Optimierung von Fuzzy-Controllern
In der vorliegenden Arbeit werden verschiedene Optimierungssysteme für Fuzzy-Controller vorgestellt und miteinander verglichen. Ausgehend von den Einschränkungen für den erfolgreichen Einsatz der bekannten Systeme wurde ein eigenes Optimierungssystem für Fuzzy-Controller entwickelt, das ohne besonde...
Verfasser: | |
---|---|
FB/Einrichtung: | FB 10: Mathematik und Informatik |
Dokumenttypen: | Dissertation/Habilitation |
Medientypen: | Text |
Erscheinungsdatum: | 2003 |
Publikation in MIAMI: | 24.02.2014 |
Datum der letzten Änderung: | 04.07.2016 |
Angaben zur Ausgabe: | [Electronic ed.] |
Schlagwörter: | Fuzzy-Controller; Fuzzy-Logistik; neuronale Netze; Optimierung; Lernen |
Fachgebiet (DDC): | 004: Datenverarbeitung; Informatik |
Lizenz: | InC 1.0 |
Sprache: | Deutsch |
Format: | application/postscript |
URN: | urn:nbn:de:hbz:6-94309523572 |
Permalink: | https://nbn-resolving.de/urn:nbn:de:hbz:6-94309523572 |
Onlinezugriff: | biblexp.ps |
In der vorliegenden Arbeit werden verschiedene Optimierungssysteme für Fuzzy-Controller vorgestellt und miteinander verglichen. Ausgehend von den Einschränkungen für den erfolgreichen Einsatz der bekannten Systeme wurde ein eigenes Optimierungssystem für Fuzzy-Controller entwickelt, das ohne besondere Voraussetzungen einen vorgegebenen Fuzzy-Controller optimiert. Teil I beschäftigt sich mit den theoretischen Grundlagen von neuronalen Netzen und Fuzzy-Controllern. Neuronale Netze sind lernfähige Systeme, welche aus einer Anzahl einfacher Einheiten bestehen, die miteinander verbunden sind. Fuzzy-Controller ermöglichen die Steuerung von Prozessen mit Hilfe anschaulicher WENN-DANN-Regeln. Teil II behandelt die Optimierung von Fuzzy-Controllern nach Mamdani. Das Verfahren von Lin und Lee, das NEFCON-Modell und das neu entwickelte MFOS (Münsteraner-Fuzzy-Optimierungs-System) werden vorgestellt. Teil III behandelt die Optimierung von Sugeno-Controllern. Das ANFIS-System und eine spezielle Version des MFOS für Sugeno-Controller werden vorgestellt.