推荐星级：

智能控制技术第二版第六章智能控制的集成技术

更新时间：2023-12-19 05:50:44 大小：567K 上传用户：xuzhen1 查看TA发布的资源 标签：智能控制 下载积分：2分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

智能控制技术第二版第六章智能控制的集成技术模糊神经网络控制方法的提出：模糊控制系统的隶属度函数或控制规则的设计方法存在很大的主观性。利用神经网络的学习功能来优化模糊控制规则和相应的隶属度函数、将一些专家知识预先分布到神经网络中去是提出模糊神经网络理论的两个基本出发点。结构说明：第一层节点为输入节点，用来表示语言变量；输出层的每个输出变量有两个语言节点，一个用于训练时期望输出信号的馈入，另一个表示模糊神经网络推理控制的输出信号节点; 第二层和第四层的节点称为项节点，用来表示相应语言变量语言值的隶属度函数。第三层节点称为规则节点，用来实现模糊逻辑推理。其中第三层与第四层节点间的连接系数定义规则节点的结论部、第二、三层节点间的连接系数定义规则节点的条件部。第四层有两种模式从上到下的传输模式时，与第二层相同，实现模糊化的功能。从下到上的传输模式中，实现的是模糊逻辑推理运算。根据最大、最小推理规则，是模糊“或”运算： fj(4)=max(u1(4),u2(4),...,up(4)), aj(4)=fj(4) 且第三、四层节点之间的连接系数wji(4)=1 模糊神经网络控制学习算法第一阶段，使用自组织学习方法进行各语言变量语言值隶属度函数的初步定位以及尽量发掘模糊控制规则的存在性（即可以通过自组织学习删除部分不可能出现的规则）在第二阶段，利用有导学习方法来改进和优化期望输出的各语言值隶属度函数。第一阶段：自组织学习：模糊控制规则的自组织和语言值隶属度函数的预辨识给定一组输入样本数据xi(t),i=1,2,...,n、期望的输出值yi(t),i=1,2,...,m、模糊分区｜T(x)｜和｜T(y)｜以及期望的隶属度函数类型（即三角型、钟型等）。学习的目的是找到隶属度函数的参数和系统实际存在的模糊逻辑控制规则。率先利用样本确定隶属度函数的均值和方差均值（中心值）mi的估计：Kohonen自组织映射法方差（宽度值）σi是与重叠参数r以及中心点mi邻域内分布函数值相关。规则删除仅保留规则节点与同一输出语言变量的所有语言值节点的连接系数最大的那个连接关系，将其余的连接关系删除。当某一规则节点与某一输出语言变量所有语言值节点之间的连接系数都非常小时，则所有的连接关系都可以删除。如果某一规则节点与第四层中的所有节点的连接系数都很少而被删除的话，则该规则节点对输出节点不产生任何影响。因此，该规则节点可以删除。规则合并的条件该组节点具有完全相同的结论部(如图6-2中输出变量yi中的第二个语言值节点)；在该组规则节点中某些条件部是相同的(如图6-2中输入变量x0中的第一个语言值节点的输出与该组规则节点全部相连)；该组规则节点的其它条件输入项包含了所有其它输入语言变量某一语言值节点的输出。与传统的自适应控制器一样，有两种不同的设计途径：间接控制：通过系统辨识获取对象的数学模型，再根据一定的设计指标进行设计；直接控制：根据对象的输出误差直接调节控制器内部参数来达到自适应控制的目的。 1、模型参考自适应控制通过选择一个适当的参考模型和由稳定性理论设计的自适应算法，并利用参考模型的输出与实际系统输出之间的误差信号，由一套自适应算法计算出当前的控制量去控制系统达到自适应控制的目的。在实时性方面都没有重大进展。