基于粗糙粒计算的非解析逆系统模型辨识及控制方法研究

针对逆系统模型辨识与控制中存在难以用精确数学模型描述的不确定性，为了能够直接对这些不确定性信息进行合适的处理，而不再是采用纯数学上的假设来消除或回避这种不确定性，本课题主要研究基于粗糙粒计算的非解析逆系统模型辨识以及逆系统模型控制算法。拟开展的研究工作包括：1）研究逆系统知识模型的不同层次粗糙信息粒化表示，以及对模型中的不确定性信息近似分类精度、近似分类质量等指标的影响；2）对逆系统决策模型的一致性和完备性问题进行分析，结合粗糙粒计算与神经网络等软计算方法的集成算法，实现非解析逆系统知识模型的有效泛化逻辑推理；3）研究基于粗糙粒计算的逆系统模型辨识以及逆系统模型控制算法；4）以典型非线性励磁系统为对象，探索粗糙信息粒逆系统模型辨识和逆模控制方法的实际应用，验证算法的有效性。本研究对逆系统方法的知识模型信息处理、非解析实现以及逆系统控制方法的实际应用具有重要意义。

针对非解析逆系统方法知识建模与控制中存在的信息处理问题，利用粗糙粒计算不依赖于模型的先验信息并可直接对不确定性信息进行客观处理的突出特点，从粗糙粒计算及其与神经网络等其它软计算方法集成的角度，研究非解析逆系统模型辨识及逆系统模型控制算法。针对非解析逆系统模型的连续属性数据信息，结合邻域粗糙集模型，提出了一种单维度的知识信息层次粒化与度量方法，在粗糙信息粒化和综合评价的基础上，给出了基于知识粒度的启发式属性约简算法、基于层次粒化的连续数据信息属性约简算法；针对非解析逆系统模型可能会出现的不完备信息，将二进制可辨矩阵的方法扩展到了不完备信息系统相似关系、限制容差关系、完备容差关系等模型下，对粒计算属性约简、规则约简、最小决策算法等进行了研究，形成了具体可行的算法；研究了基于粒计算方法的聚类算法，考虑数据簇内对象之间的差异性，设计了基于簇内不平衡度量、基于加权距离度量等系列粗糙聚类算法，使得聚类结果簇内更加紧凑，簇间更加疏远，有效地提高了聚类结果的精度；结合神经网络的集成算法，探索了非解析逆系统知识模型的泛化逻辑推理实现方法，基于资源分配网络，提出了非线性逆系统模型在线辨识的动态数据信息处理方法；探索了基于粗糙粒计算神经网络的非线性系统内模控制方法，给出了内模控制器设计的实现算法；为探索非解析逆系统方法在电力系统中的实例应用，针对同步发电机励磁系统的时变和非线性特征，实现了双机并联运行电力系统交互式仿真计算平台，实现了基于粗糙粒计算的发电机励磁神经PID自适应控制，探索了多发电机组励磁系统的逆系统模型辨识与逆模型控制实现方法。项目研究达到了预期目标。. 本课题在国内外核心期刊以及国际会议发表学术论文15篇，已被EI检索13篇、SCI检索1篇；另有4篇已投SCI国际期刊，其中1篇录用、3篇正在返修；申请并已公开发明专利4项、授权实用新型专利3项，培养课题相关硕士研究生已毕业4名、即将毕业3名。