一种新型的模糊神经网络优化方案.pdfVIP

一种新型的模糊神经网络优化方案 张鑫波 李广伟 齐占庆 燕山大学电气工程学院，河北秦皇岛066004 26．corn e—mail：zxb2005@1 摘要：对传统模糊神经网络控制系统结构进行优化改进，将量化因予和比例因子的调整环节嵌入到模 糊神经网络中，利用BP算法对其进行自适应调整，实现系统结构的模块化。且结合软件对输入变量的论域 进行强制转化，避免初始状态因量化因子选择不当，造成控制器无法运行或失效的不良后果。仿真结果表 明了该控制方案的有效性。 关键字：模糊神经网络优化BP学习算法 Anew NeuralNetwork method Fuzzy optimization XinboLi Zhang GuangweiQiZhanqing ofElectrical College Engineering，YanshanUniversity,HeBei066004，China e-mail：zxb2005@126．com Abstract：Wehad OHthetraditionalNeural thestructure．The improved Fuzzy Network(FNN)in scaling factorforfhzzificationandthe imbeddedinthe netwereself-tunedBP scalinggain optimization by algorithm， which thecontrol theFNN withthe modularized dealt ofthe the system．And range inputforciblyby software，to avoidthefactthatthecontrollercouldnotworkwellbecauseofthe initial factorforfuzzification． scaling improper ThesimulationresultsshOWthatthemethodiSeffective． neuralnetwork BP words：Fuzzy Key Optimizationalgorithm 1．引言 在现代工业控制工程中，被控对象通常具有严重的非线性、时变以及种类繁多的干扰， 使得基于精确数学模型的常规控制方法已无法获得满意的动静态控制效果。近年来，涌现出 多种智能控制方法。其中，较为典型的就是模糊神经网络控制，即以模糊控制的基本理论为 内核，以神经网络为载体，通过BP算法对模糊控制规则进行自学习并将其蕴含在网络中。 但大部分模糊神经网络仍然存在模糊论域与基本论域之间的转化问题[1，2]，即系统包含量 化和比例放大两个环节。且由于量化因予和比例因子对控制器的动静态性能影响较大，因此 系统相应地也包含了量化因子和比例因子的辅助调节环节。这样使本来已经复杂的模糊神经 网控制系统更加庞大。 本文以优化系统结构为目的，将量化因子和比例因子的调节环节嵌入到模糊神经网络 中，使其在网络中体现为联结权值，并通过误差的反向传播，实现网络参数的优化调整。虽 然网络的层数因此而增加，但整个控制器呈