原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于模糊神经网络的汽车换挡品质评价系统.pdf
·设计·计算·研究·
性，进而从一个换挡事件的客观数据获得换挡品质 式中，{儡，6；，c0为前提参数，隶属度函数的形状随这
的主观评价数值。 些参数的改变而改变。
常用的ANFIS建模方法有回归分析拟合法、神 第2层：这一层的节点负责将输入信号相乘，
经网络法、模糊神经网络法等。回归分析拟合法适 其输出为：
用在低挡的情况下，由于主观评价与客观评价之间 捂1，2 (3)
形产p血(石)×p毋(，，)
的联系是非线性的，采用此方法建模十分困难；神 每个节点的输出代表1条规则的可信度，这里
经网络对语言信息的处理比较欠缺，知识表达困 的“×”可以是任何满足r规范的4ⅣD算子。
难，内部对用户来说是模糊的，网络规则的映射不 第3层：第i个节点计算第i条规则的归一化
可见，而且非常难于理解；而模糊神经网络既具有 可信度：
模糊逻辑系统善于利用专家语言信息的优点，又具
备神经网络强大的自学习能力优点，它通过自适应 豇南_扛1，2 (4)
神经网络学习提炼出模糊规则，能够有效地计算出 第4层：该层每个节点i为自适应节点，其输出
隶属度函数的最佳参数，然后通过模糊推理建立主 为：
观评价和客观评价之间的联系，极大地减小了主观 q=形i(pi戈+qi)，+n)(5)
评价的随意性。
其中，{pf，gi，^}为该节点的参数集，该层的参数
鉴于模糊系统与神经网络结合的强大优势，利
称为结论参数。
用它们的结合体模糊神经网络建立汽车换挡品质
第5层：该层计算总的输出：
评价系统，以描述客观评价指标和主观感觉之间的
联系，从而客观有效地对换挡品质进行评价。 D；=；砩器 (6)
3．2模糊神经网络系统结构与算法
给定前提参数后，ANFIS的输出可以表示成结
3．2．1模糊神经网络结构
论参数的线性组合：
模糊神经网络是一种将模糊逻辑和神经网络
有机结合的模糊推理系统，它采用反向传播算法和 产辞移+蒜陟形历+形疵，=面例·+可彳铲彬√-+彬犯
最小二乘法相结合的混合学习算法来调节系统参
数，并能自动产生模糊规则。一阶Sugeno模糊模型 +(形2y)92+(形2)r2 (7)
的ANFlS结构(61如图2所示。 3．2．2混合学习算法
混合学习算法可分为两个步骤：
第l步为确定前提参数的初始值，用最小二乘
法计算结论参数。
由式(7)得：
y (形2，，)92+(形2)r2__A·X (8)
式中，列向量X的元素构成结论参数集合{p-，g。，r。，
图2一阶Sugeno模糊模型的ANFIS结构
文档评论（0）