模糊控制系统优化设计研究
|
摘要
模糊控制自提出至今已在理论和实际应用方面取得了很大的进展。这种方法以模糊规则的形式充分利用系统的局部信息和专家操作经验，通过模糊推理得到全局模型，从而成为解决复杂对象的建模和控制问题的一种有效方法。但是，在模糊控制器的设计过程中仍然存在两个瓶颈问题：一是模糊控制规则的选取和优化。模糊控制规则的选取主要依赖于该领域专家的先验知识和工人的操作经验，有较大的主观性，当系统很复杂或输入变量较多时，模糊控制规则的可能选取空间急剧加大，造成规则“爆炸”，而当控制系统采用典型的两输入一输出的线性控制规则时，控制规则的设计缺乏形象的指导；二是模糊子集和模糊隶属函数的确定。在模糊控制规则确定的情况下，模糊控制系统的性能由模糊变量的各个模糊子集的隶属函数来决定，这是多参数寻优问题，很难获得全局最优。
基于上述考虑，本文结合粗糙集理论、集对分析理论、滑动模态理论和遗传算法，研究了模糊控制器优化设计问题。论文主要内容如下：
1)分析了模糊控制规则抽取中存在的困难，用粗糙集理论和集对分析理论解决模糊控制中模糊控制规则的抽取和过滤问题，提出了一种新的规则提取方法，并给出了一个应用实例。结果表明，该方法对一大类复杂系统的模糊控制规则的优化具有一定的应用价值。
2)利用滑动模态的理论，用定量和定性的方法对典型的二阶模糊控制器的解析结构进行分析，利用模糊控制理论和滑动模态变结构理论的相似性，特别是滑动模态变趋近律控制的思想对模糊控制规则表进行形象的分析，并推导出模糊控制规则表解析结构表达式，利用此方法可进行模糊控制规则的优化设计，仿真实验结果验证了该方法的有效性。
3)将遗传算法与模糊控制相结合，提出了先使用模糊逻辑的思想进行交叉概率和变异概率的整定，再利用模糊遗传算法对模糊子集的划分进行寻优，可获得一个基于一定性能指标的次优或最优模糊控制器。以二阶系统为例进行了计算机仿真，研究结果表明这种方法是有效的。
最后，对全文工作进行了总结，分析了存在的问题和缺陷，并对今后的发展方向作了展望。
It makes great development about the theory ,and application of Fuzzy Logic Control (FLC) in recent years. Because this approach can efficiently utilize system local information and expert operation experiences to get the general model by means of fuzzy reasoning, it resolves what's meaning constructing model and controlling for complex plants. But, there still exists two bottlenecks in design of FLC: One is the choice and optimization of fuzzy rules. Because the choice of rules depends on expert operation experiences, it is subjective. While the control system is complex or inputs are much more, the probable selective space quickly becomes large so that it will cause "rules burst". Even while the control system uses linear fuzzy rules with two inputs and one output, the design of fuzzy rules is short of graphic guidance. The other is the choice of the fuzzy set partition and membership function. After gaining the fuzzy rules, the performance of FLC depends on membership function of each fuzzy set partition. On account of optimization of many parameters, acquiring general optimization is very difficult.
Based on above discuss facts, this dissertation makes a study on the design of optimization of FLC using a combination of fuzzy logic, rough sets, sets pair analysis, sliding mode and genetic algorithms. The main contents are as follows:
1) Both rough and fuzzy sets theories can be used to deal with imprecise and incomplete information. Both of them are often used to observe, test and reason about data. This chapter applies degree of connection in sets pair analyzed to rough sets theory. The relationship between rough-degree of connection and cardinal of rough lower/upper approximation is demonstrated. The difficulties of drawing fuzzy control rules are analyzed in this paper. A new method for drawing and filtering fuzzy control rules by using rough sets and sets pair analyzed is proposed. The result shows this method is quite effective in fuzzy rules optimization for a large class of complex systems.
2) For a typical fuzzy controller with two inputs and one output, a method of analyzing the rule-base with the theory of sliding mode is presented when it uses
linear fuzzy control rules. Both graphic and numerical analysis illustrate or demonstrate that typical FLC possesses properties of its linear control and sliding mode control. These dual features can help us understand the robustness of FLC systems. Simulation results show the effectiveness of the proposed method.
3) To combine fuzzy logic control with genetic algorithm, On the one hand, fuzzy control can express the systemic information with non-linear and fuzzy knowledge; on the other hand, genetic algorithms can improve the systemic ability of self-study. In this chapter, fuzzy genetic algorithm is used to optimize the fuzzy set partitions and the fuzzy logic control method is used to adjust the probabilities of crossover and mutation. It can be obtained to the design of optimal or sub-optimal fuzzy logic controller. For an industrial process described by a second-order model, a computer simulation is conducted. The result shows the proposed method is effective.
Finally, on the basis of the summarization of the research results in this dissertation, the future developments about FLC are discussed.
基于上述考虑，本文结合粗糙集理论、集对分析理论、滑动模态理论和遗传算法，研究了模糊控制器优化设计问题。论文主要内容如下：
1)分析了模糊控制规则抽取中存在的困难，用粗糙集理论和集对分析理论解决模糊控制中模糊控制规则的抽取和过滤问题，提出了一种新的规则提取方法，并给出了一个应用实例。结果表明，该方法对一大类复杂系统的模糊控制规则的优化具有一定的应用价值。
2)利用滑动模态的理论，用定量和定性的方法对典型的二阶模糊控制器的解析结构进行分析，利用模糊控制理论和滑动模态变结构理论的相似性，特别是滑动模态变趋近律控制的思想对模糊控制规则表进行形象的分析，并推导出模糊控制规则表解析结构表达式，利用此方法可进行模糊控制规则的优化设计，仿真实验结果验证了该方法的有效性。
3)将遗传算法与模糊控制相结合，提出了先使用模糊逻辑的思想进行交叉概率和变异概率的整定，再利用模糊遗传算法对模糊子集的划分进行寻优，可获得一个基于一定性能指标的次优或最优模糊控制器。以二阶系统为例进行了计算机仿真，研究结果表明这种方法是有效的。
最后，对全文工作进行了总结，分析了存在的问题和缺陷，并对今后的发展方向作了展望。
It makes great development about the theory ,and application of Fuzzy Logic Control (FLC) in recent years. Because this approach can efficiently utilize system local information and expert operation experiences to get the general model by means of fuzzy reasoning, it resolves what's meaning constructing model and controlling for complex plants. But, there still exists two bottlenecks in design of FLC: One is the choice and optimization of fuzzy rules. Because the choice of rules depends on expert operation experiences, it is subjective. While the control system is complex or inputs are much more, the probable selective space quickly becomes large so that it will cause "rules burst". Even while the control system uses linear fuzzy rules with two inputs and one output, the design of fuzzy rules is short of graphic guidance. The other is the choice of the fuzzy set partition and membership function. After gaining the fuzzy rules, the performance of FLC depends on membership function of each fuzzy set partition. On account of optimization of many parameters, acquiring general optimization is very difficult.
Based on above discuss facts, this dissertation makes a study on the design of optimization of FLC using a combination of fuzzy logic, rough sets, sets pair analysis, sliding mode and genetic algorithms. The main contents are as follows:
1) Both rough and fuzzy sets theories can be used to deal with imprecise and incomplete information. Both of them are often used to observe, test and reason about data. This chapter applies degree of connection in sets pair analyzed to rough sets theory. The relationship between rough-degree of connection and cardinal of rough lower/upper approximation is demonstrated. The difficulties of drawing fuzzy control rules are analyzed in this paper. A new method for drawing and filtering fuzzy control rules by using rough sets and sets pair analyzed is proposed. The result shows this method is quite effective in fuzzy rules optimization for a large class of complex systems.
2) For a typical fuzzy controller with two inputs and one output, a method of analyzing the rule-base with the theory of sliding mode is presented when it uses
linear fuzzy control rules. Both graphic and numerical analysis illustrate or demonstrate that typical FLC possesses properties of its linear control and sliding mode control. These dual features can help us understand the robustness of FLC systems. Simulation results show the effectiveness of the proposed method.
3) To combine fuzzy logic control with genetic algorithm, On the one hand, fuzzy control can express the systemic information with non-linear and fuzzy knowledge; on the other hand, genetic algorithms can improve the systemic ability of self-study. In this chapter, fuzzy genetic algorithm is used to optimize the fuzzy set partitions and the fuzzy logic control method is used to adjust the probabilities of crossover and mutation. It can be obtained to the design of optimal or sub-optimal fuzzy logic controller. For an industrial process described by a second-order model, a computer simulation is conducted. The result shows the proposed method is effective.
Finally, on the basis of the summarization of the research results in this dissertation, the future developments about FLC are discussed.
引文
[1] Zadeh L A. Fuzzy sets. Information and Control, vol.8, 1965:338-353
[2] Mamdani E H. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant. Proc. IEE, 1974, 121(12): 1585-1588
[3] 刘向杰，柴天佑．模糊控制研究的现状与新发展．信息与控制，J，1999，28(4)：233-242
[4] 刘曙光，王志宏．模糊控制的发展与展望．机电工程，2000，17(1)：9-13
[5] 张恩勤，施颂椒．模糊控制系统近年来的研究与发展．控制理论与应用，2001，18(1)：7-11
[6] 汪木兰，顾绳谷．模糊控制的回顾和发展趋势．工业仪表与自动化装置，1994(1)，3-6
[7] 彭声亮．模糊控制技术的应用与发展评述．自动化与仪器仪表，1995(2)，7-11
[8] 刘有才，刘增良．模糊专家系统原理与设计。北京：北京航空航天大学出版社，1995
[9] 诸静等著，模糊控制原理与应用．北京：机械工业出版社，1995
[10] 冯冬青，谢宋和．模糊智能控制．北京：化学工业出版社，1998
[11] 易继锴．智能控制技术．北京：北京工业大学出版社，1999
[12] 刘曙光．模糊控制技术．北京：中国纺织出版社，2001
[13] 章卫国．模糊控制理论及应用．西安：西北工业大学出版社，2000
[14] 王顺晃，舒迪前．智能控制系统及其应用．北京：机械工业出版社，1995
[15] Mamdani E H. Application of fuzzy logic to approximate reasoning using linguistic synthesis. IEEE Transaction on computers, 1977, 26(12): 1182-1191
[16] 应浩．关于模糊控制理论与应用的若干问题．自动化学报，2001，27(4)：591-592
[17] 贺剑锋，陈晖，黄石生．模糊控制的新近发展．控制理论与应用，1994，11(2)，129-136
[18] 王学慧，田成方．微机模糊控制理论及其应用．北京：电子工业出版社，1987
[19] 李友善，李军．模糊控制理论及其在过程控制中的应用．北京：国防工业出版社，1993
[20] 王立新．模糊系统：挑战与机遇并存一十年研究之感悟．自动化学报，2001，27(4)：585-590
[21] 孙增忻等著．智能控制理论与技术．北京：清华大学出版社，1997
[22] Zadeh L A. Outline of a new approach to the analysis of complex system and decision processes. IEEE Trans. Man Cyberm, 1973.SMC3:28-44
[23] 窦振中．模糊逻辑控制技术及其应用．北京：北京航空航天大学出版社，1995
[24] 李晨晖．模糊控制技术现状与展望．青海大学学报，2001，19(1)：52-54
[25] 汪培庄．模糊集合论及其应用．上海：上海科学技术出版社，1983
[26] 丁永生，邵世煌．模糊控制若干问题研究的回顾与探讨．微电脑应用，1999，5(9)：1-5
[27] 余永权，曾碧．单片机模糊，逻辑控制．北京：北京航空航天大学出版社，1995
[28] 屠宇，梁惠冰．一种基于比例、量化因子在线自调整的自适应模糊控制器．广东自动化与信息工程，1999(2)：1-4
[29] 李士勇，模糊控制神经理论和智能控制论．哈尔滨：哈尔滨工业大学出版社，1996
[30] 孙庆，吴宏鑫．自适应模糊控制的仿真研究．计算机仿真，1997，14(3)：47-49
[31] Procyk. T J, Mamdani E H. A Linguistic Self-Organizing Process Controller. Automatic, 1979, 15:15-30
[32] Satstry S S. An Adaptive Control of Liner Systems. IEEE Trans Automatic Contr, 1989, 34(11): 1123-1131
[33] Kosko B. Neural Networks and Fuzzy Systems. Englewood Cliffs: Prentice-Hall, 1992.339-361
[34] Sanner R M, Slotine J E. Guassian Networks for Direct Adaptive Control. IEEE Trans Neural Networks, 1992, 3:837-863
[35] Yesildirek A, Lewis F L.A Neural Network Controller for Feedback Linearization. Proc3 3rd Conf Decision Con-tro. 1994.2494-2499
[36] Spooner J T, Passino K M. Stable Adaptive Control Using Fuzzy Systems and Neural Networks. IEEE Trans Fuzzy System, 1996, 4:339-359
[37] Park Y M, Moon U, Lee K Y.A Self-Organizing Fuzzy Logic Controller for Dynamic Systems Using a Fuzzy Auto-Regressive Moving Average (FARMA) Model. IEEE Trans Fuzzy Systems, 1995, 3(3): 75-82
[38] Kim J, Zeigler B P. Designing Fuzzy Logic Controllers Using a Multiresolutional Search Paradigm. IEEE Trans Fuzzy Systems, 1996,4(3): 213-226
[39] 龙升照，汪培庄．Fuzzy控制规则的自调整问题．模糊数学，1982(3)：105-112
[40] 李东辉．Fuzzy控制规则自调整和Fuzzy控制系统寻优及其仿真研究．模糊数学，1986(3)：53-61
[41] PENG-Xian Lu. Generating Rules for Fuzzy Logic Controllers by Functions.
Fuzzy Sets and Systems. 1990, 36:83-89
[42] Miklo M, Shula M. A Self-tuning Fuzzy controller. Fuzzy Sets and Systems. 1992, 51:29-40
[43] 张景元．模糊控制规则库及其优化方法．淄博学院学报(自然科学与工程版)．2000，2(3)：15-18
[44] 胡少华，刘少民．Fuzzy控制规则的自动生成及其校正方法．自动化学报，1991，17(5)：606-610
[45] 金耀初．基于遗传算法的模糊控制器分析．模式识别与人工智能，1997，10(1)：21-24．
[46] 胡炜．遗传优化模糊逻辑控制器．计算机科学，1997，24(6)：15-17．
[47] 钟晓敏，方建安，邵世煌．混沌系统的一种自学习模糊控制．信息与控制，1998，27(6)：475-478
[48] Karr C L, Gentry E J. Fuzzy control of PH using genetic algorithms. IEEE. Trans. Fuzzy System. 1993, 1(1): 46-53
[49] 张毅，李人厚．基于基因算法的多变量模糊控制器的设计．控制理论与应用，1996，13(4)：409-416
[50] 顾峻，沈炯，陈来九．遗传算法对模糊控制的优化及其应用．东南大学学报，1998，增刊：109-119
[51] Buckley J. Fuzzy genetic algorithms and application. Fuzzy Sets and Systems. 1994, 60:61-70
[52] Lim M H, Rahardja S. A GA paradigm for learning fuzzy rules. Fuzzy Sets and Systems, 1996, 72:177-186
[53] 张晓缋，戴冠中，徐乃平．遗传算法在抽取和过滤模糊控制规则中的应用研究。控制理论与应用，1998，15(3)：379-384
[54] 金耀初，蒋静坪．基于进化计算的模糊控制规则优化．控制与决策，1996，11(6)：672-676
[55] Park D, Kandel A and Langholz C. genetic-based new fuzzy reasoning models with application to fuzzy control. IEEE Transaction on Systems, Man &Cybernetics, 1994, 24(1): 39-47
[56] Homaifar. A, Connick E. Simultaneous design of membership functions and rules sets for fuzzy controllers using genetic algorithms. IEEE. Trans. Fuzzy System. 1995, 3(2): 129-139
[57] 汪秉文，梁尧成．一种基于GA的模糊控制器直接设计方法．华中理工大学学报，1998，26(5)：81-83
[58] Pawlak Z. Rough sets. International Journal of Information and Computer Science, 1982,11(5): 341-356
[59] 赵克勤，宣爱理．集对论一种新的不确定性理论方法与应用．系统工程，1996，14(1)：18-23
[60] Sugeno M, Kang G T. Structure identification of fuzzy model. Fuzzy Sets and System, 1998,28:15-33
[61] Jang J. Adaptive network based fuzzy inference system. IEEE Trans on SMC, 1993, 23(3): 665-685
[62] 安利平，吴育华，仝凌云．一种基于粗糙集理论的规则获取算法．管理科学学报，2001，4(5)：341-356
[63] 龚瑞昆，李奇平．实验室水槽装置液位模糊控制系统的设计．河北理工学院学报，2001，23(3)25-29
[64] 李莉，基于可变精度粗集模型的增量式归纳学习．计算机科学．1999，26(1)：55-58
[65] 刘清．Rough集及Rough推理．北京：科学出版社，2001
[66] 刘清．算子Rough逻辑及其归结原理．计算机学报，1998，21(5)：476-480
[67] 刘清等，带Rough算子的决策规则及数据挖掘中的软计算．计算机研究与发展，1999，36(7)：800-804
[68] 刘清．基于Rough集的模态逻辑及其近似推理．计算机应用与软件，1999，16(4)：6-13
[69] 刘清．各种不精确性理论的Rough集解释．计算机科学，1999，26(12)：5-8
[70] 刘清等．Rough逻辑及其在数据约简中的应用．软件学报，2001，12(3)：415-419
[71] 邓大勇，江峰，刘清．基于RouSh集方法的数据约简与机器学习，计算机与现代化，2002，1：21-23
[72] 刘清．Rough集理论：现状与前景．计算机科学，1997，24(4)：1-5
[73] Resconi G. Interpretations of various uncertainty theories using models of fuzzy logic. Fuzzy Sets and Systems, 1996, 80:7-14
[74] Dubois D, Prade H. Rough fuzzy sets and fuzzy rough sets. International Journal of General System. 1990, 17:191-209
[75] 赵克勤．集对分析对不确定性的描述和处理．信息与控制，1995，24(3)：162-166
[76] 赵克勤．集对分析及其初步应用．大自然探索，1994，13(1)：67-72
[77] 赵克勤，黄德才．基于a+bj+cj型联系数的网络计划方法初探．系统工程与电子技术，2000，22(2)：29-31
[78] 黄德才，赵克勤．用联系数描述和处理网络计划中的不确定性．系统工程学报，1999，14(2)：112-117
[79] 张平，黄德才．基于联系度的Rough集．杭州电子工业学院学报，2001．21(1)：50-54
[80] 赵克勤．联系数及其应用．吉林师范学院学报，1996，(8)：15-19
[81] Ying H. Fuzzy Control Theory: A nonlinear case. Automatica,
1990，26：513-520
[82] 张乃尧．典型模糊控制器的结构分析．模糊系统与数学，1997，11(2)：10-21
[83] 李宁，张乃尧．采用不同模糊推理方法时典型模糊控制器的结构分析．模糊系统与数学1998，12(3)：85-92
[84] Palm R. Robust Control by Fuzzy Sliding Mode, Automatica, 1994, 30(9): 1429-1437
[85] Li.H.X. Dual Feature of Conventional Fuzzy Logic Control. 自动化学报，2001．27(4)：451-459
[86] 傅春，谢剑英．模糊滑模控制综述．信息与控制，2001，30(5)：433-439
[87] 肖雁鸿，陈日新等．非晶制带钢水液位的模糊滑模变结构控制．基础自动化，2002，9(1)：9-11
[88] 王顺晃，舒迪前．智能控制系统及其应用．北京：机械工业出版社，1995
[89] 高为炳．变结构控制的理论及设计方法．北京：科学出版社，1996
[90] 金耀初，蒋静坪．一类非线性系统的模糊变结构控制及应用．控制与决策，1992，7(1)：36-40
[91] Hwang G C and Chang S.A stability approach to fuzzy control design for nonlinear system. Fuzzy Sets and System, 1992,48(2): 279-287
[92] 杨智民等，遗传算法在．自动控制领域中的应用综述．信息与控制，2000，29(4)：329-339
[93] 付华，杜维．利用遗传算法优化模糊控制器综述．石油化工自动化，2001，(1)：24-26
[94] Park D, Kandel A and Langholz C. Genetic-based new fuzzy reasoning models with application to fuzzy control. IEEE Transaction on Systems, Man &Cybernetics, 1994,24(1): 39-47
[95] Lim M H, Rahardja S.A GA paradigm for learning fuzzy rules. Fuzzy Sets and Systems, 1996, 72(2): 177-186
[96] 崔光照等，遗传算法和模糊控制的融合研究．郑州轻工业学院学报，2000，15(1)：41-44
[97] 王丰浩，俞炳丰，模糊控制空调器参数优化的变群体规模遗传算法．西安交通大学学报，2001，35(5)：463-466
[98] 王晶等，基于遗传算法的模糊系统优化方法．控制理论与应用，1999，16(5)：699-704
[99] 王晖等．基于模糊控制遗传算法的输电系统最优化规划．电力系统自动化，2000，24(2)：51-55
[100] 曹永岩，孙优贤等．现代控制理论的工程应用．杭州：浙江大学出版社，2000：271-277．
[101] Feng Q X, Francesco P. Theoretical analysis of evolutionary algorithms with
an infinite population size in continuous space part Ⅰ and Ⅱ: Basic properties of selection and mutation. IEEE Trans Neural networks, 1994,5(1): 102-129
[102] 孟庆寿．带有对称编码的基因算法的研究．电子学报，1996，24(10)：27-31
[103] 孙艳丰，王众托．自然编码遗传算法的最优群体规模．信息与控制，1996，25(5)：317-320
[104] Srinivas M, Patnaik L M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithm. IEEE Trans on Systems, Man &Cybernetics, 1994, 24(4): 656-667
[105] Q H Wu, Y J Cao and J Y Wen. Optimal reactive power dispatch using an adaptive genetic algorithm. Electrical Power & Energy Systems, 1998, 20(8): 563-569
[106] Kreinovich V, Quintana C and Fuentes O. Genetic Algorithm s-What Fitness Scaling is Optimal. Ctberm and System. 1993, 24(1): 9-26
[107] Potts J C, etal. The Development and Evaluation of an Improved Genetic Algorithm Based on Migration and Artificial Selection. IEEE Trans on Systems, Man &Cybernetics, 1994, 24(1): 73-86
[108] Kuo T, Hwang S Y.A Genetic Algorithm with Disruptive Selection. IEEE Trans on Systems, Man &Cybernetics, 1996, 26(2): 299-306
[109] 张良杰，毛志宏，李衍达．遗传算法中突变算子的数学分析及改进策略．电子科学学刊，1996，18(6)：590-595
[110] 于剑，程乾生．模糊划分的一个新定义及其应用．北京大学学报，2000，36(5)：619-623
[111] MitsoGen, Runwei Cheng. Genetic Algorithms Engineering Optimization. New York: John Wiley&Sons.Inc, 2000
[112] 楼顺天等．基于MATLAB的系统分析与设计——模糊系统．西安：西安电子科技大学出版社，2001
[2] Mamdani E H. Applications of Fuzzy Algorithms for Control of Simple Dynamic Plant. Proc. IEE, 1974, 121(12): 1585-1588
[3] 刘向杰，柴天佑．模糊控制研究的现状与新发展．信息与控制，J，1999，28(4)：233-242
[4] 刘曙光，王志宏．模糊控制的发展与展望．机电工程，2000，17(1)：9-13
[5] 张恩勤，施颂椒．模糊控制系统近年来的研究与发展．控制理论与应用，2001，18(1)：7-11
[6] 汪木兰，顾绳谷．模糊控制的回顾和发展趋势．工业仪表与自动化装置，1994(1)，3-6
[7] 彭声亮．模糊控制技术的应用与发展评述．自动化与仪器仪表，1995(2)，7-11
[8] 刘有才，刘增良．模糊专家系统原理与设计。北京：北京航空航天大学出版社，1995
[9] 诸静等著，模糊控制原理与应用．北京：机械工业出版社，1995
[10] 冯冬青，谢宋和．模糊智能控制．北京：化学工业出版社，1998
[11] 易继锴．智能控制技术．北京：北京工业大学出版社，1999
[12] 刘曙光．模糊控制技术．北京：中国纺织出版社，2001
[13] 章卫国．模糊控制理论及应用．西安：西北工业大学出版社，2000
[14] 王顺晃，舒迪前．智能控制系统及其应用．北京：机械工业出版社，1995
[15] Mamdani E H. Application of fuzzy logic to approximate reasoning using linguistic synthesis. IEEE Transaction on computers, 1977, 26(12): 1182-1191
[16] 应浩．关于模糊控制理论与应用的若干问题．自动化学报，2001，27(4)：591-592
[17] 贺剑锋，陈晖，黄石生．模糊控制的新近发展．控制理论与应用，1994，11(2)，129-136
[18] 王学慧，田成方．微机模糊控制理论及其应用．北京：电子工业出版社，1987
[19] 李友善，李军．模糊控制理论及其在过程控制中的应用．北京：国防工业出版社，1993
[20] 王立新．模糊系统：挑战与机遇并存一十年研究之感悟．自动化学报，2001，27(4)：585-590
[21] 孙增忻等著．智能控制理论与技术．北京：清华大学出版社，1997
[22] Zadeh L A. Outline of a new approach to the analysis of complex system and decision processes. IEEE Trans. Man Cyberm, 1973.SMC3:28-44
[23] 窦振中．模糊逻辑控制技术及其应用．北京：北京航空航天大学出版社，1995
[24] 李晨晖．模糊控制技术现状与展望．青海大学学报，2001，19(1)：52-54
[25] 汪培庄．模糊集合论及其应用．上海：上海科学技术出版社，1983
[26] 丁永生，邵世煌．模糊控制若干问题研究的回顾与探讨．微电脑应用，1999，5(9)：1-5
[27] 余永权，曾碧．单片机模糊，逻辑控制．北京：北京航空航天大学出版社，1995
[28] 屠宇，梁惠冰．一种基于比例、量化因子在线自调整的自适应模糊控制器．广东自动化与信息工程，1999(2)：1-4
[29] 李士勇，模糊控制神经理论和智能控制论．哈尔滨：哈尔滨工业大学出版社，1996
[30] 孙庆，吴宏鑫．自适应模糊控制的仿真研究．计算机仿真，1997，14(3)：47-49
[31] Procyk. T J, Mamdani E H. A Linguistic Self-Organizing Process Controller. Automatic, 1979, 15:15-30
[32] Satstry S S. An Adaptive Control of Liner Systems. IEEE Trans Automatic Contr, 1989, 34(11): 1123-1131
[33] Kosko B. Neural Networks and Fuzzy Systems. Englewood Cliffs: Prentice-Hall, 1992.339-361
[34] Sanner R M, Slotine J E. Guassian Networks for Direct Adaptive Control. IEEE Trans Neural Networks, 1992, 3:837-863
[35] Yesildirek A, Lewis F L.A Neural Network Controller for Feedback Linearization. Proc3 3rd Conf Decision Con-tro. 1994.2494-2499
[36] Spooner J T, Passino K M. Stable Adaptive Control Using Fuzzy Systems and Neural Networks. IEEE Trans Fuzzy System, 1996, 4:339-359
[37] Park Y M, Moon U, Lee K Y.A Self-Organizing Fuzzy Logic Controller for Dynamic Systems Using a Fuzzy Auto-Regressive Moving Average (FARMA) Model. IEEE Trans Fuzzy Systems, 1995, 3(3): 75-82
[38] Kim J, Zeigler B P. Designing Fuzzy Logic Controllers Using a Multiresolutional Search Paradigm. IEEE Trans Fuzzy Systems, 1996,4(3): 213-226
[39] 龙升照，汪培庄．Fuzzy控制规则的自调整问题．模糊数学，1982(3)：105-112
[40] 李东辉．Fuzzy控制规则自调整和Fuzzy控制系统寻优及其仿真研究．模糊数学，1986(3)：53-61
[41] PENG-Xian Lu. Generating Rules for Fuzzy Logic Controllers by Functions.
Fuzzy Sets and Systems. 1990, 36:83-89
[42] Miklo M, Shula M. A Self-tuning Fuzzy controller. Fuzzy Sets and Systems. 1992, 51:29-40
[43] 张景元．模糊控制规则库及其优化方法．淄博学院学报(自然科学与工程版)．2000，2(3)：15-18
[44] 胡少华，刘少民．Fuzzy控制规则的自动生成及其校正方法．自动化学报，1991，17(5)：606-610
[45] 金耀初．基于遗传算法的模糊控制器分析．模式识别与人工智能，1997，10(1)：21-24．
[46] 胡炜．遗传优化模糊逻辑控制器．计算机科学，1997，24(6)：15-17．
[47] 钟晓敏，方建安，邵世煌．混沌系统的一种自学习模糊控制．信息与控制，1998，27(6)：475-478
[48] Karr C L, Gentry E J. Fuzzy control of PH using genetic algorithms. IEEE. Trans. Fuzzy System. 1993, 1(1): 46-53
[49] 张毅，李人厚．基于基因算法的多变量模糊控制器的设计．控制理论与应用，1996，13(4)：409-416
[50] 顾峻，沈炯，陈来九．遗传算法对模糊控制的优化及其应用．东南大学学报，1998，增刊：109-119
[51] Buckley J. Fuzzy genetic algorithms and application. Fuzzy Sets and Systems. 1994, 60:61-70
[52] Lim M H, Rahardja S. A GA paradigm for learning fuzzy rules. Fuzzy Sets and Systems, 1996, 72:177-186
[53] 张晓缋，戴冠中，徐乃平．遗传算法在抽取和过滤模糊控制规则中的应用研究。控制理论与应用，1998，15(3)：379-384
[54] 金耀初，蒋静坪．基于进化计算的模糊控制规则优化．控制与决策，1996，11(6)：672-676
[55] Park D, Kandel A and Langholz C. genetic-based new fuzzy reasoning models with application to fuzzy control. IEEE Transaction on Systems, Man &Cybernetics, 1994, 24(1): 39-47
[56] Homaifar. A, Connick E. Simultaneous design of membership functions and rules sets for fuzzy controllers using genetic algorithms. IEEE. Trans. Fuzzy System. 1995, 3(2): 129-139
[57] 汪秉文，梁尧成．一种基于GA的模糊控制器直接设计方法．华中理工大学学报，1998，26(5)：81-83
[58] Pawlak Z. Rough sets. International Journal of Information and Computer Science, 1982,11(5): 341-356
[59] 赵克勤，宣爱理．集对论一种新的不确定性理论方法与应用．系统工程，1996，14(1)：18-23
[60] Sugeno M, Kang G T. Structure identification of fuzzy model. Fuzzy Sets and System, 1998,28:15-33
[61] Jang J. Adaptive network based fuzzy inference system. IEEE Trans on SMC, 1993, 23(3): 665-685
[62] 安利平，吴育华，仝凌云．一种基于粗糙集理论的规则获取算法．管理科学学报，2001，4(5)：341-356
[63] 龚瑞昆，李奇平．实验室水槽装置液位模糊控制系统的设计．河北理工学院学报，2001，23(3)25-29
[64] 李莉，基于可变精度粗集模型的增量式归纳学习．计算机科学．1999，26(1)：55-58
[65] 刘清．Rough集及Rough推理．北京：科学出版社，2001
[66] 刘清．算子Rough逻辑及其归结原理．计算机学报，1998，21(5)：476-480
[67] 刘清等，带Rough算子的决策规则及数据挖掘中的软计算．计算机研究与发展，1999，36(7)：800-804
[68] 刘清．基于Rough集的模态逻辑及其近似推理．计算机应用与软件，1999，16(4)：6-13
[69] 刘清．各种不精确性理论的Rough集解释．计算机科学，1999，26(12)：5-8
[70] 刘清等．Rough逻辑及其在数据约简中的应用．软件学报，2001，12(3)：415-419
[71] 邓大勇，江峰，刘清．基于RouSh集方法的数据约简与机器学习，计算机与现代化，2002，1：21-23
[72] 刘清．Rough集理论：现状与前景．计算机科学，1997，24(4)：1-5
[73] Resconi G. Interpretations of various uncertainty theories using models of fuzzy logic. Fuzzy Sets and Systems, 1996, 80:7-14
[74] Dubois D, Prade H. Rough fuzzy sets and fuzzy rough sets. International Journal of General System. 1990, 17:191-209
[75] 赵克勤．集对分析对不确定性的描述和处理．信息与控制，1995，24(3)：162-166
[76] 赵克勤．集对分析及其初步应用．大自然探索，1994，13(1)：67-72
[77] 赵克勤，黄德才．基于a+bj+cj型联系数的网络计划方法初探．系统工程与电子技术，2000，22(2)：29-31
[78] 黄德才，赵克勤．用联系数描述和处理网络计划中的不确定性．系统工程学报，1999，14(2)：112-117
[79] 张平，黄德才．基于联系度的Rough集．杭州电子工业学院学报，2001．21(1)：50-54
[80] 赵克勤．联系数及其应用．吉林师范学院学报，1996，(8)：15-19
[81] Ying H. Fuzzy Control Theory: A nonlinear case. Automatica,
1990，26：513-520
[82] 张乃尧．典型模糊控制器的结构分析．模糊系统与数学，1997，11(2)：10-21
[83] 李宁，张乃尧．采用不同模糊推理方法时典型模糊控制器的结构分析．模糊系统与数学1998，12(3)：85-92
[84] Palm R. Robust Control by Fuzzy Sliding Mode, Automatica, 1994, 30(9): 1429-1437
[85] Li.H.X. Dual Feature of Conventional Fuzzy Logic Control. 自动化学报，2001．27(4)：451-459
[86] 傅春，谢剑英．模糊滑模控制综述．信息与控制，2001，30(5)：433-439
[87] 肖雁鸿，陈日新等．非晶制带钢水液位的模糊滑模变结构控制．基础自动化，2002，9(1)：9-11
[88] 王顺晃，舒迪前．智能控制系统及其应用．北京：机械工业出版社，1995
[89] 高为炳．变结构控制的理论及设计方法．北京：科学出版社，1996
[90] 金耀初，蒋静坪．一类非线性系统的模糊变结构控制及应用．控制与决策，1992，7(1)：36-40
[91] Hwang G C and Chang S.A stability approach to fuzzy control design for nonlinear system. Fuzzy Sets and System, 1992,48(2): 279-287
[92] 杨智民等，遗传算法在．自动控制领域中的应用综述．信息与控制，2000，29(4)：329-339
[93] 付华，杜维．利用遗传算法优化模糊控制器综述．石油化工自动化，2001，(1)：24-26
[94] Park D, Kandel A and Langholz C. Genetic-based new fuzzy reasoning models with application to fuzzy control. IEEE Transaction on Systems, Man &Cybernetics, 1994,24(1): 39-47
[95] Lim M H, Rahardja S.A GA paradigm for learning fuzzy rules. Fuzzy Sets and Systems, 1996, 72(2): 177-186
[96] 崔光照等，遗传算法和模糊控制的融合研究．郑州轻工业学院学报，2000，15(1)：41-44
[97] 王丰浩，俞炳丰，模糊控制空调器参数优化的变群体规模遗传算法．西安交通大学学报，2001，35(5)：463-466
[98] 王晶等，基于遗传算法的模糊系统优化方法．控制理论与应用，1999，16(5)：699-704
[99] 王晖等．基于模糊控制遗传算法的输电系统最优化规划．电力系统自动化，2000，24(2)：51-55
[100] 曹永岩，孙优贤等．现代控制理论的工程应用．杭州：浙江大学出版社，2000：271-277．
[101] Feng Q X, Francesco P. Theoretical analysis of evolutionary algorithms with
an infinite population size in continuous space part Ⅰ and Ⅱ: Basic properties of selection and mutation. IEEE Trans Neural networks, 1994,5(1): 102-129
[102] 孟庆寿．带有对称编码的基因算法的研究．电子学报，1996，24(10)：27-31
[103] 孙艳丰，王众托．自然编码遗传算法的最优群体规模．信息与控制，1996，25(5)：317-320
[104] Srinivas M, Patnaik L M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithm. IEEE Trans on Systems, Man &Cybernetics, 1994, 24(4): 656-667
[105] Q H Wu, Y J Cao and J Y Wen. Optimal reactive power dispatch using an adaptive genetic algorithm. Electrical Power & Energy Systems, 1998, 20(8): 563-569
[106] Kreinovich V, Quintana C and Fuentes O. Genetic Algorithm s-What Fitness Scaling is Optimal. Ctberm and System. 1993, 24(1): 9-26
[107] Potts J C, etal. The Development and Evaluation of an Improved Genetic Algorithm Based on Migration and Artificial Selection. IEEE Trans on Systems, Man &Cybernetics, 1994, 24(1): 73-86
[108] Kuo T, Hwang S Y.A Genetic Algorithm with Disruptive Selection. IEEE Trans on Systems, Man &Cybernetics, 1996, 26(2): 299-306
[109] 张良杰，毛志宏，李衍达．遗传算法中突变算子的数学分析及改进策略．电子科学学刊，1996，18(6)：590-595
[110] 于剑，程乾生．模糊划分的一个新定义及其应用．北京大学学报，2000，36(5)：619-623
[111] MitsoGen, Runwei Cheng. Genetic Algorithms Engineering Optimization. New York: John Wiley&Sons.Inc, 2000
[112] 楼顺天等．基于MATLAB的系统分析与设计——模糊系统．西安：西安电子科技大学出版社，2001