多变量模糊推理系统神经网络实现.pdfVIP

笨 17卷 第2期 鞍 山 钢 铁 学 院 学 报 Vo1．17 No．2 1994年 6月 JournalofAnshanInstituteofI＆ S，technology Jt,n 1994 多变量模糊推理系统的神经网络实现 i ，j f～1 至墼堑 裴墨垡 张化光 {鞍 山钢铁 学院) (东北大学) 摘 要 以双虹连通馥面FuzzY控制束境为槿型 研完了多变量Fuzzy推理系统的神经元 网培安现 题 这里主要考虑如下二个问题：(1)BP 培在语言环境下实现 多变量Fuzzy推 理 未境的有虹性F(2)神蛀丹蝽蛄构(隐属节．十敷及臂 出层激璺函敷)对推理结果的影响 仿 真 蜡 襄表 研 在语 言环境 下 BP 日培 具有 狂 的近 似推理能 力 基 于 1F-THEN 的 多变量 Fuzzy推理 系统可 由一个 BP 鳍训练学习而加 以实现 ．从而为育 效的实现 多变量 复杂系统 的Fuzzy控制奠定 丁基础 、 、 ． ， 关键词 Fuz控制娩Br丹培，语言环境_模糊推理 姓 壤煳推 屯 分类号 TP18 ‘ 实现 Fuzzy控制系统的一个最重要的环节之一是 Fuzzy推理系统 (FIS)．即对于给定 的前提条件，根据一组已知的IF—THEN形式的条件语句 (规则集)，通过近似推理算法得到一 个相应的推理结论。由于 FIS在 Fuzzy控制问题中所占据的特殊重要地位．因此．导致了许多 作苔对 FIS的深入研究，提出了各种不同的推理算法 “ ．目前，这些近似推理方法大致可分 为 以下几类 ：(1)基于Zadeh。，Mamdani。：等人提出的Fuzzy推理合成算法；(2)基于可能性分 布理论的推理算法 ；(3)枢似推理算法 “ ；(4)基于神经网络的 Fuzzy推理方法 ”．在以 上提到的诸推理算法中，前三种方法是Fuzzy控制系统设计 中经常被采用的，而对于最后一种 近似推理方法 的认识 、发展和使用才 只是近年来 的事 。 尽管从理论上可 以证明前三种推理系统在某种程度上作近似推理计算是有效的．但是，对 于 多变 量问题来说，这些推理 算法的实现却往往是 比较困难的。针对这一问题 ，Gupta 、． Shakouri”，Czogate。及 Cheng。 等人曾提出了分解算法和交叉系数算法，然而 ．这些算陆 奶存在计算工作量偏大、推理结论精度低等问题 。固此 ，研究一种有效的实现多变量 Fuzzy推 理系统 (MFIS)的方法是非常必要而有意义的。 人工神经 网络 (ANN)的研究与应用近年来受到了人们的普遍关注，尤其在控制界．这一 新的育效工具为实现复杂系统 (非线性系统、时变系统等)、无模型 (黑箱)系统的辩识 御fi适1立 控制带来了生机，井且 已经取得了大量的研究成果。 ．同样，ANN与 Fuzzy系统的融汇也 正引起世界各国越来越多的研究者的注意 ．这一交叉领域的研究已成为当今Fuzzy控制系统 的一个崭新的研究方向和热门话题 。不言而喻．FIS的ANN实现是这一融汇技术所要考虑的 收{‘日期 1993一l1—05 第一作者 ：男，31．讲师 ．东北大学在读博士生 · 2· 鞍 山 钢 铁 学 院 学 报 199．1 首要 问题 。目前 ，这方面 已有一些初步的研究结果 ．幻Nie和 Linkens 对单变量小规馍的FIS 的BP网络实现 问题的讨论 ；KeLler。等人提出了用于 FIS的特殊网络结构．并研究了过～J 于 网络的推理系统对语言副词 的响应情况 ；Krishnapuram 和 Lee。通过 BP算法研究了连接 词AND和ALSO的定义和实现 问题等。然而，由于这些工作只限于在小规模范围内对单变 FIS来加以考虑和研究，因此 ，所得到的结论还远不能应用于多变量 Fuzzy控制系统。 本文 旨在讨论 MFIS的ANN 实现问题 。这里 以文 [16]中的多变量 Fuzzy系统为研究对 象