模糊邏輯的案例
模糊邏輯 |介紹
術(shù)語 fuzzy 是指不清楚或模糊的事物。在現(xiàn)實(shí)世界中，我們很多時(shí)候會(huì)遇到無法判斷狀態(tài)是真是假的情況，他們的模糊邏輯為推理提供了非常有價(jià)值的靈活性。通過這種方式，我們可以考慮任何情況的不準(zhǔn)確和不確定性。
模糊邏輯是一種多值邏輯形式，其中變量的真值可以是 0 到 1 之間的任何實(shí)數(shù)，而不僅僅是傳統(tǒng)的 true 或 false 值。它用于處理不精確或不確定的信息，是一種表示決策中的模糊性和不確定性的數(shù)學(xué)方法。
Fuzzy Logic 基于這樣一種想法，即在許多情況下，真或假的概念過于嚴(yán)格，并且兩者之間有許多灰色陰影。它允許部分真理，其中陳述可以是部分正確或錯(cuò)誤，而不是完全正確或錯(cuò)誤。
Fuzzy Logic 應(yīng)用廣泛，例如控制系統(tǒng)、圖像處理、自然語言處理、醫(yī)療診斷和人工智能。
模糊邏輯的基本概念是隸屬函數(shù)，它定義輸入值與特定集或類別的隸屬程度。隸屬度函數(shù)是從輸入值到介于 0 和 1 之間的隸屬度的映射，其中 0 表示非隸屬度，1 表示完全隸屬度。
模糊邏輯是使用模糊規(guī)則實(shí)現(xiàn)的，模糊規(guī)則是 if-then 語句，以模糊方式表示輸入變量和輸出變量之間的關(guān)系。Fuzzy Logic 系統(tǒng)的輸出是一個(gè)模糊集，它是每個(gè)可能的輸出值的一組隸屬度。
總之，模糊邏輯是一種在決策中表示模糊性和不確定性的數(shù)學(xué)方法，它允許部分真理，并且應(yīng)用廣泛。它基于成員函數(shù)的概念，并使用 Fuzzy 規(guī)則實(shí)現(xiàn)。
在布爾系統(tǒng)真值中，1.0 表示絕對(duì)真值，0.0 表示絕對(duì)真值。但在模糊系統(tǒng)中，絕對(duì)真值和絕對(duì)假值沒有邏輯。但是在模糊邏輯中，也存在一個(gè)中間值，它部分正確，部分錯(cuò)誤。
建筑
它的架構(gòu)包含四個(gè)部分：
規(guī)則庫：它包含專家提供的規(guī)則集和 IF-THEN 條件，用于根據(jù)語言信息管理決策系統(tǒng)。
展開 《MATLAB語言在建筑抗震工程中的應(yīng)用》
第11章 模糊控制技術(shù)在建筑抗震中的應(yīng)用
11.1 模糊邏輯控制技術(shù)
11.2 加入磁流變阻尼器結(jié)構(gòu)的半主動(dòng)控制
11.3 加入磁流變阻尼器結(jié)構(gòu)的模糊邏輯全態(tài)控制
11.4 實(shí)例計(jì)算
參考文獻(xiàn)
《MATLAB 7.0控制系統(tǒng)應(yīng)用與實(shí)例》
7.3 模糊控制工具箱GUI工具
7.4 MATLAB模糊推理系統(tǒng)的高級(jí)應(yīng)用
7.5 模糊邏輯工具箱的應(yīng)用實(shí)例
附錄 基于MATLAB的數(shù)據(jù)采集開發(fā)板
參考文獻(xiàn)
無人船路徑跟隨控制方法綜述
其中，基于PID理論的控制器，由于不需要建立復(fù)雜數(shù)學(xué)模型，設(shè)計(jì)簡(jiǎn)單，結(jié)合模糊邏輯整定PID參數(shù)，為工程應(yīng)用中實(shí)現(xiàn)USV路徑跟隨控制的提供了較好的選擇。而對(duì)于另一類無模型控制，即強(qiáng)化學(xué)習(xí)控制器，設(shè)計(jì)合理的獎(jiǎng)勵(lì)函數(shù)則是獲得更優(yōu)控制器性能的關(guān)鍵。
基于此，提出無人船路徑跟隨控制的4種發(fā)展思路。
1）當(dāng)USV在干擾下艏搖頻率大于某一閾值ωmax時(shí)，由于USV舵機(jī)等相關(guān)機(jī)械設(shè)備的機(jī)械特性，USV將難以通過轉(zhuǎn)舵穩(wěn)定在期望航向，只能通過對(duì)路徑跟隨過程中的偏航進(jìn)行補(bǔ)償實(shí)現(xiàn)控制。因此，對(duì)外界干擾進(jìn)行分類，將干擾分為已知干擾、未知干擾，將未知干擾分為高頻干擾和低頻干擾，分別建立風(fēng)浪流的主頻干擾模型；然后通過最小二乘法，以及最小二乘支持向量機(jī)等辨識(shí)方法辨識(shí)干擾模型的主頻率，根據(jù)ωmax實(shí)現(xiàn)低通濾波，和對(duì)高頻分量的補(bǔ)償，最終達(dá)到路徑跟隨控制，同時(shí)減少由于高頻干擾的無效轉(zhuǎn)舵。
2）優(yōu)化模糊邏輯控制器的結(jié)構(gòu)和參數(shù)，包括隸屬度函數(shù)和模糊規(guī)則。采用分層結(jié)構(gòu)，減少規(guī)則庫大小，增加對(duì)輸入的敏感度，同時(shí)，優(yōu)化模糊邏輯控制器結(jié)構(gòu)和參數(shù)，可以有效降低去模糊化的復(fù)雜度，進(jìn)一步提高其工程應(yīng)用價(jià)值，見圖2。例如，模糊邏輯與PID控制器結(jié)合，將一段時(shí)間序列的控制誤差作為模糊推理機(jī)F1的輸入；將主機(jī)轉(zhuǎn)速、USV航速、轉(zhuǎn)艏速度、轉(zhuǎn)艏加速度以及水流速度作為F2的輸入，F(xiàn)2輸出USV航行狀態(tài)，即推理USV處于轉(zhuǎn)向航速下降或水流影響導(dǎo)致的轉(zhuǎn)速變化狀態(tài)；將風(fēng)浪流干擾模型主頻率作為F3的輸入，輸出干擾狀態(tài)，即推理控制補(bǔ)償量；F4根據(jù)航行狀態(tài)修正控制補(bǔ)償量；F5根據(jù)控制誤差以及修正后的控制補(bǔ)償量輸出PID參數(shù)。文獻(xiàn)[30]對(duì)模糊邏輯結(jié)合和參數(shù)的優(yōu)化做了詳細(xì)的分析。
展開 
溫控器的PID算法都有哪些？
常用溫控器控制算法包括常規(guī)PID、模糊控制、神經(jīng)網(wǎng)絡(luò)、Fuzzy-PID、模糊神經(jīng)網(wǎng)絡(luò)、遺傳PID及廣義預(yù)測(cè)等PID算法。
常規(guī)PID控制易于建立線性溫度控制系統(tǒng)被控對(duì)象模型；模糊控制基于規(guī)則庫，并以絕對(duì)或增量形式給出控制決策；神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，并用簡(jiǎn)單處理單元連接成復(fù)雜網(wǎng)絡(luò)；Puzzy-PID為線性控制，且結(jié)合模糊與PID控制優(yōu)點(diǎn)。
溫度控制系統(tǒng)是變參數(shù)、有時(shí)滯和隨機(jī)干擾的動(dòng)態(tài)系統(tǒng)，為達(dá)到滿意的控制效果，具有許多控制方法。
常見溫度控制方法
01
常規(guī)經(jīng)典PID控制算法的PID控制
PID控制即比例、積分、微分控制，其結(jié)構(gòu)簡(jiǎn)單實(shí)用，常用于工業(yè)生產(chǎn)領(lǐng)域。
明顯缺點(diǎn)是現(xiàn)場(chǎng)PID參數(shù)整定麻煩，易受外界干擾，對(duì)于滯后大的過程控制，調(diào)節(jié)時(shí)間過長(zhǎng)。其控制算法需要預(yù)先建立模型，對(duì)系統(tǒng)動(dòng)態(tài)特性的影響很難歸并到模型中。在我國(guó)大多數(shù)PID調(diào)節(jié)器廠家生產(chǎn)的溫控器均為常規(guī)經(jīng)典PID控制算法。
02
模糊PID控制算法的PID控制
模糊控制(Fuzzy Control)是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的計(jì)算機(jī)控制。
03
神經(jīng)網(wǎng)絡(luò)PID控制算法的PID控制
神經(jīng)網(wǎng)絡(luò)控制采用數(shù)理模型的方法模擬生物神經(jīng)細(xì)胞結(jié)構(gòu)，用簡(jiǎn)單處理單元連接形成各種復(fù)雜網(wǎng)絡(luò)，并采用誤差反向傳播算法(BP)。
04
Fuzzy-PID控制算法的PID控制
模糊控制不需知道被控對(duì)象的精確模型，易于控制不確定對(duì)象和非線性對(duì)象。PID本質(zhì)是線性控制。
展開 人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Networks，簡(jiǎn)稱ANNs）-2、3
應(yīng)用領(lǐng)域：
? 面部識(shí)別
? DNA匹配
? 動(dòng)植物研究
? 行為系統(tǒng)
（C）模糊遺傳混合系統(tǒng)（Fuzzy Genetic Hybrid systems）：
開發(fā)了一種模糊遺傳混合系統(tǒng)，該系統(tǒng)使用基于模糊邏輯的技術(shù)來改進(jìn)和建模遺傳算法，反之亦然。遺傳算法已被證明是一種魯棒且高效的工具，可以執(zhí)行模糊規(guī)則庫生成、隸屬函數(shù)生成等任務(wù)。
可用于開發(fā)此類系統(tǒng)的三種方法是：
? Michigan 方法
? Pittsburgh 方法
? IRL 方法
工作流程（Working Flow）：
1. 從代表第一代的初始解的種群開始。
2. 將種群中的每個(gè)染色體輸入到模糊邏輯控制器中，并計(jì)算性能指標(biāo)。
3. 使用進(jìn)化算子創(chuàng)建新一代，直到滿足某個(gè)條件。
優(yōu)勢(shì)（Advantages）：
1. 遺傳算法（GAs）用于開發(fā)模糊推理引擎使用的最佳規(guī)則集。
2. 遺傳算法用于優(yōu)化隸屬函數(shù)的選擇。
3. 模糊遺傳算法是在所有離散模糊子集上的有向隨機(jī)搜索。
4. 它可以模仿人類的決策過程。
劣勢(shì)（Disadvantages）：
1. 結(jié)果的解釋困難。
2. 建立隸屬值和規(guī)則困難。
3. 收斂需要很長(zhǎng)時(shí)間。
應(yīng)用領(lǐng)域（Applications）：
1. 機(jī)械工程
2. 電氣工程
3. 人工智能
4. 經(jīng)濟(jì)學(xué)
這些系統(tǒng)結(jié)合了模糊邏輯和遺傳算法，以提高和建模遺傳算法，反之亦然。遺傳算法已被證明是執(zhí)行任務(wù)的強(qiáng)大和高效工具，如生成模糊規(guī)則庫、生成隸屬函數(shù)等。這些系統(tǒng)通過使用進(jìn)化算子來迭代地改進(jìn)解決方案，直到滿足特定的性能指標(biāo)或條件。
展開 基于耗散性理論的汽車底盤集成非線性魯棒約束優(yōu)化控制
采用模糊邏輯控制方法分別計(jì)算AFS的前輪轉(zhuǎn)向角控制量和DYC的橫擺力矩控制量,并基于模糊積分理論計(jì)算AFS的前輪轉(zhuǎn)向角控 制量和DYC的橫擺力矩控制量的權(quán)重系數(shù),實(shí)現(xiàn)AF和DYC的集成控制。
基于多模型切換控制理論設(shè)計(jì)一系列AFS和DYC集成控制器,并采用模糊邏輯控制方法實(shí)現(xiàn)所設(shè)計(jì)的AFS和DYC集成控制器的平滑切換控制。雖然非線性集成控制方法和智能集成控制方法對(duì)汽車自動(dòng)緊急轉(zhuǎn)向等極限工況下呈現(xiàn)出的強(qiáng)耦合特性具有更低的保守性,但采用非線性集成控制方法和智能集成控制方法設(shè)計(jì)的汽車底盤集成控制器通常包含大量的待確定設(shè)計(jì)參數(shù),需要借助專家經(jīng)驗(yàn)來標(biāo)定這些待確定設(shè)計(jì)參數(shù),以實(shí)現(xiàn)預(yù)期的控制目標(biāo)。本文基于耗散性理論設(shè)計(jì)了一種標(biāo)定參數(shù)較少的非線性魯棒控制器,以實(shí)現(xiàn)AFS和DYC的集成控制。
數(shù)學(xué)模型
簡(jiǎn)潔、高效的汽車動(dòng)力學(xué)模型是汽車底盤集成控制系統(tǒng)設(shè)計(jì)的基礎(chǔ)。忽略空氣阻力和車身的縱向、垂向、俯仰和側(cè)傾運(yùn)動(dòng)自由度,建立包含車身側(cè)向和橫擺運(yùn)動(dòng)自由度的汽車底盤集成控制模型,如圖１所示。
汽車底盤集成非線性L２增益控制
本節(jié)在Backstepping設(shè)計(jì)架構(gòu)下,基于非線性魯棒控制理論設(shè)計(jì)汽車底盤集成非線性L2增益控制律,抑制系統(tǒng)的加性不確定性對(duì)系統(tǒng)性能輸出的影響。同時(shí),借助投影修正法在汽車底盤集成非線性L2增益控制律中引入系統(tǒng)乘性不確定性自適應(yīng)律,通過實(shí)時(shí)估計(jì)和補(bǔ)償系統(tǒng)的乘性不確定性來抑制其對(duì)系統(tǒng)性能輸出的影響,進(jìn)一步降低系統(tǒng)的保守性。
展開 電機(jī)仿真系列-基于模糊PID的直流電機(jī)Simulink模型
模糊控制就是其中之一。本期帶來基于模糊PID的直流電機(jī)Simulink模型的搭建。
1、模糊控制
模糊控制作為目前最具實(shí)際意義的智能控制方法之一，以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)。實(shí)現(xiàn)一步模糊控制算法的過程：獲取被控制量的精確值。將此量與給定值比較得到誤差信號(hào)，一般選誤差信號(hào)作為模糊控制器的一個(gè)輸入量。把誤差信號(hào)的精確量進(jìn)行模糊化變成模糊量。誤差的模糊量可用相應(yīng)的模糊語言表示，得到誤差的模糊語言集合的一個(gè)子集（一個(gè)模糊矢量），再由誤差和模糊控制規(guī)則（模糊算子）根據(jù)推理的合成規(guī)則進(jìn)行模糊決策，得到模糊控制量。
2、基于模糊控制的轉(zhuǎn)速調(diào)節(jié)器設(shè)計(jì)
直流電機(jī)控制系統(tǒng)中，外環(huán)轉(zhuǎn)速調(diào)節(jié)器采用模糊PID控制器．內(nèi)環(huán)電流調(diào)節(jié)器依然采用傳統(tǒng)PID控制器。從理論上講．模糊控制器的維數(shù)越高。控制越精密。但是維數(shù)越高。模糊控制規(guī)則變得過于復(fù)雜，控制算法的實(shí)現(xiàn)相當(dāng)困難。這是目前廣泛應(yīng)用二維模糊控制器的原因所在。
模糊控制輸出量確定的過程：
①確定輸入與輸出變量的模糊子集和論域及其隸屬度：
②設(shè)計(jì)模糊推理關(guān)系，確定模糊控制規(guī)則，以明確模糊關(guān)系矩陣：
③模糊決策，確定輸出量在其論域上的模糊矢量：
④模糊判決，即將控制量去模糊化，得到確定的輸出變量。進(jìn)而得到相應(yīng)的控制表。
代碼：
3、系統(tǒng)仿真與分析
為分析模糊控制器控制性能．針對(duì)直流電機(jī)控制系統(tǒng)．利用模糊控制技術(shù)設(shè)計(jì)轉(zhuǎn)速調(diào)節(jié)器．電流調(diào)節(jié)器依然采用傳統(tǒng)PI控制．用Matlab／Simulink仿真工具進(jìn)行了系統(tǒng)仿真。并和傳統(tǒng)內(nèi)外環(huán)均采用PID控制的系統(tǒng)指標(biāo)進(jìn)行了比較。
從仿真結(jié)果可以看出。模糊PID控制系統(tǒng)具有超調(diào)量小、魯棒性和抗負(fù)載擾動(dòng)能力強(qiáng)的優(yōu)點(diǎn)。由于模糊PID的設(shè)計(jì)比較簡(jiǎn)單，容易實(shí)現(xiàn)，控制效果也更出色。
展開 Mathematica軟件介紹
這樣強(qiáng)大的功能，在 Windows, Linux, Unix, Mac 等各種平臺(tái)皆可使用，平均來說硬盤空間約需300MB，內(nèi)存64MB
◎ 將時(shí)間花在問題上而非計(jì)算
◎ 內(nèi)建龐大的數(shù)學(xué)知識(shí)庫
◎ 結(jié)果呈現(xiàn)可視化
◎ 精確的數(shù)值運(yùn)算結(jié)果
◎ 優(yōu)良的計(jì)算機(jī)代數(shù)運(yùn)算
◎ 自動(dòng)選取最佳化
◎ 組織由初始概念到最后報(bào)告的計(jì)劃
◎ 高品質(zhì)可編輯的排版公式與表格
◎ 屏幕與打印的自動(dòng)最佳化排版
◎ 與 txt、html 等等格式的輸出兼容性
◎ 完全可設(shè)計(jì)的符號(hào)表示
◎ 縮短研發(fā)時(shí)
Mathematica模塊介紹
SchematicSolver 系統(tǒng)建模和仿真
MathModelica復(fù)雜系統(tǒng)建模和仿真
Control System 控制系統(tǒng)
Digital Image Processing 數(shù)字圖像處理
Dynamic Visualizer 三維繪圖
Electrical Engineering Examples電機(jī)工程范例
Experimental Data Analyst 實(shí)驗(yàn)資料分析
Finance Essentials 財(cái)務(wù)分析
Fuzzy Logic 模糊邏輯
Mathematica Link for Excel Excel 連結(jié)
Mechanical Systems 機(jī)械系統(tǒng)
Neural Networks 神經(jīng)網(wǎng)絡(luò)
Mathematica Kit A New Kind of Science Explore
Parallel Computing Toolkit 并行運(yùn)算
展開 【風(fēng)能模型】風(fēng)能模型的發(fā)展及 CFD 在風(fēng)資源開發(fā)利用中的應(yīng)用
近年來人們用神經(jīng)網(wǎng)絡(luò)、小波分析和模糊邏輯等新方法顯著地提高了預(yù)報(bào)精度，并且預(yù)報(bào)長(zhǎng)度達(dá)到了24～36 h。風(fēng)功率預(yù)報(bào)模型現(xiàn)在已經(jīng)在風(fēng)電場(chǎng)風(fēng)力發(fā)電過程中得到廣泛應(yīng)用。
CFD在風(fēng)能發(fā)展中的應(yīng)用
尾流模擬
隨著計(jì)算能力的發(fā)展，CFD 越來越多地用于風(fēng)力發(fā)電機(jī)建模。這里必須區(qū)分轉(zhuǎn)子、近尾流和遠(yuǎn)尾流區(qū)域：近尾流通常指風(fēng)力發(fā)電機(jī)下風(fēng)處一個(gè)轉(zhuǎn)子直徑內(nèi)的區(qū)域，在此之外是遠(yuǎn)尾流區(qū)域，風(fēng)力發(fā)電機(jī)引起的渦旋結(jié)構(gòu)開始分解，對(duì)葉片的空氣動(dòng)力學(xué)的研究被歸為轉(zhuǎn)子模型。基于 N-S 方程，轉(zhuǎn)子和近尾流計(jì)算大約在 10 m/s 風(fēng)速閾值下可以得到較好的結(jié)果。與非定常 RANS 相比，LES 可模擬更高分辨率的湍流尺度，對(duì)分析非定常葉片載荷和風(fēng)力發(fā)電機(jī)尾流演化具有重要意義。
復(fù)雜地形風(fēng)電場(chǎng)模擬
近年來 ，復(fù)雜地形風(fēng)場(chǎng) CFD 模擬得到快速發(fā)展。Murakami 等基于 CWE 發(fā)展了局地風(fēng)場(chǎng)預(yù)報(bào)系統(tǒng)進(jìn)行風(fēng)電場(chǎng)選址，用新的線性 k-ε 湍流模型和冠層模型精確預(yù)測(cè)局地風(fēng)能分布，對(duì)二維山脊、山地以及草地下墊面的起伏地形的預(yù)測(cè)結(jié)果比 WAsP 好。
使用 CFD 模擬復(fù)雜地形大氣流動(dòng)通常非常耗時(shí)。對(duì)于目前的處理器，只有使用并行計(jì)算才足以使用 CFD 進(jìn)行風(fēng)場(chǎng)預(yù)測(cè)，即代碼運(yùn)行速度比真實(shí)天氣演變更快。Castro 等用并行版本的 VENTOS CFD，成功進(jìn)行了風(fēng)電場(chǎng)風(fēng)功率預(yù)報(bào)，并與中尺度模式結(jié)合，形成短期預(yù)測(cè)工具，對(duì)位于葡萄牙北部門多羅/布斯塔維德風(fēng)電場(chǎng)進(jìn)行模擬，顯示了并行效率對(duì)預(yù)測(cè)的影響。
參考文獻(xiàn)：程雪玲. 風(fēng)能模型的發(fā)展及CFD在風(fēng)資源開發(fā)利用中的應(yīng)用[J]. 空氣動(dòng)力學(xué)學(xué)報(bào), 2023, 41(6): 1-15.
！！文章內(nèi)容轉(zhuǎn)自微信公眾號(hào)“云數(shù)仿真”，更多精彩內(nèi)容請(qǐng)前往微信公眾號(hào)進(jìn)行關(guān)注。
展開 [轉(zhuǎn)帖]模糊數(shù)學(xué)方法（Fuzzy Mathematics Method）
轉(zhuǎn)帖]模糊數(shù)學(xué)方法（Fuzzy Mathematics Method）
模糊數(shù)學(xué)是運(yùn)用數(shù)學(xué)方法研究和處理模糊性現(xiàn)象的一門數(shù)學(xué)新分支。它以“模糊集合”論為基礎(chǔ)。模糊數(shù)學(xué)提供了一種處理不肯定性和不精確性問題的新方法，是描述人腦思維處理模糊信息的有力工具。它既可用于“硬”科學(xué)方面，又可用于“軟”科學(xué)方面。
模糊數(shù)學(xué)由美國(guó)控制論專家L.A.扎德（L.A.Zadeh,1921--）教授所創(chuàng)立。他于1965年發(fā)表了題為《模糊集合論》（《Fuzzy Sets》）的論文，從而宣告模糊數(shù)學(xué)的誕生。L.A.扎德教授多年來致力于“計(jì)算機(jī)”與“大系統(tǒng)”的矛盾研究，集中思考了計(jì)算機(jī)為什么不能象人腦那樣進(jìn)行靈活的思維與判斷問題。盡管計(jì)算機(jī)記憶超人，計(jì)算神速，然而當(dāng)其面對(duì)外延不分明的模糊狀態(tài)時(shí)，卻“一籌莫展”。可是，人腦的思維，在其感知、辨識(shí)、推理、決策以及抽象的過程中，對(duì)于接受、貯存、處理模糊信息卻完全可能。計(jì)算機(jī)為什么不能象人腦思維那樣處理模糊信息呢？其原因在于傳統(tǒng)的數(shù)學(xué)，例如康托爾集合論（Cantor′s Set）,不能描述“亦此亦彼”現(xiàn)象。集合是描述人腦思維對(duì)整體性客觀事物的識(shí)別和分類的數(shù)學(xué)方法。康托爾集合論要求其分類必須遵從形式邏輯的排中律，論域（即所考慮的對(duì)象的全體）中的任一元素要么屬于集合A，要么不屬于集合A，兩者必居其一，且僅居其一。這樣，康托爾集合就只能描述外延分明的“分明概念”，只能表現(xiàn)“非此即彼”，而對(duì)于外延不分明的“模糊概念”則不能反映。這就是目前計(jì)算機(jī)不能象人腦思維那樣靈活、敏捷地處理模糊信息的重要原因。為克服這一障礙，L.A.扎德教授提出了“模糊集合論”。在此基礎(chǔ)上，現(xiàn)在已形成一個(gè)模糊數(shù)學(xué)體系。
所謂模糊現(xiàn)象，是指客觀事物之間難以用分明的界限加以區(qū)分的狀態(tài)，它產(chǎn)生于人們對(duì)客觀事物的識(shí)別和分類之時(shí)，并反映在概念之中。外延分明的概念，稱為分明概念，它反映分明現(xiàn)象。
展開 
我國(guó)厚壁容器和管道焊接自動(dòng)化的新發(fā)展
焊接過程中,為調(diào)整鎢極的位置,引用了模糊邏輯理論,即所謂奇數(shù)理論。當(dāng)前節(jié)距內(nèi)鎢極位置的修正速度是按所測(cè)定的鎢極位移量和前一節(jié)距內(nèi)的修正速度計(jì)算的,以此來保證修正精度。上述大直徑管全自動(dòng)全位置焊管機(jī)已在電站鍋爐安裝工程中得到實(shí)際的應(yīng)用,取得了令人滿意的效果。
四、結(jié)論
1.我國(guó)電站鍋爐、壓力容器和管道已進(jìn)入高參數(shù)和超高參數(shù)的發(fā)展階段,必須選用各種新型的耐熱鋼,耐蝕鋼,抗氫鋼和高強(qiáng)度鋼。期望我國(guó)鋼鐵工業(yè)和焊材制造行業(yè)能在短期內(nèi)滿足鍋爐、壓力容器和管道制造行業(yè)發(fā)展的需要。
2.在我國(guó)鍋爐、壓力容器和管道制造企業(yè)中,已推廣使用了多種技術(shù)先進(jìn)的高效焊接法,引進(jìn)了為數(shù)不少的現(xiàn)代化焊接設(shè)備,焊接生產(chǎn)的工藝水平已達(dá)到較高的水平。為適應(yīng)鍋爐壓力容器和管道需求量的不斷高速增長(zhǎng),應(yīng)當(dāng)進(jìn)一步開發(fā),推廣生產(chǎn)效率更高的先進(jìn)焊接方法和工藝。
3.在高靈敏傳感技術(shù),計(jì)算機(jī)控制技術(shù)和精密機(jī)械高度發(fā)展的今天,焊接過程的全面自動(dòng)化已從實(shí)驗(yàn)室進(jìn)入工業(yè)生產(chǎn)領(lǐng)域,鍋爐、壓力容器和管道制造業(yè)有望率先實(shí)現(xiàn)焊接生產(chǎn)過程的全面自動(dòng)化。
展開 2018 年十大年度科技趨勢(shì)展望發(fā)布：機(jī)器人將不斷“擴(kuò)張領(lǐng)土”
趨勢(shì)一：消費(fèi)電子產(chǎn)品將“無所不能”
IEEE 終身院士 Stuart Lipoff 博士表示，在專家系統(tǒng)、人工智能、推理引擎、模糊邏輯、自然語言處理等多元技術(shù)的支持下，無論是智能手機(jī)、電腦、電視，還是微波爐、家用護(hù)理設(shè)備，各種消費(fèi)電子產(chǎn)品在虛擬助手的加持下都將變得更加智能。對(duì)消費(fèi)者來說，這些前沿技術(shù)將會(huì)帶來產(chǎn)品性能的升級(jí)與前所未有的用戶體驗(yàn)。而對(duì)代工產(chǎn)商來說，上述技術(shù)的應(yīng)用能使他們免于和其他商品進(jìn)行殘酷的價(jià)格競(jìng)爭(zhēng)，從而將更多資源和精力投放在產(chǎn)品創(chuàng)新上。可以預(yù)見，消費(fèi)電子產(chǎn)品的功能將愈發(fā)多元化，成為我們每日生活中必不可少的一環(huán)。
趨勢(shì)二：VR 成為醫(yī)生的好幫手
在經(jīng)歷了“VR 元年”的狂熱擴(kuò)張后，虛擬現(xiàn)實(shí)行業(yè)在 2017 年回歸理性，而業(yè)界對(duì) VR 技術(shù)的促進(jìn)及在應(yīng)用領(lǐng)域的探索從未停止。展望 2018 年，VR 技術(shù)將在醫(yī)療領(lǐng)域大有作為。屆時(shí)醫(yī)療健康的定義將不再局限于對(duì)傳統(tǒng)疾病的治療，而將在 VR 技術(shù)的協(xié)助下擴(kuò)散到藥物研究以及術(shù)后生理、心理的雙重康復(fù)。
趨勢(shì)三：物聯(lián)網(wǎng)和大數(shù)據(jù)驅(qū)車上路
毋庸置疑，當(dāng)下物聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)風(fēng)起云涌，我們正見證一個(gè)嶄新時(shí)代的來臨。隨著日益進(jìn)步的物聯(lián)網(wǎng)與大數(shù)據(jù)技術(shù)被大量應(yīng)用， 無人駕駛汽車在行駛過程中對(duì)實(shí)時(shí)信息的感知與獲取能力將大大提高，城市內(nèi)交通信息的溝通也將更加流暢。這一趨勢(shì)在剛過去的 CES 上已經(jīng)得到了印證，寶馬、豐田等展商均展示了各自搭載了最新人車交互系統(tǒng)與車聯(lián)網(wǎng)技術(shù)的智能汽車。IEEE 高級(jí)會(huì)員 Artur Ziviani 博士評(píng)論到，隨著各類消費(fèi)電子技術(shù)的有機(jī)結(jié)合，物聯(lián)網(wǎng)技術(shù)與應(yīng)用將得到更好地發(fā)展與鞏固。
趨勢(shì)四：股市預(yù)測(cè)不再“聽天由命”
去年十月，AlphaGo Zero 攜前輩AlphaGo 的余威橫空出世，再次掀起了新一輪人工智能的熱潮。
展開 電驅(qū)動(dòng)橋關(guān)鍵技術(shù)綜述
He 等提出了一種基于模糊邏輯控制器和控制原理的AMT 動(dòng)態(tài)修正換擋方案，可有效提升換擋的動(dòng)力性能及能源利用率。Zhao 等建立了基于分層隱馬爾可夫模型和自適應(yīng)神經(jīng)模糊推理系統(tǒng)的制動(dòng)意圖識(shí)別模型，并提出了制動(dòng)過程中AMT的換擋策略，提高了重型商用車制動(dòng)安全性和制動(dòng)能量回收效率。Gao等研究了一種將干式離合器置于變速器后部的新型AMT及其換擋控制策略，通過在轉(zhuǎn)矩階段采用前饋控制對(duì)電機(jī)輸出轉(zhuǎn)矩進(jìn)行控制和通過離合器的轉(zhuǎn)矩進(jìn)行控制及在慣性階段采用PID控制器對(duì)牽引電機(jī)進(jìn)行控制，達(dá)到輸出恒定轉(zhuǎn)矩的目的，提高了換擋動(dòng)力性和經(jīng)濟(jì)性。
李陽等對(duì)電動(dòng)汽車兩擋AMT 換擋過程和換擋品質(zhì)的影響因素進(jìn)行了分析，提出了沖擊度約束下驅(qū)動(dòng)電機(jī)清除轉(zhuǎn)矩和恢復(fù)轉(zhuǎn)矩的控制方法、驅(qū)動(dòng)電機(jī)“重疊同步調(diào)速”控制方法以及換擋電機(jī)三閉環(huán)分段控制方法，從而提升了換擋過程中的動(dòng)力性及舒適性。Wu等開發(fā)了一種純電動(dòng)汽車雙輸入無離合器傳動(dòng)系統(tǒng)，通過利用輔助電機(jī)進(jìn)行轉(zhuǎn)矩補(bǔ)償達(dá)到無動(dòng)力中斷換擋，并針對(duì)過度換擋問題提出了換擋控制策略，為了平衡換擋和能量消耗，采用多目標(biāo)優(yōu)化算法確定換擋穩(wěn)定器的最優(yōu)系數(shù)，從而提高了舒適性和能源利用率。
Fang 等以提高換擋過程中能源利用率及動(dòng)力性為目標(biāo)，提出了一種由1對(duì)行星齒輪、1個(gè)離心式離合器以及1個(gè)制動(dòng)帶組成的雙速無動(dòng)力中斷機(jī)械變速器，并根據(jù)基于模糊邏輯控制器所識(shí)別的駕駛員意圖以及最優(yōu)控制算法制定了如圖7 所示的換擋策略。在此換擋策略中將換擋過程分為轉(zhuǎn)矩階段和慣性階段。
圖7 新型單輸入變速器換擋控制策略
在1擋工作過程中，離合器傳遞轉(zhuǎn)矩為0，升至2擋時(shí)，離合器蹄塊的離心力需克服離心式離合器內(nèi)部彈簧的作用從而傳遞轉(zhuǎn)矩。在升擋過程中的轉(zhuǎn)矩階段，離合器傳遞轉(zhuǎn)矩逐漸增加，而制動(dòng)帶傳遞轉(zhuǎn)矩逐漸減小。
展開 [轉(zhuǎn)帖]故障診斷技術(shù)的發(fā)展趨勢(shì)及我們的對(duì)策
應(yīng)用由來已久由于人工神經(jīng)網(wǎng)絡(luò)具有記憶自學(xué)
習(xí)和能擬合任意連續(xù)非線性函數(shù)的能力以及它的
并行處理全局作用的能力使它在處理非線性問
題和在線估計(jì)等方面具有很強(qiáng)的優(yōu)勢(shì)在復(fù)雜系統(tǒng)
萬方數(shù)據(jù)
科普?qǐng)@地 故障診斷技術(shù)的發(fā)展趨勢(shì)及我們的對(duì)策
自動(dòng)化博覽 變頻調(diào)速技術(shù)講座培訓(xùn)班10月在京舉辦歡迎參加55
的故障診斷中被寄予厚望得到了廣泛的重視神
經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用是多方面的作為一個(gè)
智能信息處理系統(tǒng)它可以直接用于實(shí)現(xiàn)故障診斷
作為非線性函數(shù)的擬合器它可以代替實(shí)現(xiàn)基于模
型的診斷方法中所需要執(zhí)行的狀態(tài)觀測(cè)參數(shù)估計(jì)
殘差發(fā)生以及殘差評(píng)價(jià)等功能作為一種知識(shí)學(xué)習(xí)
系統(tǒng)它可以從一定的故障實(shí)例中發(fā)現(xiàn)新的故障診
斷知識(shí)從而為解決知識(shí)挖掘問題提供一條途
徑與專家系統(tǒng)模糊邏輯系統(tǒng)等具有良好的并存
和協(xié)同性定性觀測(cè)器定性仿真和知識(shí)觀測(cè)器等
在故障診斷中的應(yīng)用也已引起較大的關(guān)注
模糊推理知識(shí)觀測(cè)器和定性觀測(cè)器等長(zhǎng)于處
理不確定模糊化的知識(shí)符合人的自然推理過程
目前國(guó)內(nèi)已有許多學(xué)者開展了基于知識(shí)的故障診斷
方法的研究而且已把神經(jīng)網(wǎng)絡(luò)模糊推理等技術(shù)
與其它技術(shù)有機(jī)集成在提高故障診斷的可靠性和
實(shí)用性方面做了大量的工作由神經(jīng)網(wǎng)絡(luò)模糊推
理技術(shù)與傳統(tǒng)的專家系統(tǒng)相結(jié)合而構(gòu)成的智能型專
家系統(tǒng)為解決傳統(tǒng)專家系統(tǒng)在知識(shí)獲取和知識(shí)表
達(dá)方面的瓶頸問題提供了新的途徑利用神經(jīng)
網(wǎng)絡(luò)擬合非線性系統(tǒng)的正常特性然后根據(jù)系統(tǒng)的
輸入信號(hào)重構(gòu)某些特定的變量并與系統(tǒng)的實(shí)際值
比較得到殘差最終實(shí)現(xiàn)系統(tǒng)故障的診斷是一種
較為普遍的方案這種方案利用神經(jīng)網(wǎng)絡(luò)作為殘差
發(fā)生器可望達(dá)到優(yōu)良的性能利用神經(jīng)網(wǎng)絡(luò)對(duì)殘
差進(jìn)行聚類分析直接得出系統(tǒng)的故障信息對(duì)某
些非線性系統(tǒng)也是實(shí)際可行的
基于知識(shí)的故障診斷方法對(duì)于復(fù)雜過程的診斷
問題具有特別明顯的作用隨著人工智能的不斷發(fā)
展這方面的研究將會(huì)越來越廣泛深入目前主要
的問題是算法的通用性和診斷系統(tǒng)結(jié)構(gòu)的適應(yīng)性還
展開 