一类基于神经网络的模糊控制算法.pdfVIP

‘中国控恻会议论文橐)，80,5-．808 1998年9月16,22日，浙江宁渡 一类基于神经网络的模糊控制算法砷 徐立鸿 汪华张赤斌 施鼎汉 (同济赶学) (东南走学) (厦门大学) 摘要：本文在一种新型的模糊量表示方法的基础上，将模糊控制系统映射 到一类神经元网络结构中，从而将模糊规则的自组织问题，转化为 神经网络的自学习问题，使其由一种分档式离散控制器变为一种连 续型控制器，提高了控制精度和自适应能力．仿真结果表明，本文 提出的算法具有很好的自适应性能。 关键词：模糊控制，神经网络，自组织，自学习，自适应． 引 言 近年来，模糊控制方法由于其无需对象解析模型，且能利用对象的语言规则信息进行 控制。在应用中简便、有效等特性．而引起了控制界的广泛关注。横糊控制的核心问题是 模糊控制规则的获取，解决这个问题的途径之一，就是在初始规则的基础上．研究模糊规 则的自组织(亦即规则的自动生成和自动剔除)方法，也就是赋予摸糊控制器以自学习能 力．只有这样，才能改变模糊控制是一类“分档输出”的“粗控制“形象，使其应用范围 更加广泛，更加实际有效。模拟人脑结构提出的人工神经元网络具有很强的自学习能力。 因此，如何利用神经元网络结构来实现模糊控制，已引起学者们的广泛兴趣。 本文的主要思想是：基于我们过去提出的模糊量的新型表示法一，将模糊控制系统映 射到一类神经元网络结构中．并提出一套自学习算法，将模糊规则的自组织问题转化为神 经网络结构的自学习问题。仿真结果表明．这种具有神经网络结构的模糊控制算法，具有 较高的控制精度和较好的自适应性能。 二 本文的主要结果 2．1新型模糊控制系统 对于一般的模期量A．都可以用隶属函数表示。一般来说，隶属函数的选择是任意形 式的，常见的隶属函数特征曲线有Z型、S型、三角型、梯型等。 对于人——嘲．系统，当人进行控制活动时，经常用到的模糊量(如误差大、中、小等) 往往是遵循正态分布原则的。因此，采用正态型隶属函数来描述控制系统中的模糊量是适 宣的。 正态型隶属函数定义为： F(…．口)=唧卜掣】 (1) ’江苏省应用基础研究基盒和福建省自然科学基金资助 在后面的讨论中，模糊量均具有以上形式的隶属函数。因此，一个模糊量便对应于一 组参羹主耋赫又譬矗篡篡嚣怒勰公‰形可以化为多个多输入、单考虑多输入单输出的模糊控制器(注：多输入、多输出擂彤刚以化为多1、步搠^、旱 输出情形，故这里不另作讨论)，模糊控制规则可表示为以下IFTHEN形式： 瑾为is虬，and…，andz。is口目 恤Nyisvj； 俨l，．‘．，M) 这里，薯和y分别是输入输出模糊变量，l，。和V，则是相应的模糊量。故Ⅳ“枣”J对 应参数组(i女，盯n)和(i，，J，) f 对于一个精确量的输入值x气‘，…，r。)，使用规则库中的哪条规则呢?主要看它 与输入端哪个模糊量最贴近．因此，引进以下贴近度的概念。 为： ? 毒(z，A，)=IlF(‘；“v，盯。)=毒U) (2) 因此，若输入量x与A．对应的规则的贴近度∈(kA，)越大，则采用此规则的可能性 也越大，定义彘为可接受的最小贴近度。则以下模糊控制器按如下原则工作： 对输入x，计算与第j条规则的贴近度EO)．对相应于‘(i)≥磊的那些规则，x对应 的输出皆为这些规则输出的加权输出，即： mE(i)≥知THEN V=∑岩n．．，