Erweiterte Suche

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 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.

Titel: Optimierung von Fuzzy-Controllern
Verfasser: Niendieck, Steffen GND
Gutachter: Lippe, Wolfram-M.
Organisation: FB 10: Mathematik und Informatik
Dokumenttyp: Dissertation/Habilitation
Medientyp: Text
Erscheinungsdatum: 2003
Publikation in MIAMI: 23.02.2004
Datum der letzten Änderung: 04.07.2016
Schlagwörter: Fuzzy-Controller; Fuzzy-Logistik; neuronale Netze; Optimierung; Lernen
Fachgebiete: Datenverarbeitung; Informatik
Sprache: Deutsch
Format: PDF-Dokument
Andere Versionen: Version 2
URN: urn:nbn:de:hbz:6-85659525971
Permalink: https://nbn-resolving.org/urn:nbn:de:hbz:6-85659525971
Onlinezugriff: