基于模糊神经网络的多变量递阶控制器.pdfVIP

增 刊 浙 江 大 学 学 报(自然科学版’ suPpI㈨t ≥!!§生§a jQ∑!B§!垡至b!ji§Bg垡Bi!!!§i!z!!!竺!皇!竺! !坚!!!!! 基于模糊神经网络的多变量递阶控制器 程正群顾永如 李歧强 钱积新 (浙江大学工业控制技术研究所，浙江大学工业控制技术国家重点实验室，杭州，310027) 摘要 本文提出一种基于模糊神经网络的多变量递阶控制器的思想，可以将一复杂的系统分解 简化处理．仿真结果表明：所提出的模糊多变量递阶控制器是有效的． 关键词：模糊控制；神经网络；递阶控制 中图法分类号：TPl8 ● 。0前 言 启从Zadeh于1965年提出模糊控制以来，在人工智能、信息处理等领域已获得广泛应 用，模糊控制及其应用的研究获得了广泛的兴趣．递阶控制系统将各子系统的控制作用按照 一定优先和从属关系安排的决策单元来实现，形成金字塔的结构．同级的各决策单元可以同 时平行工作对下级施加影响，同时又受到上级的干预，子系统可通过上级互相交换信息．因 而在复杂系统和大系统中得以广泛应用El-z]． 本文提出一种基于模糊神经网络的多变量递阶控制器，利用它来处理一控制对象，仿真 结果显示了该方法的有效性． 新 1 模糊控制的基础 对一个多变量系统而言，模糊控制推理规则形式如下： PF(X1=矗And…And XⅣ=一)THEN(Yl=止And…AndYu=正)； 其中X。为受控过程的输入变量，Z∈{z：，z：，…，z?}为其模糊值域，y。为受控过程的 输出变量，y：=(y：，yi，…，y0}为其模糊值域．整体的规则集可表示如下： Q u{N(∑v暑。Xi){V。M一1”} (1) 一i--I 其中U、n、；分别表示并、与、蕴涵．图1示为一模糊控制器． 230 浙 江 大 学 学 报(自然科学版) 1998年 图1模糊控{}!l器的结掏 2 递阶模糊推理的获取 考虑～个Ⅳ输入M输出多变量对象，设控制器的输入为X。，X。，……，X一；输出为 y，y∥…．．，ym则该对象的第f个推理规则可表示为如下模糊集的笛卡儿积： RI—fq×鸽x……×％×F‰×……×jt。 (2) 在此公式中，每一个模糊集Xy．分别被隶属函数脚。，户‘替代，其中R为控制器所用的 不同的关系．由于控制系统的每～个输出独立，当将每一个输出在其自身的论域上投影时， 可将关系阵R分解如下： ^ 马2…V{也。^心…“^％，^q} ＆ R2一i∑：(q^％…“^9珞“织} j ； (3) RM RⅣ皇。v1(卢一^，≮^……^户xkA，々o) 递阶模糊控制器的结构图如图2。 当采用图2的模糊控制器时，对于同一个输入，为了建立与此等价的函数，需要的去模 糊化需相同．利用此递阶控制结构，可以将一个多输入多输出的耦合系统进行解耦．因而，一 复杂的多变量可以在输入级和推理中间级分解成对，这样可以形成后一级推理的输入，直至 最终的输出． 3 模糊神经网络的构造 模糊神经网络的构造如图3示。