一种新型模糊神经网络及其在控制中的应用

一种新型模糊神经网络及其在控制中的应用

论文摘要

模糊系统善于表达人的经验性知识,可以处理带模糊性的信息,这是神经网络做不到的;但另一方面模糊系统的规则和隶属函数等设计参数只能靠经验来选择,很难自动设计和调整,这是模糊系统的主要缺点。因此若能用神经网络来构造模糊系统,就可以利用神经网络的学习方法,根据输入输出样本来自动设计和调整模糊系统的设计参数,实现模糊系统的自学习功能。本文提出了一种使用平均(Average)模糊算子来计算每条规则适用度的模糊推理模型,并用一种分层神经网络来构造该模糊推理系统。该网络采用最速下降学习方法,利用样本数值信息,对模糊隶属函数参数和规则激励强度进行自适应调整,自动提取模糊if-then规则,从而实现了模糊系统的自学习和自适应功能。该系统在结构上类似MLP神经网络,而在功能上是模糊系统,我们称之为FMLP(Fuzzy Multilayer Perceptrons)。仿真实验证实了FMLP结构的合理性和算法的有效性。模糊控制器的性能主要受限于是否可以找到合适的模糊规则。本文应用FMLP来设计不依赖于专家经验知识的自适应神经模糊控制系统。在仿真实例中使用该自适应神经模糊控制方法成功地实现了自适应模糊控制与自适应逆控制。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 引言
  • 1.2 模糊神经网络的发展背景
  • 1.3 模糊神经网络的发展现状
  • 1.4 研究模糊神经网络的意义
  • 1.5 本文的主要研究内容及安排
  • 第二章 模糊推理与模糊神经网络
  • 2.1 引言
  • 2.2 模糊推理
  • 2.2.1 模糊集合论
  • 2.2.2 模糊if-then 规则推理
  • 2.3 模糊模型
  • 2.3.1 Mamdani 模型
  • 2.3.2 T-S 模糊模型
  • 2.4 模糊神经网络
  • 2.4.1 基于Mamdani 模糊模型的模糊神经网络
  • 2.4.2 基于T-S 模糊模型的模糊神经网络
  • 2.5 本章小结
  • 第三章 新型模糊神经网络FMLP
  • 3.1 引言
  • 3.2 Average 模糊模型
  • 3.2.1 Average 模糊推理模型
  • 3.2.2 基于Average 模糊模型的模糊系统
  • 3.3 新型模糊神经网络FMLP
  • 3.3.1 FMLP 结构
  • 3.3.2 FMLP 学习方法
  • 3.3.3 FMLP 算法流程
  • 3.3.4 FMLP 特点
  • 3.4 FMLP 仿真实验
  • 3.4.1 实验一:应用FMLP 仿真异或问题
  • 3.4.2 实验二:应用FMLP 辨识非线性系统
  • 3.5 本章小结
  • 第四章 基于FMLP 的神经模糊控制
  • 4.1 引言
  • 4.2 模糊控制
  • 4.2.1 模糊控制器的结构及设计
  • 4.2.2 模糊控制的特点
  • 4.3 神经模糊控制
  • 4.3.1 神经模糊控制方法
  • 4.3.2 神经模糊控制器设计
  • 4.4 应用FMLP 设计非线性对象的模糊自适应控制器
  • 4.4.1 基于FMLP 的模糊自适应控制器
  • 4.4.2 仿真:应用FMLP 实现模糊自适应控制
  • 4.5 应用FMLP 设计神经模糊自适应逆控制器
  • 4.5.1 逆向学习
  • 4.5.2 仿真:应用FMLP 实现神经模糊自适应逆控制
  • 4.6 本章小结
  • 第五章 总结与展望
  • 5.1 总结
  • 5.2 展望
  • 致谢
  • 参考文献
  • 硕士期间发表的论文
  • 相关论文文献

    • [1].基于改进的模糊C-均值聚类建立T-S模糊系统[J]. 无锡南洋学院学报 2008(03)
    • [2].基于五I算法的模糊系统的响应能力[J]. 工程数学学报 2019(01)
    • [3].二型模糊系统降型算法综述[J]. 西南交通大学学报 2019(02)
    • [4].显隐信息协同的多视角极限学习模糊系统[J]. 计算机科学与探索 2019(03)
    • [5].基于模糊系统的温升计算新方法[J]. 武汉大学学报(工学版) 2018(04)
    • [6].基于LMI的T-S模糊系统量化H_∞控制[J]. 渤海大学学报(自然科学版) 2018(03)
    • [7].模糊系统结合最小二乘的温升预测方法[J]. 哈尔滨理工大学学报 2017(06)
    • [8].以Bernstein多项式为规则后件的模糊系统构造及算法[J]. 浙江大学学报(理学版) 2018(04)
    • [9].基于模糊系统的接触电阻预测算法研究[J]. 河南理工大学学报(自然科学版) 2018(02)
    • [10].前件变量未知的T-S模糊系统输出反馈控制[J]. 控制与决策 2019(09)
    • [11].最小二乘优化模糊系统的接触电阻计算方法[J]. 哈尔滨理工大学学报 2018(02)
    • [12].基于模糊变换的模糊系统及HX方程[J]. 模糊系统与数学 2019(01)
    • [13].基于时滞划分法的T-S模糊系统的稳定性分析[J]. 杭州电子科技大学学报(自然科学版) 2019(05)
    • [14].基于非二次Lyapunov函数的不确定模糊系统鲁棒H_∞控制[J]. 控制与决策 2017(12)
    • [15].用模糊系统检测石油管道安全性[J]. 化工管理 2020(06)
    • [16].基于观测器的切换模糊系统的事件触发控制[J]. 模糊系统与数学 2019(01)
    • [17].模糊中立型时滞系统的H_∞滤波[J]. 南京理工大学学报(自然科学版) 2009(02)
    • [18].一类模糊切换系统的H∞性能分析[J]. 河南科学 2011(02)
    • [19].一类时滞连续模糊系统稳定性研究[J]. 模糊系统与数学 2009(06)
    • [20].基于神经网络的模糊系统在电厂风机故障诊断中的应用[J]. 九江职业技术学院学报 2008(03)
    • [21].基于生物特性的模糊系统的建立[J]. 镇江高专学报 2016(01)
    • [22].针对大样本集的融合模糊系统[J]. 计算机应用研究 2015(08)
    • [23].模糊系统知识模型的一致性与完备化[J]. 大连交通大学学报 2010(04)
    • [24].模糊系统知识模型上的单点关系与复合关系[J]. 大连交通大学学报 2010(01)
    • [25].基于H_α系统蕴涵算子的三I算法模糊系统[J]. 福州大学学报(自然科学版) 2010(05)
    • [26].新的具有稳定性模糊系统的设计方法[J]. 微计算机信息 2010(19)
    • [27].自适应神经模糊推理系统的参数优化方法[J]. 微计算机信息 2008(18)
    • [28].双层模糊系统融合中心约束型最小包含球[J]. 计算机科学 2014(12)
    • [29].离散模糊时滞系统的多目标控制[J]. 南京师范大学学报(工程技术版) 2009(04)
    • [30].单一与非单一鲁棒控制器的设计[J]. 控制工程 2008(04)

    标签:;  ;  ;  ;  ;  

    一种新型模糊神经网络及其在控制中的应用
    下载Doc文档

    猜你喜欢