第十三篇 章 模糊神经系统的应用 智能系统课件.pptVIP

第十三章 模糊神经系统的应用 ;13.1 基于ANFIS的非线性电机系统的建模 ;图13.1 ANFIS结构图 ;各层的功能如下： ;第3层：对各条规则的适用度进行归一化处理。 ;13.1.4 基于ANFIS的建模 ;图13.3(a) 实际系统输出与模型输出 ;图13.3（b）实际系统输出与模型输出之间的误差 ;作为对比，同时采用一个2-10-1的反向传播神经网络（BPNN）对同样的数据组进行建模。此时网络共有41（10*w1*2 + 10*b1 + 10*w2 + b2)个参数（而ANFIS只有39个参数）。对于BPNN的训练，采用收敛速度和训练效率相当好的Levenberg-Marquardt算法。这一算法收敛速度较普通的梯度下降法快得多，且迭代次数少很多。经过1000次迭代，BPNN的训练结果的均方误差MSE = 5.1516。而采用ANFIS建模，达到相同的精度，迭代次数只需前者的十分之一。 ;13.1.5 辨识模型的验证 ;图13.4 系统及模型分别对多频输入信号的响应曲线 ;其次，测试被建模系统所具有的两种典型的非线性特性：饱和与死区。分别采用两个单频率的正弦信号作为测试信号（见（13.12a）与（13.12b）式）输入给所建模型，同时输入给实际系统，从实际系统及所建测试模型所获的输出及输入信号分别如图13.5和图13.6所示。 ;图13.5 测试饱和特性（MSE=5 .461） ;图13.6 测试死区特性（MSE=1.9406） ;13.2 用自组织竞争网络优化模糊神经网络的结构 ;13.2.1 自组织竞争神经网络 ;3）修正权值: 修正与获胜节点l相连的权值，其他权值保持不变，根据Kohonen规则，有 ;13.2.2 具有最佳结构与参数的模糊神经网络控制器的设计 ;图13.7 模糊神经网络控制器的结构图 ;FNN的输入/输出关系可以归结如下： ;2) 采用SCNN优化模糊标记数 ;图13.8 输入矢量(线)和权值矢量(+)的分布图 ;图13.9a r1为3时的隶属函数 ;图13.9b r1为4时的隶属函数 ;图13.9c r1为7时的隶属函数 ; (a) (b) 图13.10 输入信号与不同情况下的控制系统响应(a)与误差信号(b)