模糊RBF網絡的研究和應用.pdf

1、現代科技的飛速進步，促使控制理論向著更復雜、嚴密的方向發(fā)展。在智能控制領域中，模糊理論和神經網絡融合正在控制領域顯示出巨大的應用潛力。模糊系統(tǒng)善于表達知識，推理類似于人的思維，但過于依賴人的主觀因素，缺乏學習和適應的能力；神經網絡結構可變，具有較強的自組織、自學習的能力，但是不具有結構性知識表達能力，網絡參數缺乏物理意義，且在學習過程中易陷入局部極值。所以將二者的特點結合起來形成模糊神經網絡就成了一種必然的趨勢。模糊神經網絡是一種能處理

2、抽象信息的網絡結構，具有強大的自學習和自整定功能，模糊神經網絡是一項重要的研究課題，對智能控制的發(fā)展具有非常重要的意義 本文主要介紹了模糊RBF網絡的結構和特點，并介紹了所存在的問題。遺傳算法是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的一種新的全局優(yōu)化搜索算法，因而采用遺傳算法來訓練模糊RBF網絡實現網絡參數的快速、全局尋優(yōu)，并把這種遺傳算法優(yōu)化模糊RBF網絡算法具體應用到瓦斯移動抽排系統(tǒng)和雙力臂機器人系統(tǒng)中。 在移

3、動瓦斯抽排系統(tǒng)中主要是通過模糊RBF網絡學習模糊控制來控制。遺傳算法對模糊RBF網絡的隱函數進行全局最優(yōu)搜索，保證可以尋到最優(yōu)解，并且有較快的收斂速度。 雙力臂機器人動力模型是一個非線性和不確定性系統(tǒng)，系統(tǒng)的不確定項由魯棒控制來補償。控制策略由兩種方式： 1．系統(tǒng)模型在不考慮死區(qū)時，控制方法是PD控制，系統(tǒng)中的未知項采用自適應遺傳算法優(yōu)化模糊RBF網絡整體逼近和分部逼近，并比較其控制效果。 2．在系統(tǒng)模型考慮死區(qū)