模糊神经控制系统及混合算法的研究.pdfVIP

模糊神经控制系统及其混合算法研究 296， 吴小俊箜：茎糊挫墅控制系统及其混合算法研究 结果表明．该模型的性能优于一般模糊系统，从而表明了这一模型的有效性。 2模糊神经系统结构 我们假设存在如下形式的模糊规则： S：lFxl=艇，*2=如，…，‰=越，那么y=畸． 其中，托为输人矢量，y为输出矢茸，川(却)为隶属函数，畸为一个实散后件。 ，=l，2，…，脚 f=l，2，…，n v 。十 Im4 1w3 f f X X ^lX J 图2模糊抻经系统螬构 这种神经模糊系统的结构如图1所示，第1层的节点为输人节点，代表输入语言变量；第2 层为模糊化层，为输入节点的隶属度；第3层为规则层，用来存放模糊规则；第4层为输出层。由 于后件为实数，推理输出不需要反模糊化过程。它类似于径向基函数网络(舳FN)，特别是采用 高斯隶属函数。如果使用乘积推理和中心反模糊化方法，此模期神经系统的最后输出y由下式 计算得到： N ∑鹏 y。=。卜 (1) ∑一 J=I (2) 一=产‘(z。)×fq(，：)×…x弘础‘) 若将(1)式的分母去掉，则可以大大减少运算量，因此有 y’=∑脚 J=l 瞄：， 一 ；_I!!『蠲口 上述囊期痒经系辘与传城霸囊膏幕囊相吃，它的学习麓力褥到较大改善。其学习就是囊■ 函敷的参数和蜜散嘶的调整。常甭篱斯函数、三角形西数、梯形函数作为隶属函数。本文采用 三角隶属爵欺，lili，选用如下形式的隶属函数： 陬)-l一掣 tlnltl2所示，口{为三角形的中心，醒为宽度。mm(2)和(3)式，可计算出模糊推理赣出y． 肛^～(1 圈3模糊豪一叠纛 3 模糊神经系统的学习算法 置={(，一，)2 哦[嚣一玎=虹鬻一_]2 ；《“盏委翅一露。．蠢《蓬噶芎蘧囊羹羹誊_蔫=}