模糊GMDH网络及在工业过程中的应用.pdfVIP

清华大学学报f自然科学版) 63／65 苎墼塑苎翌竺!塑墨 11竺兰苎竺量 !竺!型!!望!!坠!!!竺．旦l墅苎!壁2 张凯， 钱蜂 毕东理工大学自动化研究所．上海200237 C,IvmH．FOM阱n罔络及其学习算法．诫罔培站合横期逻辑善星，提高了原有 (Ft,zzy Funo,m)网络的 GⅫ啷的非线性拟台娆力。并基于此裳帽逻曩模蠹与髓即臣“柚Ihsis 函囊等价性．应用P．BF网络学习算法对该模糊逻辑模型的参教进行学习．数值示倒和工 业应用仿真结果衰明，FGMDH网络用于模型化工业生产过程是切实可行的． p曲I—GMDH；模糊GmH舟络；囊葵}卜 1引言 G岫H是由前苏联数学家Ivakhenko借用生物控制论中的自组织理论提出的…。它基于 多项式理论，穷举了输入元自身与相互之间的各种组台．是非线性模型的完全描述，可I；上达 到实际问夏的最佳组合．由于∞H具有报强的建模能力．因此受到了国内外学者的广泛关 注。自Tamura提出递阶自由G删算法叫以来，大部分对Cr岫}I的改进都集中于GIiDH中部 分多项式的产生和结构的确定以及中间变元的选择上，而对于G如H阚络结构的研究则很少。 目前这—方面的研究方法主要有如下两种：其一．将G∞H与N-Adaline网络相结合日】。局 部描述用N-Adaline神经网络：其二，将Gl|嗍与模糊逻辑相结合“)．局部描述用模糊逻辑 模型。这两种方法都旨在增大传统G∞H网络的非线性因素．从而达到更高的精度。 本文基于上述的第二类方法，把模糊逻辑模型与姗I网络相结台，并利用RBF网络与 模糊逻辑模型之间的函数等价性，提出了模糊G嘲网络的学习算法．该算法应用RBF网络 学习算法对模糊逻辑模型的参数进行学习。数值示倒和工业过程应用仿真结果表明本文提出 的模糊GiIDH网络是切实可行的。 2模糊逻辑模型 考虑输入为却(f=l，…，月)，输出为yJ(』=l，…，m)的多输入单输出系统·模糊规则集中 第t条规则可描述如下： ·基金项目：田寒自熬科学基金。国家863高技术项目(863-511-945--009) ——————酊再可疆疆■——————————一。 300 清华大学学报(自然科学版) 2000年第40卷第s2期 R(‘)：如果却为片÷．且…，且Xn为矗则Y为p：(1) 舯和一分别为uc肺yc只上的模糊集台：膏=(xl，…，崩)7EUIׅד和，er均为语 言变量。采用中心平均模糊消除器、乘积推理规则、单值模糊产生器和丑的隶属函数用高 斯函数表示的下述模糊逻辑系统如下： M ^ 一■ ∑，。【兀唰一生笋)2)】 ，(x)=鼍丌}——} ‘2) ∑ne硝_(孚)2) k=liffil 。‘ 式(2)中．JI，为模糊规则的数目，考和群为相应薯的中心和方差。该模型与船F网络在 函数形式上是等价的[51． 3．1羹栩锄罔络的培构 模糊Q舡m髓络的结构如下图所示 产 选 产 选 由 生 量 生 司!P 一竺P 输 jL i 阃 输 终 ^ 变 入 7变 司!P