Tytuł artykułu
Autorzy
Wybrane pełne teksty z tego czasopisma
Identyfikatory
Warianty tytułu
Methods for designing fuzzy controllers
Konferencja
Konferencja Naukowo-Techniczna Automatyzacja - Nowości i Perspektywy (12 ; 2-4.04.2008 ; Warszawa, Polska)
Języki publikacji
Abstrakty
W pracy przedstawiono metody projektowania rozmytych sterowników z wykorzystaniem podejścia Mamdaniego, logicznego oraz Takagi-Sugeno. Zaproponowano nową metodę oceny efektywności działania rozmytych sterowników. Metoda ta została oparta na kryteriach statystycznych zastosowanych w celu sprowadzenia optymalizacji wielokryterialnej do optymalizacji jednokryterialnej. Istotnym elementem tej metody jest wprowadzenie pojęcia linii izokryterialnych, które w znacznym stopniu ułatwiają projektantowi orientację w zbiorze potencjalnych rozwiązań. Wyniki przedstawionych w pracy badań potwierdzą jej przydatność w procesie projektowania systemów rozmytych. Metodę można również z powodzeniem zastosować w projektowaniu innych podobnych systemów, jak np. sieci neuronowych lub systemów ekspertowych.
In the paper the problem of fuzzy controllers designing is considered as the multicriterial optimization. Various Mamdani-type, logical-type and Takagi-Sugeno neuro-fuzzy systems, serving as fuzzy controllers, are studied and compared. Methods for the autoregressive order process estimation are adopted to solve problem of the trade-off between accuracy and number of parameters used to the construction of neuro-fuzzy systems.
Czasopismo
Rocznik
Tom
Strony
82--98
Opis fizyczny
CD, Bibliogr. 15 poz., rys., tab., wzory
Twórcy
autor
- Politechnika Częstochowska
autor
- Politechnika Częstochowska
autor
- Akademia im. Jana Długosza w Częstochowie
Bibliografia
- [1] E. Czogała, J. Łęski, On destructive fuzzy logic controllers, 5-th Zittau Fuzzy Colloquium, 1997, pp. 8–12.
- [2] Czogała E., Łęski J., Fuzzy and Neuro-Fuzzy Intelligent Systems, Physica-Verlag, Heidelberg, New York 2000.
- [3] Dubois D., Prade H., Weighten minimum and maximum operations in fuzzy set theory, Information Sciences, vol. 39, 1986, pp. 205 – 210.
- [4] Fodor J. C., On fuzzy implication, Fuzzy Sets and Systems, vol. 42, 1991, pp. 293-300.
- [5] Kay S. M., Modern Spectral Estimation. Theory and Application, Prentice-Hall, Engewood Cliffs, New Jersay 1988.
- [6] Marple S. L. Jr., Digital Spectral Analysis with applications, Prentice-Hall, Englewood Cliffs, New Jersey 1987.
- [7] Rutkowska D., Nowicki R., Implication - based neuro-fuzzy architectures International, Journal of Applied Mathematics and Computer Science (4), 2000, pp. 675-701.
- [8] Rutkowski L., Filtry Adaptacyjne I Adaptacyjne Przetwarzanie Sygnałów: Teoria i Zastosowania, Wydawnictwo Naukowo-Techniczne WNT, Warszawa 1994.
- [9] Rutkowski L., Cpałka K., Compromise weighted neuro-fuzzy systems, In: L. Rutkowski, J. Kacprzyk (Eds.), Neural Networks and Soft Computing, Physica-Verlag, A Springer-Verlag Company, Heidelberg, 2003, pp. 557 – 562.
- [10] Rutkowski L., Cpałka K., Flexible neuro-fuzzy systems, IEEE Trans. on Neural Networks, vol. 14, 554-574, 2003.
- [11] Rutkowski L., Cpałka K., Designing and learning of adjustable quasi-triangular norms with applications to neuro-fuzzy systems, IEEE Trans. on Fuzzy Systems, vol. 14, 140-151, 2005.
- [12] Söderström T., Stoica p., Identyfikacja Systemów, Wydawnictwa Naukowe PWN, Warszawa 1997.
- [13] Takagi T., Sugeno M., Fuzzy identification of systems and its application to modeling and controll, IEEE Trans. Syst., Man, Cybern., vol. 15, 116-132, 1985.
- [14] Zadeh L. A., Fuzzy Sets, Information and Control, 1965, vol. 8, pp. 338-353.
- [15] Zalewski A., Cegiełka R., Matlab – obliczenia numeryczne i ich zastosowania, Wydawnictwo NAKOM, Poznań 2002.
Typ dokumentu
Bibliografia
Identyfikator YADDA
bwmeta1.element.baztech-5fc66e58-69fa-4498-b259-f1e82d041180