加载中…用MATLAB玩控制-模糊神经网络控制
(2017-10-21 13:36:26)
标签：
模糊神经网络函数逼近模糊神经网络控制系统自学习杂谈 |
模糊控制系统中需要确定隶属度函数和模糊规则，这些也不是容易的事，一旦定下来后，隶属度函数和模糊规则通常不能在线调整，这是模糊控制的缺点，如果用神经网络实现模糊控制，那么利用神经网络的学习能力，自行确定隶属度函数等等参数，同时也解决了在线自调整的难题，岂不两全其美。模糊神经网络的原理如图1所示（参见《智能控制理论与技术》），神经网络共有5层，第一层是输入层，第二层的每个节点代表一个语言变量，第三层的每个节点代表一条模糊规则，第四层的节点对第三层节点实现归一化计算，第五层是输出层。模糊神经网络本质上是一种多层前馈网络，可以用反向传播学习算法来修改权系数。
f(x1,x2)=sin(pi*x1)*cos(pi*x2)
http://s6/mw690/001Agcsvzy7fbliYkyF95&690
http://s6/mw690/001Agcsvzy7fblq5Uln25&690
http://s6/mw690/001Agcsvzy7fblqtAl705&690
模糊神经网络本质上也是一种非线性映射，可以逼近任意非线性函数，下面是一个例子，
神经网络的输入是x1、x2，输出是f，按Δx1=Δx2=0.1的间隔取训练点，训练后的函数逼近效果如图2所示，从图中可以看出，还算是差强人意。
模糊神经网络控制系统结构如图3所示（参见《智能控制技术》），图中FNNC是模糊神经网络控制器，NNP是系统辨识神经网络，用于预测系统输出，我们做的模糊神经网络控制其效果如图4所示，从图中可以看出，效果很好。
http://s6/mw690/001Agcsvzy7fbliYkyF95&690
http://s6/mw690/001Agcsvzy7fblq5Uln25&690
http://s6/mw690/001Agcsvzy7fblqtAl705&690
喜欢
0
赠金笔