论文研究-基于GA-BP算法模糊神经网络控制器仿真 .pdf
需积分: 13 83 浏览量
2019-08-16
14:36:45
上传
评论
收藏 680KB PDF 举报
http://www.paper.edu.cn
本课题得到辽宁省教育厅科学研究计划资助
(2004D031)
- 1 -
基于
基于基于
基于 GA-BP 算法模糊神经网络控制器仿真
算法模糊神经网络控制器仿真算法模糊神经网络控制器仿真
算法模糊神经网络控制器仿真
詹习生
1
,李书臣
1
，吴杰
1
，李铁春
2
(1.辽宁石油化工大学信息工程学院，辽宁抚顺 113001)
(2.中油天然气管道华中输气分公司，湖北武汉 430072)
E-mail:xisheng519@126.com
摘
摘摘
摘
要
要要
要
：
基于模糊逻辑推理与神经网络控制技术融合，设计一种模糊神经网络控制器。该控
制器利用遗传算法(GA)优化隶属度函数，采用误差反向传播学习(BP)算法在线调节神经网络
权值，提高了控制器的稳定性，鲁棒性和适应性。针对一类具有大惯性和大纯滞后并且参数
时变的工业过程进行仿真具有工程应用价值，仿真结果验证该控制器的有效性。
关键词
关键词关键词
关键词
：模糊控制；
神经网络；GA-BP 算法；仿真
中图分类号
中图分类号中图分类号
中图分类号：
：：
：TP183
TP183 TP183
TP183 文献标识码
文献标识码文献标识码
文献标识码：
：：
： A
A A
A
1
11
1 引言
引言引言
引言
模糊系统和神经网络都是对人的智能的一种模拟
，它们均可以从给定的系统的输入
/
输
出数据中
,
采用并行处理的方式，建立系统的非线性模型
[1-2]
，但是模糊系统和神经网络又
各有优缺点，神经网络具有容错能力强以及具备自适应学习的优点，但是神经网络不适于表
达基于规则的知识，因此在神经网络进行时，由于不能很好的利用已有的知识，常常只能将
初始权值取为零或随机数，从而增加了网络的训练时间或陷于非要求的局部极值，相反，模
糊系统是建立在被人容易接受的“
if-then
”表达方式上，而且它是建立在专家知识的基础上，
但是模糊系统的显著特点是控制精度不高，自适应能力有限，存在稳态误差，可能引起震荡。
本文在充分利用二者的优点的基础上，设计一种模糊神经网络控制器。目前，广泛研究
的神经网络采用的是误差反向传播
(BP)
算法，它具有简单和可塑的优点，但它是基于梯度的
方法，这种方法的收敛速度慢，且常常受局部极小点的困扰。遗传算法
(Genetic Algorithm
，
简称
GA)
[3-4]
作为一种基于自然遗传学机理的优化方法，通过随机但有目的搜索机制来寻找
全局最优解，为了发挥
GA
算法和
BP
算法的长去，采用
GA-BP
算法优化模糊神经网络控
制器参数，提高了控制器的鲁棒性和适应性，仿真结果证实控制器的有效性。
2
22
2 模糊神经网络控制器的原理
模糊神经网络控制器的原理模糊神经网络控制器的原理
模糊神经网络控制器的原理
假定模糊神经网络控制器有两个输入，即误差
))(( tyye
d
−=
和误差变化律
e
&
，其中
d
y
是给定值，
)(ty
是被控变量的输出值，相应的语言变量为
E
，
EC
，输出语言变量为
U
，
则
GEeE
=
，
eGECEC
&
=
，
GUuU
=
，
GE
，
GEC
，
GU
是量化参数。将
E
和
EC
划
分为
7
个模糊子集
{},,,0,,,{
=
PBPMPSZNSNMNB “
负大
”
,
“
负中
”
,
“
负小
”
,
“
零
”
,
“
正
小
”
,
“
正
中
”
,
“
正
大
”
}
，这
里隶属
度
函
数用高
斯函
数表
示
为
)(
iA
x
ij
µ
＝exp[-
2
)(
iji
cx −
/
σ
i
2
j
]
(1)
其中
i
x
是输入变量,
ij
σ
是
隶属
度
函
数的
宽
度，
ij
c
是
隶属
度
函
数的中
心
值。
模糊
推
理控制器由一
组如下
的规则
构成
评论0
最新资源