校院名稱:國立臺灣大學
系所名稱:化學工程學研究所
學門:工程學門
學類:化學工程學類
論文種類:學術論文
論文出版年:1997
畢業學年度:85
語文別:中文
論文頁數:107
中文關鍵詞:模糊邏輯控制器模糊模式
相關次數:
  • 被引用被引用:0
  • 點閱點閱:226
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0

本文首先說明吾人所使用的單值型模糊邏輯控制器(FLC)的架構和運作過程,並使用收縮間距式三角形隸屬度函數(SSMFs)和簡單控制規則將其逐步簡化成為較易分析而且合理的模糊邏輯控制器;按著以Dubois-&-Prad's parametric t-norm-sum-gravity推論法為主幹,詳細分析在此模糊控制器中輸入與輸出問的數學關係式,藉由參數式t-norm來使得模糊控制器的激發階段操作子的選取更具有彈性。同時對於此參數式控制器的相對非線性度、局部穩定度及口語化項目個數等性質亦做了相關的研究。
另外,本文對於規則中的權重影響控制曲面的情形做了一些探討,並說明使用單價型FLC是正確而且合理的。
本文後段則介紹了一個模糊模式識別的方法,除了將前段所做的部份研究融入使用外,對於模糊模式的建構法亦透過幾個範例作分析比較,並提出對於模糊模式識別的一些建議與討論,更擴大模糊理論的應用領域。


This article aims to study the inference mechanisms of a crisp-type fuzzy logic controller (FLC) from a generic point of view. The input-output parametric relationship of the crisp-type FLCs using Dubois-&-Prade's parametric t-norm-sum-gravity inference method is investigated. In this method, one can apply various t-norms in calculating the firing level of each control rule by adjusting the numerical value of parameter α=[0, 1]. The explicit mathematical form of reasoning surface using the Dubois-&-Prade's t-norm is addressed. The output of these FLCs by the measure of relative degree-of-nonlinearity is also examined and the local stability criteria for the PI-mode fuzzy control systems is investigated. The ultimate behavior of these FLCs in which the number of linguistic terms approaches infinity is also explored.
The differences among the reasoning surfaces with various weights are also studied. It is concluded that the crisp-type output member functions (MFs) can provide more reasonable inference results and thus the triangular-type MFs are not recommended as output MFs in the FLCs.
The results of the study on input-output mapping of FLCs are extended to construct fuzzy models. A simple yet efficient procedure is proposed for learning the MFs and the inference rules of the fuzzy model from a given set of input-output data. Numerical examples are supplied to demonstrate the effectiveness of the porposed fuzzy modeling method.

QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔