翻译(模糊逻辑控制系统模糊逻辑控制部分Ⅰ).docxVIP

模糊逻辑控制系统：模糊逻辑控制——部分ⅠChuen chien lee摘要---在过去的几年中，模糊控制已成为在模糊集理论领域中应用最多，最有效的方法之一，尤其是在工业生产过程领域。传统的控制方法，因为缺乏定量数据的输入输出关系。并不适合。模糊控制基于模糊逻辑，这是比传统的逻辑系统更接近人的思维和自然语言的逻辑系统。基于模糊逻辑的模糊逻辑控制器（FLC）为自动控制理论提供了一个基于专家知识转换语言的控制理论， 研究描述了构造一个FLC一般方法，评估其性能描述，和指出其需要进一步研究的问题。特别是，论文还讨论了模糊化和去模糊化方法，阐述了数据来源和模糊控制规则，模糊蕴涵的定义和分析了模糊推理机制。Ⅰ 简介在过去的几年中，模糊控制已成为在模糊集理论领域中应用最多，最有效的方法之一[141]，研究模糊控制的先驱Mamdani与他的同事的 [63]-- [66]，[50]最先是由Zadeh的基于模糊集的语言教读法和系统分析[142] [143] [145] [146] 的开创性论文开始的。现代模糊控制应用很多，水中的质量控制[127] [35]，列车自动运行系统[135] [136] [139]，自动集装箱起重机操作系统[137]—[139]，电梯控制[23]，核反应堆控制[4] [51]，汽车变速器控制[40]，模糊逻辑控制器的硬件系统[130][131]，模糊的记忆装置[107] [108] [120][128][129][133]，并且模糊计算机[132]实现了有效利用模糊控制在复杂和模糊不清领域的方法，即使一个没有任何基础动力学只是的熟练工人都可以控制。近年来，模糊控制的文献迅速增长，这使得很难对现有的各种各样的应用程序提出一个全面的理论依据。从历史上看，在模糊控制的发展中的重要里程碑，可以归纳为表Ⅰ。这是应该强调的，但是，这里程碑式的选择是一个主观的因素。从这个角度看，模糊逻辑控制器的重要组成部分是一组用模糊蕴涵的双重概念和组推理规则编写的语言控制规则。在本质上，FLC提供了一种可以转换基于专家只是的语言控制策略到自动控制策略的算法，经验表明，FLC运算的结果优于那些通过传统算法的结果，特别的，当控制过程对于传统的定量技术分析太过复杂或者当可用的数据来源定性解，不正确或不确定，FLC的方法就显得非常有用。因此，模糊逻辑控制器可以被看做是传统的精确数学与类人类决靠近的一大步。 然而，现如今，对于FLC的还没有系统化设计的方法。在本文中，我们提出了对FLC方法的调查和指出了问题，这个需要进一步的调查，我们的研究包括模糊化和去模糊化策略，数据的来源和模糊控制规则，模糊蕴涵的定义和分析模糊推理机制。本文分为两部分,FLC结构参数的分析为第Ⅰ部分，此外，第一部分分为五个章节。有关模糊集合概念的简短摘要和模糊逻辑在第Ⅱ章，关于FLC的主要思想在第Ⅲ章中描述，第Ⅳ章介绍了模糊化策略，在第Ⅴ章，我们讨论了FLC数据库的建设，第Ⅵ章中的规则库解释了模糊控制规则的来源和规则修改技术。第Ⅱ部分由四章组成，第一章介绍了FLC的决策逻辑的基本方法，几个议题被研究，包括模糊蕴涵的定义，组合运算符，句子连接词 “and” 和” also “的解释，和模糊推断机制。第二章讨论了去模糊化策略，许多FLC典型应用程序，从实验室到工业过程控制，在第三章中简要说明，最后，我们描述了一些尚未解决的问题及讨论了这一领域未来的挑战。表Ⅰ 1972Zadeh 模糊控制的基本原理为[145]1973Zadeh 语言的方法[I46]1974 Mamdani和Assilian蒸汽发动机控制[64]1976 Rutherford等 控制算法分析[5]，[7]1977 Ostergaard 热交换器和水泥窑的控制[80]1971 Willaeys等 最优模糊控制[121]1979 Komolov等 有限自动机[57]1980 Tong等 污水处理工艺[113]1980 Fukami, Mizumoto 和 Tanaka模糊的条件推断I2411983 Hirota 和 Pedrycz 概率模糊集（控制）[33]1983 Takagi和Sugeno模糊控制规则的推导[103]1983 Yasunobu. Miyamoto等。 预测模糊控制[135]1984Sugeno and Murakami 停车控制的模型车[97]1985 Kiszka.Gupta等 模糊系统的稳定性[55]1985 Togai 和 Watanabe 模糊的芯片[107]1986 Yamakawa 模糊控制器的硬件系统[130]1988 Dubois和Prade 近似推理[21]Ⅱ 模糊集与模糊逻辑为