模糊神經網絡結構優(yōu)化及系統(tǒng)性能評估研究.pdf

1、模糊神經網絡作為智能控制領域中一支倍受關注的分支，它是模糊推理技術和人工神經網絡技術的有機的結合，這種結合既彌補了模糊推理技術在學習方面存在的缺陷，又使人工神經網絡的“黑箱”結構透明化，因此特別適用于各種復雜系統(tǒng)?？刂葡到y(tǒng)性能評估技術作為當今世界過程控制領域最受關注的研究方向之一，通過對評估標準的計算和分析，實現(xiàn)對控制系統(tǒng)運行狀態(tài)的評估和監(jiān)控，確?？刂破髂軌蜷L時間的運行在良好的狀態(tài)下或者要求的狀態(tài)下。
　　 模糊神經網絡結構和模

2、糊推理算法很大程度上影響了模糊神經網絡的性能，因此本文從模糊推理算法的改進和模糊神經網絡結構優(yōu)化兩大方面入手，探討了優(yōu)化模糊神經網絡性能的方法。在控制系統(tǒng)性能評估過程中，總是希望找到一個合適的評估標準，能夠準確的對控制系統(tǒng)進行評估，本文通過對誤差分布的研究，提出一種以誤差概率分布作為控制系統(tǒng)性能評估的標準，實現(xiàn)對控制系統(tǒng)性能的評估和運行狀態(tài)的監(jiān)控。
　　 計算型模糊推理算法采用數(shù)值計算的方法對傳統(tǒng)的推理計算過程進行了改進，改進后

3、的推理算法能夠充分考慮所有輸入的影響，又能根據輸入的變化，對模糊規(guī)則進行適當?shù)恼{整，從而大大提高系統(tǒng)的推理精度，減小穩(wěn)態(tài)誤差;矢量“隸屬度”法通過對隸屬度矢量化處理和模糊等級的標量化處理，把當前輸入量的相對方向和大小等級分別反映在矢量“隸屬度”和標量模糊等級上，從而通過減少模糊等級數(shù)目，實現(xiàn)優(yōu)化模糊神經網絡結構的目的;增長法和剪枝法在單獨使用中，各有優(yōu)缺點，但是將兩種算法結合起來，形成增長剪枝聯(lián)合算法，實現(xiàn)優(yōu)缺點互補，對規(guī)則層節(jié)點進行增

4、加或減少操作，在優(yōu)化結束判斷中，兩種算法互為條件，最終實現(xiàn)優(yōu)化模糊神經網絡結構的目的。
　　 針對目前工業(yè)控制系統(tǒng)中普遍存在系統(tǒng)性能下降的問題，本文提出了一種基于誤差概率分布的控制系統(tǒng)性能評估、優(yōu)化及監(jiān)控的方法，這種方法根據誤差的分布服從正態(tài)分布這一原理建立評估標準，通過對系統(tǒng)運行數(shù)據的計算和分析，確定系統(tǒng)的運行狀態(tài)，實現(xiàn)對控制系統(tǒng)性能的評估和監(jiān)控，根據系統(tǒng)的運行狀態(tài)和評估參數(shù)，對控制參數(shù)進行適當?shù)恼{整，最終完成控制系統(tǒng)性能的評