• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      幾種新的基于模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與控制的方法

      2016-01-04 10:20:42李繼光
      科技視界 2015年35期
      關(guān)鍵詞:模糊控制

      李繼光

      【摘 要】模糊神經(jīng)網(wǎng)絡(luò)結(jié)合了模糊控制的經(jīng)驗(yàn)和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力,是一種基于經(jīng)驗(yàn)和學(xué)習(xí)的新型神經(jīng)網(wǎng)絡(luò)控制系統(tǒng).本文介紹了幾種新型的基于模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與控制的新方法,比較了各自的特點(diǎn),并給出了基本的仿真結(jié)果.

      【關(guān)鍵詞】模糊神經(jīng)網(wǎng)絡(luò);模糊控制;模糊辨識(shí);規(guī)則抽取;學(xué)習(xí)算法

      1 問題的提出

      模糊邏輯和神經(jīng)網(wǎng)絡(luò)都適于處理那些被控對象模型難以建立或存在大的不確定性和強(qiáng)非線性的系統(tǒng). 由于神經(jīng)網(wǎng)絡(luò)在分布式處理,學(xué)習(xí)能力,魯棒性,泛化能力方面具有明顯的優(yōu)勢,而模糊系統(tǒng)的優(yōu)勢在于良好的可讀性和可分析性,因此,將神經(jīng)網(wǎng)絡(luò)的思想融合到模糊辨識(shí)和模糊控制模型中就可以實(shí)現(xiàn)兩者的優(yōu)勢互補(bǔ).模糊神經(jīng)網(wǎng)絡(luò)控制針對雙方的特點(diǎn)相互借鑒和利用,比單獨(dú)的神經(jīng)網(wǎng)絡(luò)控制或單獨(dú)的模糊控制具有更好的控制性能. 隨著智能控制理論的發(fā)展,模糊神經(jīng)網(wǎng)絡(luò)控,難以實(shí)現(xiàn)系統(tǒng)的實(shí)時(shí)控制制受到控制界的廣泛關(guān)注,相繼提出了許多控制和辨識(shí)的方法.

      本文總結(jié)了近期我國學(xué)者提出的幾種新的基于模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與控制方法,并通過仿真進(jìn)行了各自特點(diǎn)的比較,希望可以通過這些比較,對這些研究加以改進(jìn)和應(yīng)用.

      2 模糊神經(jīng)網(wǎng)絡(luò)

      2.1 仿射非線性系統(tǒng)

      為了實(shí)現(xiàn)非線性系統(tǒng)的實(shí)時(shí)控制,基于徑向基函數(shù)網(wǎng)絡(luò)與TSK 型模糊推理系統(tǒng)的函數(shù)等價(jià)的特點(diǎn),有學(xué)者提出了一種動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)的在線自組織線性算法,從而實(shí)現(xiàn)了系統(tǒng)的結(jié)構(gòu)和參數(shù)的同時(shí)在線自適應(yīng). 學(xué)習(xí)速度快是這種模糊神經(jīng)網(wǎng)絡(luò)的突出特點(diǎn).在此基礎(chǔ)上,針對未知仿射非線性SISO 系統(tǒng)提出了一種在線自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)與控制方法. 該方法首先采用G2FNN 學(xué)習(xí)算法實(shí)時(shí)建模系統(tǒng)的逆動(dòng)態(tài),實(shí)現(xiàn)模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)的同時(shí)在線學(xué)習(xí). 然后,設(shè)計(jì)一個(gè)魯棒補(bǔ)償器與辨識(shí)好的模糊神經(jīng)網(wǎng)絡(luò)組成復(fù)合控制器,并基于Lyapunov 穩(wěn)定性理論設(shè)計(jì)自適應(yīng)控制律進(jìn)一步在線調(diào)整網(wǎng)絡(luò)的權(quán)值,實(shí)現(xiàn)系統(tǒng)的跟蹤控制.

      控制目標(biāo)是設(shè)計(jì)一個(gè)由G2FNN 控制器和魯棒控制器構(gòu)成的模糊神經(jīng)網(wǎng)絡(luò)自適應(yīng)魯棒控制器, 使得系統(tǒng)的輸出y 跟蹤給定的參考輸入信號(hào)ym ,對于一個(gè)給定的干擾衰減水平常數(shù)ρ>0 ,獲得良好的H ∞跟蹤性能指標(biāo).

      廣義模糊神經(jīng)網(wǎng)絡(luò)G2FNN 由四層網(wǎng)絡(luò)結(jié)構(gòu)組成,分別實(shí)現(xiàn)模糊邏輯的模糊化、模糊推理和解模糊化過程. 圖1 所示為單個(gè)輸出結(jié)點(diǎn)G2FNN 的結(jié)構(gòu).

      圖1 G2FNN 的結(jié)構(gòu)

      G2FNN 中有兩類學(xué)習(xí)算法,即結(jié)構(gòu)學(xué)習(xí)和參數(shù)學(xué)習(xí). 結(jié)構(gòu)學(xué)習(xí)是通過對每個(gè)新的訓(xùn)練數(shù)據(jù)計(jì)算出G2FNN 的輸出與期望輸出之間的偏差來決定是否產(chǎn)生新的模糊規(guī)則或刪除多余的規(guī)則; 參數(shù)學(xué)習(xí)有兩個(gè)方面,一是當(dāng)系統(tǒng)產(chǎn)生第N r+1條新的模糊規(guī)則時(shí)確定新規(guī)則前提參數(shù)ci ( N r+1) ,σi(N r+1),另一個(gè)是當(dāng)不需要進(jìn)行結(jié)構(gòu)學(xué)習(xí)時(shí)對第三層與第四層網(wǎng)絡(luò)之間的權(quán)值向量W 的調(diào)節(jié).

      第一層直接將輸入語言變量xi(i =1,2,…Ni) 傳遞到下一層.

      第二層計(jì)算輸入分量隸屬于各語言變量值模糊集合的隸屬度,隸屬度函數(shù)為高斯函數(shù):

      式中: cij ,σij (i =1 ,2 , …, N r) 分別是第i 個(gè)輸入語言變量xi的第j 條隸屬度函數(shù)的中心和寬度;N r 為系統(tǒng)產(chǎn)生的規(guī)則數(shù).

      第三層是規(guī)則層, 這一層的每個(gè)結(jié)點(diǎn)代表一條模糊規(guī)則,它的作用是用來匹配模糊規(guī)則的前提,每個(gè)結(jié)點(diǎn)的輸出可以表示為:

      第四層是結(jié)點(diǎn)定義語言變量的輸出, 它的作用是用來匹配模糊規(guī)則的結(jié)論,實(shí)現(xiàn)TSK型模糊推理系統(tǒng)的解模糊化過程. 其輸出為:

      這里, Wj 為第三層與第四層之間的權(quán)值.

      使用倒立擺系統(tǒng)方程進(jìn)行仿真研究, 倒立擺的動(dòng)態(tài)方程為:

      系統(tǒng)仿真結(jié)果如圖(圖2):

      圖2 自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)跟蹤軌跡

      由圖可知,所設(shè)計(jì)的控制器實(shí)現(xiàn)了模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)的在線自適應(yīng),輸出跟蹤參考輸入信號(hào),系統(tǒng)的誤差收斂速度快,魯棒性好.

      由仿真可見,該方法不僅實(shí)現(xiàn)了模糊控制規(guī)則的自動(dòng)產(chǎn)生和刪除,還保證了閉環(huán)系統(tǒng)的全局穩(wěn)定,并使外部干擾和模糊神經(jīng)網(wǎng)絡(luò)逼近誤差對系統(tǒng)跟蹤誤差的影響衰減到一個(gè)指定的水平.本方法不需要知道系統(tǒng)的控制增益,設(shè)計(jì)了一個(gè)魯棒補(bǔ)償器來抑制模糊神經(jīng)網(wǎng)絡(luò)逼近誤差和外部干擾的影響. 系統(tǒng)魯棒性好,抗干擾能力強(qiáng),所設(shè)計(jì)的控制器可用于系統(tǒng)的實(shí)時(shí)控制.

      2.2 網(wǎng)絡(luò)參數(shù)自學(xué)習(xí)模糊控制

      在模糊系統(tǒng)的許多應(yīng)用中, 如模糊推理、模糊邏輯控制器、模糊分類器等, 提取模糊規(guī)則是一個(gè)重要步驟。在新興的研究領(lǐng)域——數(shù)據(jù)挖掘中, 提取模糊規(guī)則也起著重要作用。然而模糊控制規(guī)則的獲得通過由專家經(jīng)驗(yàn)給出, 這就存在諸如控制規(guī)則不夠客觀、專家經(jīng)驗(yàn)難以獲得等問題。因此研究模糊規(guī)則的自動(dòng)生成有著重要的理論和應(yīng)用價(jià)值。在許多問題中, 希望提取出來的模糊規(guī)則能夠用語言變量表示, 以便揭示模糊系統(tǒng)內(nèi)部的規(guī)律, 同時(shí)這也是模糊系統(tǒng)的一個(gè)特色。為了提高抽取復(fù)雜系統(tǒng)模糊if- then 規(guī)則的質(zhì)量, 將具有極好學(xué)習(xí)能力的神經(jīng)網(wǎng)絡(luò)與模糊推理系統(tǒng)相結(jié)合, 產(chǎn)生了神經(jīng)- 模糊建模方法, 這種方法綜合了兩種形式的特點(diǎn), 提供了一種從數(shù)值數(shù)據(jù)集抽取模糊規(guī)則的有效框架。有關(guān)領(lǐng)域的研究者們提出了多種模糊邏輯與神經(jīng)網(wǎng)絡(luò)結(jié)合的方法, 給出了各種用于提取模糊if- then 規(guī)則的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)框架。

      由于徑向基函數(shù)網(wǎng)絡(luò)(RBFN)以其結(jié)構(gòu)簡單、良好的逼近能力、獨(dú)特點(diǎn)可分解性以及和模糊推理系統(tǒng)的函數(shù)等價(jià)性, 因此可應(yīng)用于模糊系統(tǒng)。然而, 當(dāng)一個(gè)模糊系統(tǒng)使用學(xué)習(xí)算法被訓(xùn)練之后可能會(huì)影響其可解釋性, 也就是使得模糊系統(tǒng)的可理解性下降, 而可解釋性是模糊系統(tǒng)的一個(gè)突出特點(diǎn)。為了讓模糊系統(tǒng)在具有自學(xué)習(xí)和自組織性的同時(shí)也具有可解釋性這一突出特點(diǎn), 以下提出了一種能夠有效表達(dá)模糊系統(tǒng)可解釋性RBF 網(wǎng)絡(luò)結(jié)構(gòu), 并進(jìn)行了仿真實(shí)驗(yàn), 取得較好的仿真結(jié)果。

      根據(jù)測量數(shù)據(jù)采用各種神經(jīng)網(wǎng)絡(luò)自動(dòng)提取模糊規(guī)則的方法, 在輸入輸出空間劃分部分運(yùn)用的是聚類的思想, 而大多數(shù)其輸入輸出空間劃分?jǐn)?shù)( 聚類數(shù)) 是預(yù)先給定, 這不免帶有一定的盲目性, 直接影響規(guī)則的提取質(zhì)量。為此, 本文關(guān)于初始聚類中心及聚類中心個(gè)數(shù)的確定方法采用文獻(xiàn)7 提出的一種聚類神經(jīng)網(wǎng)絡(luò)初始聚類中心的確定方法。利用這種基于密度和基于網(wǎng)格的聚類方法, 能自動(dòng)地進(jìn)行樣本空間的劃分, 針對樣本空間劃分過程中不同階段的特點(diǎn), 采用了不同的處理手段, 使得該方法在樣本空間劃分?jǐn)?shù)、聚類學(xué)習(xí)時(shí)間等方面都具有比較明顯的優(yōu)越性(圖3)。

      圖3 仿真實(shí)驗(yàn)結(jié)果

      下面針對每個(gè)仿真曲面分別給出一組訓(xùn)練樣本點(diǎn)為500 個(gè), 評價(jià)樣本點(diǎn)為100 個(gè)的仿真結(jié)果圖, 如圖4所示:

      圖4

      從圖中, 可見各樣本數(shù)據(jù)的預(yù)測值與實(shí)際值吻合的比較好, 只有個(gè)別的點(diǎn)誤差較大, 這與訓(xùn)練樣本點(diǎn)的選取有關(guān)。另外, 在系統(tǒng)模型建立好后, 為了檢驗(yàn)?zāi)P偷男Ч?筆者另外又抽取幾組數(shù)據(jù)樣本作為評價(jià)樣本, 結(jié)果發(fā)現(xiàn)預(yù)測值與實(shí)際值相比, 誤差也在允許范圍內(nèi), 效果比較令人滿意。

      本方法的創(chuàng)新點(diǎn)是提出了一種能夠有效表達(dá)模糊系統(tǒng)可解釋性RBF 網(wǎng)絡(luò)結(jié)構(gòu), 并給出了一種有效的提取模糊規(guī)則的算法, 這就使模糊系統(tǒng)在具有自學(xué)習(xí)和自組織性的同時(shí)也具有可解釋性這一突出特點(diǎn)。利用這種網(wǎng)絡(luò)結(jié)構(gòu)和算法進(jìn)行控制器設(shè)計(jì), 至少有以下的優(yōu)點(diǎn):

      (1)模糊系統(tǒng)具有很好的可解釋性。

      (2)該算法克服了RBF 中心個(gè)數(shù)選擇的隨機(jī)性,較好地解決了樣本聚類。

      (3)提出的增量數(shù)據(jù)處理方法保證了網(wǎng)絡(luò)結(jié)構(gòu)能適應(yīng)不斷擴(kuò)大的數(shù)據(jù)集。

      綜上所述, 這種RBF 模糊神經(jīng)網(wǎng)絡(luò)控制算法,對于研究非線性, 時(shí)變的多變量系統(tǒng), 提供了一種新的思路, 具有一定的理論意義和工程應(yīng)用價(jià)值。

      2.3 其他一些方法

      其他的一些最近被提出的,如基于神經(jīng)模糊網(wǎng)絡(luò)的方法,基于模糊推理網(wǎng)絡(luò)的方法(見圖5), 基于非線性自回歸滑動(dòng)平均模型等,都取得了很好的控制和辨識(shí)效果,具有有良好的發(fā)展和應(yīng)用前景.

      圖5 6層神經(jīng)模糊推理網(wǎng)絡(luò)

      3 總結(jié)

      本文系統(tǒng)地?cái)⑹隽四壳把芯勘容^熱門的近期我國學(xué)者提出的幾種新的基于模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識(shí)與控制方法的研究成果,并簡要分析了各種方法的優(yōu)缺點(diǎn). 限于篇幅,除本文介紹的幾種方法外, 還有一些研究成果沒有列出. 本文的目的是為在這方面進(jìn)行研究的學(xué)者提供一個(gè)系統(tǒng)的參考和建議.

      【參考文獻(xiàn)】

      [1]李佳寧,易建強(qiáng),等.一種新的基于神經(jīng)模糊推理網(wǎng)絡(luò)的復(fù)雜系統(tǒng)模糊辨識(shí)方法[J].自動(dòng)化學(xué)報(bào),2006,Vol.32,No.5.

      [2]王鍇,王占林,付永領(lǐng),祁曉野. 基于PNN與FNN模型神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)與分析[J].北京航空航天大學(xué)學(xué)報(bào),Vol.32, No.9,2006.

      [3]李曉秀,劉國榮,沈細(xì)群.仿射非線性系統(tǒng)的在線自適應(yīng)模糊神經(jīng)網(wǎng)絡(luò)辨識(shí)與控制[J].湖南大學(xué)學(xué)報(bào)(自然科學(xué)版),2006,8,33(4).

      [4]李延新,李光宇,孫輝,李文.基于RBF 網(wǎng)絡(luò)的參數(shù)自學(xué)習(xí)模糊控制的研究[J].微計(jì)算機(jī)信息,2006,8,22(8).

      [5]王麗梅,田明秀,王力.永磁同步電動(dòng)機(jī)的神經(jīng)網(wǎng)絡(luò)模糊控制器設(shè)計(jì)[J].電氣傳動(dòng),2006,36(8).

      [6]肖敏,張華,賈劍平.模糊神經(jīng)網(wǎng)絡(luò)PID 控制在焊縫跟蹤中的應(yīng)用[J].微計(jì)算機(jī)信息,2006,9,22(9).

      [責(zé)任編輯:楊玉潔]

      猜你喜歡
      模糊控制
      基于模糊控制的UUV編隊(duì)避障研究
      模糊控制理論在船舶操縱中的應(yīng)用
      基于變論域模糊控制的Taylor逼近型內(nèi)模PID算法
      基于遺傳算法的模糊控制在過熱汽溫控制系統(tǒng)優(yōu)化中的應(yīng)用
      電子制作(2019年16期)2019-09-27 09:34:44
      基于擾動(dòng)觀察與模糊控制相結(jié)合的MPPT算法
      T-S模糊控制綜述與展望
      基于模糊控制的PLC在溫度控制中的應(yīng)用
      電子制作(2016年21期)2016-05-17 03:53:01
      基于模糊控制的恒壓供水系統(tǒng)的研究
      基于模糊控制的無人機(jī)滑跑起飛控制方法研究
      中小城市交通干線模糊控制的實(shí)現(xiàn)
      涡阳县| 昌都县| 水城县| 六枝特区| 松原市| 临桂县| 民县| 珠海市| 阜平县| 大兴区| 乐业县| 札达县| 准格尔旗| 宜川县| 收藏| 来安县| 民县| 秦安县| 广汉市| 三江| 连南| 饶平县| 公安县| 容城县| 汕头市| 黎城县| 增城市| 乐东| 基隆市| 湟中县| 焦作市| 苍山县| 澄江县| 岐山县| 南京市| 曲阳县| 彝良县| 枣庄市| 敖汉旗| 洛隆县| 沿河|