一种用于非线性系统辨识与控制的自组织模糊神经网络
2017-01-18寇增前张建华王如彬
寇增前, 张建华, 王如彬
(华东理工大学 1.信息科学与工程学院; 2.理学院, 上海 200237)
一种用于非线性系统辨识与控制的自组织模糊神经网络
寇增前1, 张建华1, 王如彬2
(华东理工大学 1.信息科学与工程学院; 2.理学院, 上海 200237)
提出了一种自组织模糊神经网络(Self-Organizing Fuzzy Neural Network,SOFNN),采用了误差反向传播算法与带遗忘因子的递推最小二乘法相结合的混合优化算法优化系统的模糊规则库及其参数,此外,也引入SRIC (Schwarz & Rissanen Information Criterion)准则设计模糊系统。将本文提出的方法应用于非线性系统的辨识与控制,并讨论了阈值参数对该方法性能的影响。仿真结果表明,本文方法能有效地防止模糊模型过拟合,提高模糊系统的泛化能力,进而提高控制性能。
模糊控制; 模糊系统; 自组织模糊神经网络; 非线性控制
模糊逻辑控制器是一种基于IF-THEN模糊规则的专家系统[1],它的优点是不需要预先知道被控对象的数学模型而能够利用专家已有知识和经验设计优良的控制系统[2-3]。模糊逻辑控制特别适合于那些难以建立精确数学模型、非线性、大滞后和时变的复杂过程系统,现已被广泛应用于各个领域[4]。
尽管模糊逻辑能以类似于人类的思维方式建立基于规则的模糊控制器,但是如何恰当地建立模糊规则是模糊控制的主要问题[3]。通常学习构建一个模糊系统包括两部分:结构学习和参数学习。结构学习是为了确定模糊规则的数目以及隶属函数,参数学习是为了确定模糊规则参数的值[5]。神经网络有很强的非线性拟合能力,可映射任意复杂的非线性关系,具有强大的自学习能力,而且学习规则简单,便于计算机实现。……
