模糊逼近神经网络摄动系统的若干进展.pptVIP

模糊逼近神经网络摄动系统的若干进展 大连大学信息工程学院,116622 邹开其 Zoukq@ 智能运输是本世纪80年代中期兴起并紧密结合现代科学技术进步的一个新兴领域。80年代以来，世界各发达国家虽然已经基本建成了四通八达的现代化国家道路网。  (1) 技术和设备的简单引进和堆砌并不表明就可以实现智能运输系统。 (2) 交通服务滞后严重影响智能运输系统技术的实施。 (3) 智能复杂性和高度自动化系统的稳定性要求有新的理论、方法和开发工具。 智能运输系统监测和控制的研究和实施，在欧美国家已有较长的历史，但是到目前为止，主要是以单条公路的定时和感应控制为主，较少涉及到几条公路的协调测控，控制方法比较传统，监测方法落后，基本上没有智能。 近年来，我们从测控运算法则的角度对高速公路入口匝道的控制与仿真进行了研究，并讨论了高速公路入口匝道的最优问题。这就引出一个多变量反馈控制策略的问题。 然而遗憾的是，在自动控制理论中还没有一个有效的方法能够解决像智能运输测控系统这样的非线性大系统的最优控制问题。线性二次型优化理论是解决线性系统多变量反馈控制的强有力工具，这种技术也可以用于在期望状态附近线性化的非线性系统，而对于一个较大的系统，反馈中的K阵较难求，况且由于最优问题是在期望状态附近得到的，所以它只能消除较小的扰动，对于严重的扰动（如发生交通事故时）该方法将显得无能为力。近年来一些学者试探引入模糊思想来研究智能运输测控，因为它能利用不精确或不准确的信息去实现在不同监测密度下的平滑过渡，最近的研究结果表明模糊设定运算具有潜在的优势。 模糊神经网络 1965年，美国著名的控制论专家L.A.Zaden发表了第一篇开创性论文“Fuzzy Sets”,标志了模糊数学的诞生。 模糊神经网络这一新兴领域的开拓者应该归功为美国南加利福尼亚大学信号和图像处理研究所长B．Kosko教授。 模糊神经网络的性能在很大程度上受网络本身结构的制约，所以如何构成良好的网络结构，以便利于神经网络实现模糊输入、模糊推理、网络中的传播和最终结果的理解等等，已成为许多学者所关心并加以研究的问题。 在神经网络理论研究中，许多学者一直从事于把神经网络作为对函数逼近工具的研究。 下列问题就有待于解决： (1) 能否找到一类模糊函数可用单纯模糊神经网络来逼近的等价条件。 (2) 可用单纯模糊神经网络来普遍近似的模糊函数类具有什么样的性质? 稳定性是模糊神经网络控制系统的重要指标之一 模糊逼近神经网络摄动系统 目前，模糊神经网络的理论研究方面虽然取得一系列成果，但面临的问题仍很多。怎么利用模糊神经网络来处理带有畸变的模糊信息？这其中又如何引进合适的模糊信息间差异的度量？如何简化模糊控制器的量化过程，将其转换成易于学习的算法？如何确定学习指标，构成有效的模糊控制学习系统？如何将模糊控制器的调整转化为等价的神经网络学习，利用等价的模糊逻辑来初始化神经元网络以及模糊神经网络的稳定性、收敛性等，都是有待进一步研究的问题。 把模糊逻辑和神经网络相结合，将监测手段和模糊神经网络控制融合，在反馈混合模糊监测神经网络系统基础上，提出一个模糊逼近神经网络摄动系统，现在已经取得一些突破性的进展。我们的这些工作都是对模糊神经网络理论的补充和完善，对开展智能运输的研究将具有启迪作用和现实意义。 匝道测控模型的参数辨识 我们从高速公路交通流的宏观、动态特征出发，首先给出了交通流控制和仿真中常用的宏观、动态、确定性交通流模型，并利用模糊神经网络的方法对模型中的参数进行辨识，既可以和高速公路实际的交通状况吻合，又简化计算，且收敛性较好。其实质是通过控制高速公路交通流的流量，来提高高速公路的服务流量，避免或消除阻塞，减少高速公路上的车辆延误，以实现交通流的安全畅通。从而获得能比较准确描述交通流真实行为的模型.以此来解决高速公路交通流的最优控制问题。 匝道测控的因素空间分析 从系统的观点出发,把车辆和道路（例如：公路负载能力、事故率、燃料消耗、尾气排放水平、公众接受程度等等）综合一起考虑 ，首先我们对匝道测控的各种因素进行分析，建立匝道测控的监测策略的因素空间，形成因素空间中的网络图。 提出了一种基于因素空间分析的预测模型。 模糊逼近神经网络摄动系统的全局稳定性条件 基于Takagi-Sugeno模型的稳定性分析，我们着重研究了反馈式SAM的稳定性分析问题，通过李雅普诺夫稳定性概念和基于Takagi-Sugeno模型的稳定性分析的结合，得到了离散的SAM稳定性条件，而且还给出了即使所有则部分规则矩阵都是稳定的，并有位于z平面单位圆的特征值，离散的反馈SAM也不必是稳定的的反例。