神经模糊控制器.docxVIP

在本文中称为神经模糊控制器（NFC），使用等效的四层前馈连接网络实现。利用导出的学习算法，NFC能够识别受控函数的模糊规则，并且能够仅通过观察过程输出错误来自动调整规则隶属度函数。识别未知模糊隶属度函数的输入—输出动态行为，从而为在线提供参考信号。调整NFC，实现了具有误差反向传播算法的形状可调神经网络（MNN）。本篇用NFC及MNN实现对开环不稳定非线性CSTR的直接自适应控制。通过控制非线性和开环不稳定CSTR的挑战问题证明了该方案的适用性和有效性。 图1.所提出的神经模糊控制系统的示意图 NFC神经网络： NFC结构是一个四层前馈连接网络，用于实现简化的Takagi和Sugeno的模糊推理系统。实质上，NFC将传统FLC（隶属函数，模糊逻辑规则，模糊化，去模糊化和模糊蕴涵）的基本元素和功能集成到具有分布式学习能力的连接结构中，以学习隶属函数和模糊逻辑规则。让每个输入有n个模糊分区项，即每个输入有n个隶属函数，然后层之间的输入输出关系精确说明如下： 第一层：输入层，该层中的输入单元是变换过程输出误差x1 和变换后的误差变换x2，输出节点只是将这些输入值传输到下一层。 输入： 输出： 第二层：语言术语层，该层接收来自输入层的信号，并使用高斯函数作为隶属函数来确定相对贡献观察到的信号。 输入： 输出： 第三层：规则层，第3层实现了与先决条件相关的链接。连接标准是每个规则节点只有一个