自适应神模糊推理系统及其应用.pdfVIP

6.2自适应模糊神经系统（ANFIS）

6.2.1神经网络与模糊逻辑的结合

自适应神经模糊推理系统由JangRoger一种自适应网络，它和模糊

推理系统在功能上是等价的[10]。它通过混合学习算法来调整前件参数和后件参

数，并且用神经网络来实现模糊控制中的三个基本过程：模糊化、模糊推理和清

晰化。模糊控制规则以及变量隶属度函数的优化，可以通过神经网络对导入数据

的学习训练来实现，能够使系统向着自组织、自适应以及习的方向发展，从

而建立起模糊控制器。和设计传统模糊控制相比，自适应神经模糊推理系统改善

了人为调整隶属度函数来减小误差的不足。从功能上来说，对于自适应网络的

结点函数，除了要求分段可微以外，几乎对其他要求没有任何约束。从结构上来

说，网络结构的唯一限制是：如果我们不想用更复杂的异步操作模型，则网络应

是前向型。这使得自适应网络广泛应用于系统模型建立、信息处理等诸多领域

[10]

6.2.2自适应神经模糊推理系统（ANFIS）

6.2.3自适应神经模糊推理系统的结构

假设：模糊推理系统有两个输入x和y和一个输出z。对于一阶Sugeno

模糊模型，具有两条模糊if−then规则的普通规则集如下[10]:

规则1：如果x是Aandy是B，那么fpx+qy+r；

111111

规则2：如果x是Aandy是B，那么fpx+qy+r。

221222

Sugeno模型的推理机制如图6-1a)所示：图6-1b)所示为该模型相应等效

的自适应神经模糊结构图。这里我们记层的第i个结点的输出为O。

l

l,i

图6-1a)Sugeno模型的推理机制；b)等效的自适应神经模糊结构图

层1：在该层中，每个节点i都是一个自适应结点，并且有相对应结点函数。

Q(x),i1,2，或者Q(y),i3,4

l,iAil,iB(i−2)

iyAB

结点的输入是x（或），该层中与结点相关的语言标识为或者。也就

y

是说，模糊集A(AA,A,B或B)的隶属度为Q，这里给定输入x或者满足

1212l,i

A

量的程度已经由隶属度确定。我们可以给定任意合适的一维参数化隶属函数作为

A的隶属函数，通常我们选(x)为钟型函数如式（4-2）式所示，最小值为0，最大

A