现代船舶控制工程 相关资料

插图：目前，随着各种神经网络理论模型和学习算法的提出，神经网络理论已日趋成熟，其应用已渗透到生物学、物理学、地质学等诸多领域，并在智能控制、模式识别、非线性优化等方面取得了令人鼓舞的进展。2.模糊控制模糊集合和模糊算法的概念是由美国加利福尼亚大学著名教授查德（Zadeh）于20世纪60年代，在他的.FuzzySets和FuzzxyAlgorithm等著名论著中首先提出的。1972年2月，日本以东京工业大学为中心，成立了模糊系统研究会。模糊理论是在模糊集理论的基础上发展起来的，主要包括模糊集合理论、模糊逻辑、模糊推理和模糊控制等方面的内容。模糊逻辑控制器的基本结构通常由知识库、模糊推理系统、输入量模糊化和输出量精确化四个部分组成。模糊控制以模糊集合、语言变量和模糊逻辑为基础，用比较简单的数学形式直接将人的判断、思维过程表达出来，是一种有效的数学工具与手段，很好地解决了经典控制理论难以解决的问题，因此能在信息时代获得如此迅速的发展。模糊控制具有以下特点：①直接采用语言型控制规则，设计中不需要建立被控对象的精确数学模型，使得控制机理与策略易于接受，便于应用。②系统语言控制规则具有相对的独立性，利用这些控制规律间的模糊连接，容易找到折中的选择，使控制效果优于常规控制器。’③有利于模拟人工控制的过程和方法，增强控制系统的适应能力，使之具有一定的智能水平。④鲁棒性强，干扰和参数变化对控制效果的影响被大大减弱，尤其适合于非线性、时变及纯滞后系统的控制。模糊控制具有良好控制效果的关键是要有一个完善的控制规则。但由于模糊规则是人们对过程或对象模糊信息的归纳，对高阶、非线性、大时滞、时变参数以及随机干扰严重的复杂控制过程，人们的认识往往比较贫乏或难以总结完整的经验，这就使得单纯的模糊控制在某些情况下很粗糙，难以适应不同的运行状态，影响了控制效果。常规模糊控制的两个主要问题在于：改进稳态控制精度和提高智能水平与适应能力。在实际应用中，往往是将模糊控制或模糊推理的思想与其他相对成熟的控制理论或方法结合起来，发挥各自的长处，从而获得理想的控制效果。由于模糊规则和语言很容易被人们广泛接受，加上模糊化技术在微处理器和计算机中能很方便地实现，所以这种结合展现出强大的生命力和良好的效果。对模糊控制的改进方法可大致分为模糊复合控制、自适应与自学习模糊控制以及模糊控制与智能化方法的结合等几大方面。

 2/2   首页 上一页 1 2

工业技术 汽车与交通运输 水路运输

在线阅读