AND-OR模糊神经网络研究及在船舶控制中的应用

论文摘要

模糊逻辑控制和神经网络作为控制器相辅相成，共生互补，因此它们的结合具有一定的必然性，而且其产物——模糊神经网络已经成为当今智能控制领域的研究重点。然而，模糊神经网络强大的功能离不开全体神经元的共同作用，因此有关模糊神经元的研究也成为重要内容，涌现出大量的成果。本文基于由T模和S模组成的AND、OR神经元，提出了一种新型的模糊神经网络——AND-OR模糊神经网络。然而一种新的网络的提出，不能将原来的理论完全照搬套用，必须对其进行全面的分析考察论证，为此本文做了如下的工作： 分析研究AND、OR模糊神经元的内部结构组成特点，得出了AND、OR模糊神经元本身具有数字电路中“与”，“或”门的特点，并具有自动缩小输入空间的能力。 定义了模糊神经元的入度、出度和层连通度的概念，利用Zadeh算子为全新的AND-OR模糊神经网络每一层推导出输入输出的映射关系，从而为AND-OR模糊神经网络后续研究奠定了基础。 对AND-OR模糊神经网络进行深入地理论研究，证明了AND-OR模糊神经网络与复合模糊规则等价，其推理过程能够等价于广义模糊加权Mandani推理法，即包含着全局权和局部权的Mandani推理法。在Weierstrass定理的基础上，分四种情况证明了AND-OR FNN具有逼近连续函数的能力。 分析了常用梯度寻优方法存在的几项问题，根据AND-OR模糊神经网络自身特点提出了一种分段混合寻优的方法，主要包括三个部分，首先采用了自组织优化初步确定隶属函数的位置和形状，采用遗传算法和剪枝算法对AND-OR模糊神经网络的结构进行了优化，完成了缩小模糊划分的数目和自动提取最优模糊规则的任务。最后为了应用梯度法，将Zadeh算子（∧，∨）改为乘积和及概率和的形式对所有参数进行精细修正。为使计算方便提出了矩阵概率和运算方法，并给出了运算规律。 船舶运动控制是船舶操纵控制系统中至关重要的研究领域，许多专家学者一直致力于该方向的研究，其最终目的是能成功地实现真正意义上的船舶航行的无

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的意义
• 1.2 模糊神经网络的发展现状
• 1.3 船舶运动控制的发展现状
• 1.4 本文的主要研究工作
• 第2章 模糊神经网络的概述
• 2.1 模糊控制系统组成
• 2.1.1 模糊化
• 2.1.2 知识库
• 2.1.3 模糊推理机
• 2.1.4 解模糊
• 2.2 神经网络原理
• 2.2.1 人工神经元结构
• 2.2.2 人工神经网络拓扑结构
• 2.2.3 人工神经网络学习方式
• 2.3 模糊神经网络
• 2.3.1 模糊系统和神经网络的联系
• 2.3.2 模糊和神经网络的结合形式
• 2.3.3 模糊神经网络的表现形式
• 2.4 自适应模糊推理系统
• 2.4.1 ANFIS网络拓扑结构
• 2.4.2 ANFIS的混合学习算法策略
• 2.5 模糊自适应学习控制网络
• 2.5.1 FALCON的拓扑结构
• 2.5.2 FALCON的混合学习算法策略
• 2.6 小结
• 第3章 AND-OR模糊神经网络的研究
• 3.1 概述
• 3.1.1 Glorennec神经元
• 3.1.2 OWA神经元
• 3.1.3 OR/AND神经元
• 3.1.4 弱T范数簇神经元
• 3.2 AND、OR模糊神经元
• 3.2.1 AND、OR模糊神经元的定义
• 3.2.2 AND、OR模糊神经元的几个重要概念
• 3.3 AND-OR模糊神经网络的拓扑结构
• 3.4 AND-OR模糊神经网络有以下几个特点:
• 3.5 AND-OR模糊神经网络与模糊推理的等价关系
• 3.5.1 模糊推理及模糊推理方法
• 3.5.2 AND-OR模糊神经网络与"IF-THEN"规则的等价关系
• 3.5.3 AND-OR模糊神经网络与模糊推理的等价关系
• 3.6 AND-OR模糊神经网络的逼近能力的研究
• 3.6.1 数学基础知识
• 3.6.2 模糊系统是万能逼近器
• 3.6.3 AND-OR模糊神经网络的逼近能力
• 3.7 小结
• 第4章 AND-OR模糊神经网络混合学习优化策略
• 4.1 动态修改AND-OR模糊神经网络的结构优化
• 4.1.1 遗传算法优化AND-OR模糊神经网络的结构
• 4.1.2 剪枝算法优化AND-OR模糊神经网络结构
• 4.1.3 自组织学习算法优化网络中的位置和形状
• 4.2 精细修正AND-OR模糊神经网络的参数
• 4.2.1 反向第四层的隶属度函数的均值和方差的优化方法
• 4.2.2 常用梯度法优化AND、OR隐层的权值
• 4.2.3 第二层神经元隶属度函数的均值和方差的优化
• 4.3 小结
• 第5章 AND-OR模糊神经网络在船舶航向控制上的应用
• 5.1 概述
• 5.1.1 航向保持与航向改变
• 5.1.2 人工操舵的操纵分析
• 5.1.3 船舶运动控制方法
• 5.2 船舶运动控制模型
• 5.2.1 Nomoto数学模型
• 5.2.2 Bech and Smith模型
• 5.2.3 干扰信号的数学模型
• 5.3 船舶航向AND-OR模糊神经网络控制系统设计
• 5.3.1 船舶航向控制系统AND-OR模糊神经网络控制器的设计
• 5.3.2 船舶航向控制系统AND-OR模糊神经网络控制器的比较
• 5.4 船舶航向控制AND-OR模糊神经网络系统仿真
• 5.4.1 航向跟踪仿真
• 5.4.2 航向保持仿真
• 5.4.3 参数摄动仿真
• 5.5 小结
• 结论
• 参考文献
• 攻读学位期间公开发表论文
• 攻读博士学位期间参加导师主持的科研项目
• 致谢
• 研究生履历