模糊神经网络控制器的优化设计

万方数据
3)
H ( V%Z%
R
R
2 V 2 %= *= *=0Y5 )
=( )
其 中 0>( )0*0@ 03)A=( )0*0@ 03) 为 输 出 层 结 点 数 A3* 为 隐 层 结 点 数 D
第 7期
模糊神经网络控制器的优化设计
11)
! 模糊神经网络控制器的优化
!"# 模糊神经网络控制器权值修正优化计算
师 / 长 期 从 事 工 业 自 动 化 .智 能 控 制 理 论 与 应 用 等 方 面 的 研 究 0韩 霞 +&m)*n ,-女 -硕 士 研 究 生
第 R期
模糊神经网络控制器的优化设计
***
络 辨识器!"##$及被控对象%控制器的输入为偏差 &和偏差变化率 ’&(输出为控制量 )%神经网络辨识 器 !"##$用 来 逼 近 被 控 对 象 输 出 (由 其 提 供 被 控 对 象 输 出 对 输 入 的 导 数 信 息 %
模 糊 神 经 网 络 控 制 器 的 控 制 规 则 存 储 在 第 三 层 $误 差 及 误 差 变 化 率 经 隶 属 函 数 分 割 后 $只 有 少 数 几 个
语 言 值 有 较 大 的 隶 属 度 值 %规 则 层 结 点 的 输 出 为 误 差 及 误 差 变 化 率 语 言 值 隶 属 度 的 乘 积 $因 此 规 则 层 大 多
数 节 点 的 输 出 近 似 为 零 $只 有 少 数 控 制 规 则 被 启 动 影 响 控 制 器 的 输 出 %一 般 模 糊 神 经 网 络 控 制 器 修 正 权 值
时 $不 论 规 则 对 控 制 量 的 影 响 有 多 大 $对 所 有 的 连 接 权 值 都 进 行 修 正 计 算 $计 算 量 较 大 $影 响 了 控 制 器 的 实
变化率输入网络2 输 入 >?@!*$4 3@(@4 *(+-
图 + 模糊神经网络控制器结构图
输出>A@!B*$4?@!*$(@4*(+CB4 *(+(D(ECE是误差和误差变化率的模糊子集的个数2
+$第 二 层 !语 言 变 量 层 $>该 层 结 点 接 受 输 入 层 信 号 并 用 高 斯 函 数 作 为 隶 属 函 数 来 划 分 输 入 信 号 的 分
G+%/ J
.
J( )
3
G+%/ J
2J
J( )
J( )
同 理 可 推 得 177?’)>A77<’*>A77?’*>
以
上
各
式
中
均
含
有
7,项 7EF
0由
于
被
控
对
象
是
未
知
的
0需

进
行
在
线
辨
识
D
!"N 被控对象辨识神经网络参数修正算法
被控对象神经网络辨识器+OPP/结构如图 %所示0定义误差代价函数为 ’( )*+,.,Q/*0推导可得
中图分类号% 13!)45 6#
文献标识码% 7
189:;<=>?@A9B=CD=DCEFGHIIJK9HL?@K9<MELNOED<LE@@9L
PQR SHD-PQR A=DC-T7K U=?-V7QTH?’JH
+A9;?L<>9D<EF7H<E>?<=ED?DW=DFEL>?<=ED-U=X?DRD=Y9LB=<JEF19Z8DE@ECJ-U=X?D)&""#*-O8=D?,
摘要% 模糊神经网络控制器不依赖于被控 对 象 精 确 的 数 学 模 型-又 能 根 据 被 控 对 象 参 数 的 变 化 自 适 应
调节控制规则和隶属函数参数-但是模糊神 经 网 络 控 制 器 在 线 修 正 权 值 计 算 量 大.过 度 修 正 权 值 还 可 能
导致系统剧烈振荡/针对以上问题-提出 了 在 线 修 正 计 算 中 仅 对 控 制 性 能 影 响 大 的 权 值 进 行 修 正-以 减
图 * 模糊神经网络控制系统结构
,-, 模糊神经网络控制器!./0$的结构
模 糊 神 经 网 络 控 制 器 的 结 构 如 图 +所 示(该 网 络
有 四 层(在 连 接 结 构 中 融 入 了 隶 属 函 数1模 糊 规 则1模
糊化1清晰化的功能(能够自 动 地 调 节 隶 属 函 数 和 模 糊
控 制规则参数2控制器的输入经过变换函数 3*4!*5
678!59&$$:!*;678!59&$$和 3+4!*5678!59’&$$:
!*; 678!5 9’&$$变 换 (其 值 被 限 制 在 <5 *(*=区 间 2各
层结点的输入输出关系如下>
*$第 一 层 !输 入 层 $>该 层 将 变 换 后 的 误 差 及 误 差
布2
输入>?@!B+$45 !A@!B*$G5+@BF@B$+(@4*(+CB4*(+(D(E输出>A@B!+$4HI@B4678!?@B!+$$(@4*(+CB4*(+(D E式中 F@B与 G@B分别为高斯函数的中心值及宽度值参数2
J$第三层!模糊规则层$>该层的每个结点代表 *条规则2
输
入
>?!J$ !B5 *$E;
H 7’
72;
(
7’ 7, 7, 7EF
7EF 72;
(
.
+,-.
,/77E,F
G+%/ > 3
G+%/ I
I( )
7’
KH L H $ H H & 7<)>
(
.
+,-.
,/77E,F
+)/
*+G < /G )>. )> G 3
+*/ B )>
+*/ *M
?* )>
G+%/ * M( ) J
3
2+>. )/B5 )
隶属函数的中心值2
L
N 输入>?!M$4 AO!J$PO(PO 为输出层连接权值O4 *
输出>A!M$4)Q 4
?!M$
L
-
万方数据
N A!J$ O O4 *
))*
系统工程理论与实践
*[[\年 ]月
!"# 模糊神经网络控制器参数修正算法$%&
定义误差代价函数为 ’( )*+,-.,/*0采用误差反向传播修正算法可得1 23+45 )/( 23+4/. 6772’3 5 89:;+4/0
o 引言
模糊神经网络控制器是将模糊控制与神经网络相结合构成的一种智能控 制器-其既 具有模 糊控制 知 识表达容易又兼有神经网络自学习能力强的优点-并能根据被控对象参数和环 境的变 化自 适应地 调节控 制规则和控制器的参数p&-!q-但是模糊神经网络控制器一般存在着 在 线 修 正 权 值 计 算 量 大-权 值 过 度 修 正 容 易 导 致 系 统 剧 烈 振 荡 等 缺 点 /针 对 模 糊 神 经 网 络 控 制 器 存 在 的 问 题 -本 文 提 出 了 模 糊 神 经 网 络 控 制 器 的 优 化 方 法 %&,在 线 修 正 权 值 过 程 中 -仅 对 控 制 性 能 影 响 大 的 权 值 进 行 修 正 -以 减 小 计 算 量 / !,根 据 偏 差 及 偏差变化率大小-基于 12模型 模糊 自 适 应调 节 权 值修 正步 长-抑制控制 器输出 的剧 烈变化-避免 系统 发 生剧烈振荡/
7’
R
(
72*=>
7’ 7,Q 7,Q7BST%
7BST% 7U*=
7U*= 7BST*=
77B2ST**=>=(
.
+,.
,Q/V%
R
2%=V*=U)>
同理可得
7’
R
(.
+,.
,Q/V% U*=
72%=
7’
R
(.
+,.
,Q/V%
R
2%=V*=
7W*=
则可得
图 % 基于 OPP 的估计器结构图
7, 7EF
X
7,Q 7EF
7’
R
(.
+,.
,Q/V%
7W%
7’
R
(
.
+,.
,Q/,RQ
7<
<
K LK L 其中0V%(77B,SQT%(
)*R<
).
,Q
R
<
)5
,Q
R
0
<
V*=( 77BUST*=*=( )*+).U*=/+)5U*=/"
H (
7,Q 3) 7BST% =()
7BST% 7U*= 7BST* 7U)0Y5) 7U*= 7BST* 7U)0Y5) 7EF
<=>+45 )/( <=>+4/. 677<’=>5 89<=>+4/0
?=>+45 )/( ?=>+4/. 677?’=>5 89?=>+4/0 其 中0;()0*0@03A=()0*A>()0*0@0BA3(B*A9C+4/(C+4/.C+4.)/A6为修正 步 长08为 动 量 项因子D