模糊控制作业三
1.控制对象：
用模糊神经网络逼近如下二维非线形函数：
y = f(x1, x2) = sin(πx1)*sin(πx2) 其中 x1∈[-1, 1], x2∈[-1, 1]
将 x1 和 x2 均分为 8 个模糊等级，对应于从 NL 到 PL 的 8 个模糊语言名称，即 m1= m2 =
8。取训练样本，按Δx1 = Δx2 = 0.1 间隔均匀取点，可得到（x1, x2, y）数据，用于对
模糊神经网络进行训练。
， 均分为 8 个模糊等级，他们对应于从 NL 到 PL 的 8 个模糊集合语言名称，即
，取各个模糊等级的隶属度函数如图所示：
为了对模型训练，需要训练样本。按照 间隔均匀取点，可得 400
组输入输出样本数据，利用这些数据对模糊圣经网络 进
行训练，调整权值 ，隶属度中心点 ，隶属度的宽度 。取 和
两种情况，进行 20 次学习。
2 模糊神经网络实现方法:
2.1 结构图及其说明
图 1 标准模型的模糊神经网络的结构图
