论文部分内容阅读
模糊推理系统(Fuzzy Inference System,FIS),或模糊逻辑系统(Fuzzy Logical System,FLS),简称模糊系统,它是建立在模糊集合论、模糊if-then规则、模糊逻辑推理基础上的一种先进的计算框架。模糊系统模拟人类的模糊思维,是处理不确定性、不精确性的有力工具,解决了在不同的情况下采用不同的决策机制问题。模糊推理的基础是模糊规则库的建立。作为新型学习机的支持向量机以统计学习理论为理论基础,为研究有限样本情况下的统计识别和更广泛的机器学习问题提供了一种新的模式识别方法。本文针对现有的模糊规则提取方法的不足进行了一些探索和研究,提出将模糊推理与支持向量机结合,构成一种新型的推理方式和辨识控制方法。本文的主要内容包括:1)系统阐述了支持向量机的理论基础和实现原理。介绍了支持向量机(Support Vector Machines, SVM)的数学理论基础——统计学习理论,研究了支持向量机在解决小样本情况下的实现算法,并分析了支持向量机的几何特性和核函数的选择等问题;2)提出基于支持向量机的模糊推理模型。根据模糊推理和支持向量机的共性,将支持向量机与模糊推理结合,提出并构建了基于支持向量机的模糊推理模型,给出了其具体的实现算法,并通过仿真实验与常用模糊规则提取方法进行比较;3)将基于支持向量机的模糊推理模型应用于非线性系统辨识。以混沌时间序列预测和三阶非线性系统模型辨识为例进行实验仿真,与常用的智能辨识方法进行比较,证明基于支持向量机的模糊推理模型具有较高的预测和辨识精度;4)将基于支持向量机的模糊推理模型应用于非线性系统控制。以非线性的球杆系统控制和二级倒立摆系统控制为例进行实验仿真,证明基于支持向量机的模糊推理模型具有较高的控制精度和稳态性能,具有较强的应用价值。