English  |  正體中文  |  简体中文  |  全文笔数/总笔数 : 62819/95882 (66%)
造访人次 : 4010244      在线人数 : 998
RC Version 7.0 © Powered By DSPACE, MIT. Enhanced by NTU Library & TKU Library IR team.
搜寻范围 查询小技巧:
  • 您可在西文检索词汇前后加上"双引号",以获取较精准的检索结果
  • 若欲以作者姓名搜寻,建议至进阶搜寻限定作者字段,可获得较完整数据
  • 进阶搜寻


    jsp.display-item.identifier=請使用永久網址來引用或連結此文件: https://tkuir.lib.tku.edu.tw/dspace/handle/987654321/115689


    题名: 模糊鑑別器於Burn In系統之設計
    其它题名: Fuzzy Identification for Burn-In System
    作者: 陳光原
    关键词: 模糊系統;群聚分析演算法:奔應系統
    日期: 2012-06
    上传时间: 2018-12-18 12:11:09 (UTC+8)
    摘要: 建立一個模糊系統主要是依靠專家經驗來提供設計方法。如果一個受控系統只知道它的輸入輸出資料時,如何在沒有專家經驗下來建立適當的模糊鑑別器是很大的挑戰。本論文會探討設計一個模糊鑑別器的方法,藉著學習法則來不斷地學習輸入輸出的資料的行為,使其儘可能趨近於欲鑑別的系統。
    在論文的第一部份,我們發展了一種適用於模糊空間切割的分群演算法,它可以有效的探勘所處理資料之群聚分佈狀態,分析欲鑑別系統輸入輸出資料的群聚關係,而所得到之結果則可用作模糊系統粗略式的結構鑑別。得到初步的模糊系統之後,便可以系統之輸入輸出資料做為訓練目標,進一步學習以細調模糊系統的參數,使之能夠更精確符合受鑑系統的行為。
    在論文的第二部份,我們介紹一種基於競爭式學習的模糊系統建模方法。我們利用SOFM 神經網路在低維度矩陣空間內輸出拓樸網路來得到高維度輸入資料的推理法則,並產生有意義的規則資料庫以重塑受鑑別系統。而為了更精確逼近受鑑系統的特性,本論文將萃取出的模糊規則進一步結合遞迴式最小平方法進行參數鑑別的設計程序,來達到微調的效果。
    論文的最後一個部份則是將模糊鑑別器的設計方法應用在一Burn-In測試系統的恆溫調節。在此Burn-In測試系統中,我們需要控制加熱器與散熱風扇讓測試溫度穩定在所設定範圍,才能達到對每一個待測物Burn-In的效果;傳統作法中使用PI控制器所實現的溫度控制系統需要耗費很多時間來調整控制參數,在上升時間與超越量等性能也不易滿足測試的需求。本論文使用模糊鑑別器的設計方法建立模糊控制器以操控風扇及加熱器之運作,實際結果發現除了減少參數調整的試誤時間外,對系統也有較快上升時間及較小的超越量。
    显示于类别:[電機工程學系暨研究所] 專書

    文件中的档案:

    档案 描述 大小格式浏览次数
    index.html0KbHTML97检视/开启
    模糊鑑別器於Burn In系統之設計 摘要.pdf170KbAdobe PDF79检视/开启
    模糊鑑別器於Burn In系統之設計 目次.pdf134KbAdobe PDF62检视/开启

    在機構典藏中所有的数据项都受到原著作权保护.

    TAIR相关文章

    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library & TKU Library IR teams. Copyright ©   - 回馈