基于数据挖掘生成集气管压力模糊控制规则

摘要

集气管压力系统是一个耦合严重、非线性、扰动频繁剧烈的多变量时变系统，很难用常规方法加以控制。随着控制理论的发展、计算机技术的成熟，在很多地方采用了模糊控制与专家控制相结合的先进策略，但现在模糊控制规则的建立一般都是在经验归纳法的基础上，根据控制规则的设计原则，依靠专家知识和操作人员的经验积累所得到的。 在影响焦炉集气管压力的众多因素中，有的因素值的改变对集气管压力的波动影响较小，有的因素值的改变对集气管压力的波动影响就要大的多。因此，首先利用粗糙集理论中的属性约简这一核心性质，生成集气管压力系统的机理模型。在得到集气管压力系统的机理模型后，提出了一种利用数据挖掘中的聚类分析算法来获取模糊控制规则的方法。 通过对采集于唐钢炼焦制气厂的原始数据进行数据预处理，利用聚类分析生成模糊控制规则的方法，可得到不同工况条件下执行机构的状态，即模糊控制规则。通过在MATLAB6.5环境下进行仿真试验，并与利用经验归纳法获得的模糊控制规则的控制效果进行比较，证明了此种新的生成模糊控制规则的方法虽然在峰值时间上效果相当，但在上升时间、超调量、稳念误差三项性能指标上具有一定优势。从而也证明了所提出的生成模糊控制规则方法的合理性和可行性。

目录

文摘

英文文摘

独创性说明及关于论文使用授权的说明

引 言

1 绪论

1.1影响焦炉集气管压力的因素

1.2集气管压力控制的发展

1.3研究的主要内容

2数据预处理

2.1数据挖掘中数据预处理的必要性

2.2实际数据存在的问题

2.3数据预处理的基本功能

2.4预处理的主要方法

2.5对所采集到的数据进行预处理

3基于粗糙集理论生成集气管的机理模型

3.1料糙集理论基本原理

3.1.1知识、知识库

3.1.2信息系统及决策表

3.1.3不可分辨关系

3.1.4集合近似与粗糙集

3.1.5约简与核

3.2属性约简

3.2.1属性约简概述

3.2.2属性约简中的信息熵表示

3.3对所采集到的数据进行属性约简

4对数据进行聚类

4.1数据挖掘概述

4.1.1什么是数据挖掘

4.1.2数据挖掘的体系结构

4.2数据挖掘中的聚类方法

4.2.1聚类分析简介

4.2.2距离与相似性系数

4.2.3主要聚类算法分析

4.2.4 K-means聚类算法

4.3对聚类结果的分析

5生成模糊控制规则并仿真

5.1模糊理论基础

5.1.1模糊控制系统原理

5.1.2模糊控制器

5.1.3模糊规则的产生方法

5.2利用数据挖掘生成模糊控制规则

5.2.1数据准备

5.2.2基于模式类设定语言变量值及其隶属度

5.2.3生成模糊控制规则

5.2.4清晰化

5.3仿真分析

结论与展望

参考文献

附录A 源程序

致 谢

导师简介

作者简介