模糊神經(jīng)網(wǎng)絡(luò)在大滯后非線(xiàn)性系統(tǒng)中的應(yīng)用.pdf

1、隨著科學(xué)技術(shù)的發(fā)展,現(xiàn)代工業(yè)生產(chǎn)過(guò)程的一個(gè)共同特征是控制系統(tǒng)的復(fù)雜性和不確定性日趨明顯,即各個(gè)子系統(tǒng)之間或其內(nèi)部會(huì)有較強(qiáng)的關(guān)聯(lián)性,參數(shù)的高維性、時(shí)變性和隨機(jī)性,且系統(tǒng)和環(huán)境具有許多未知的和不確定的因素,這些因素還會(huì)隨環(huán)境、工況和時(shí)間等發(fā)生不可預(yù)料的變化.因此己不可能利用那些基于定量數(shù)學(xué)模型的傳統(tǒng)控制方法對(duì)其實(shí)現(xiàn)有效的控制,必須尋求新的控制策略.模糊控制是一種不依賴(lài)于被控過(guò)程數(shù)學(xué)模型的仿人思維的控制技術(shù).它可以利用領(lǐng)域?qū)＜业牟僮鹘?jīng)驗(yàn)或知識(shí)

2、建立被控系統(tǒng)的模糊規(guī)則,有較好的知識(shí)表達(dá)能力.但在工程實(shí)際應(yīng)用中卻缺乏自學(xué)習(xí)或自調(diào)整的能力.盡管神經(jīng)網(wǎng)絡(luò)是一類(lèi)黑箱式的非線(xiàn)性映射,但它具有良好的自學(xué)習(xí)能力.將二者有機(jī)結(jié)合起來(lái),取長(zhǎng)補(bǔ)短,用以提高整個(gè)系統(tǒng)的學(xué)習(xí)能力和表達(dá)能力.目前這個(gè)方向的研究正方興未艾.本文首先對(duì)模糊控制、神經(jīng)網(wǎng)絡(luò)及模糊神經(jīng)網(wǎng)絡(luò)的發(fā)展、背景和原理等進(jìn)行了綜述.對(duì)于大滯后非線(xiàn)性系統(tǒng)控制品質(zhì)要就比較高的場(chǎng)合,模型辨識(shí)是至關(guān)重要的,針對(duì)大滯后非線(xiàn)性系統(tǒng)難以用經(jīng)典方法辨識(shí)的原因

3、,模擬人腦記憶事物的過(guò)程,本文提出了一種新型聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),作為建模工具,以再現(xiàn)被控對(duì)象的特征,為控制做好鋪墊.針對(duì)溫度控制系統(tǒng)的非線(xiàn)性特點(diǎn),本文利用模糊神經(jīng)網(wǎng)絡(luò)控制器,應(yīng)用多層前饋網(wǎng)絡(luò)構(gòu)造模糊變量隸屬函數(shù)和模糊椎理控制模型,使神經(jīng)網(wǎng)絡(luò)不再表現(xiàn)為黑箱式映射,其所有節(jié)點(diǎn)和參數(shù)都具有模糊系統(tǒng)等價(jià)意義.該算法可根據(jù)在線(xiàn)調(diào)整確定初始隸屬函數(shù)和發(fā)現(xiàn)規(guī)則的存在,并可優(yōu)化調(diào)整隸屬函數(shù),獲得理想輸出.本文利用該控制策略進(jìn)行了仿真研究.結(jié)果表明,該