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