本书可供大专院校工业工程与管理专业的高年级学生或研究生作教材,也可作其他专业的参考书。

2100433B

本书为工业工程及管理专业而编写。本书的特色之一是对概念和原理作明确和清晰的阐述,但不作深奥的数学论证,读者学习后能认识到客观世界中存在大量的模糊事物,初步树立起一种新的思维方式和处理模糊事件的能力；二是紧密结合工业工程实际,每章有工业工程实例,学员学习后初步能应用模糊原理来解决工业工程中实际问题,从而为进一步在模糊理论方面的学习及其在工业工程与管理方面的应用打下基础。本书第一部分介绍事物的模糊性及其处理的基本原理,极自然地从经典集合论过渡到模糊集合论,进而阐述了隶属函数的确定。第二部分介绍模糊理论最基本的概念与方法——模糊模式识别、模糊聚类分析、模糊综合评判、模糊工程管理控制、模糊预测与决策等。最后简要介绍模糊技术的新进展。

案例一：模糊系统理论在选拔高中语文师资中的应用 　模糊系统理论以模糊集为基础，其内涵为认知不确定，依据为隶属度函数，手段为边界取值，特点为经验，要求为函数，目标为认知表达，思维方式为外延量化，信息准则为经验信息。

模糊量用模糊集表示，模糊集为1与0之间的集，元素的特征值可以取0到1之间的任何值。模糊系统模型含有的成份为：状态变量、独立变量、决定变量、外部干扰、因果律、它们的真值、目标、约束条件、评价函数、各种常数等。

模糊系统理论与我们的工作和生活有着千丝万缕的联系，有着无与伦比的优越性。它能满足逻辑与非逻辑、主观与客观、宏观与微观、定性与定量、模糊与严密等矛盾要求，它能更多地表示有关人类意愿的问题，能比较合理地表达人类的思考方法和主观上的模糊量。

模糊系统理论在运筹分析、社会科学、模糊控制、人工智能、调查分析、计划、评价等领域均有应用。运筹分析中，如模糊逻辑、模糊推理、模糊运算、多目标规划法、集团的选择、选考理论、对策理论、多变量分析、聚类分析、时序分析等；人工智能中，如根据图像判断形状、图象识别、设备诊断、自然语言理解、人类情报处理、系统分析、专家系统、故障诊断等。模糊系统理论以它强大的生命力受到人们的青睐，并以它蓬勃的朝气为人类造福。

模糊系统理论在选拔各类人才中有着重要的应用。如选拔高中语文教师时，该理论就显示出它的优越性，体现它的威力，它能进行动态最优化，它能以少的投资获取大的效益。现将其应用举例说明。例：某学校为了挑选优秀的高中语文师资，希望其教学质量好、综合素质高、一专多能，且对工资福利待遇要求不高。现将教学质量好、综合素质高作为目标；一专多能、对工资福利待遇要求不高作为约束条件，对甲、乙、丙、丁、戊共5名候选人进行了解。将此5人各自对教学质量好(Mf1)、综合素质高(Mf2)；一专多能(H1)、对工资福利待遇要求不高(H2)的隶属程度列入下表。需要进行合理的选择，从中挑选出合适的人选。

先对g(目标)、h(约束条件)都使用加权平均型综合评判函数。关于g，对教学质量好Mf1取权数0.65，综合素质高Mf2取权数0.35，综合评价结果记作MF1；关于h，对一专多能取权数0.55，对工资福利待遇要求不高取权数0.45，综合评判结果记作H。又将g改为主因素突出型，并取T=×，对教学质量好取正规化“权重”为1，综合素质高取正规化“权重”为0.54，综合评判结果记作MF2。又将MF1、MF2及H也列入下表中。

使用模型max uMF(x)TuH(x)

当取T=∧时，对于MF1，因(0.8∧0.8)∨(0.74∧1)∨(0.86∧0.6)∨(0.56∧0.9)∨(0.71∧0.4)=0.8∧0.8=0.8

故应在0.8水平录用甲。对于MF2，因(0.9∧0.8)∨(0.7∧1)∨(1∧0.6)∨(0.54∧0.9)∨(0.6∧0.4)=0.9∧0.8=0.8

也应在0.8水平录用甲。又当取T=×时，对于MF1：

(0.8×0.8)∨(0.74×1)∨(0.86×0.6)∨(0.5×0.9)∨(0.71×0.4)=0.74×1=0.74

对于MF2：(0.9×0.8)∨(0.7×1)∨(1×0.6)∨(0.54×0.9)∨(0.6×0.4)=0.9×0.8=0.72

均表明应在0.8水平录用甲。

综上所述，模糊系统理论不仅具科学性而且具前瞻性和实用性，能为我们的工作提供正确的指导。2100433B

为了解决模糊控制用于高维非线性对象时出现的维数灾问题，本项目采取结构选择、性能分析、系统设计的总体方案，对分层模糊控制理论进行系统深入的研究。首先对目前已有的分层模糊系统，从逼近精度、模型参数数量、等效性、便于分析4个方面进行全面的比较，选出1－2类作为典型分层模糊控制器的结构。然后再确定典型模糊控制器各个模糊单元的设计参数，用解析分析和数值分析方法，研究典型模糊控制器的设计参数与逼近精度、非线性度、控制曲面等性能的关系。最后对于高阶SISO、MISO、MIMO非线性对象，采用LMI和滑模控制方法，研究典型分层模糊控制系统的稳定性，给出典型分层模糊控制器的系统化设计方法，并用分层模糊控制方法解决多只Aibo机器狗在足球比赛中的协作与对抗问题，参加Robocup世界大赛，争取好成绩。本项目对于解决高维非线性对象模糊控制中出现的维数灾问题具有重要的学术意义，也将促进模糊控制更广泛的应用。