王永海，郭 珂*，方 岳，叶玉玲

(1.北京航天长征飞行器研究所，北京 100076；2.中船重工集团第七一○研究所，湖北 宜昌 443003)

0 引 言

模糊神经网络(FNN)是一种将模糊推理系统和神经网络有机结合，功能上与模糊推理系统完全等价的自适应网络，具有强大的学习和推理能力。它已经在非线性系统辨识、控制、故障诊断等领域得到了广泛应用[1-4]。

王立新[1]将模糊系统作为万能逼近器，构造了一个前馈三层FNN，用于逼近非线性函数。韩红桂等人[4]提出了一种基于混合梯度下降算法的模糊神经网络，应用于非线性系统建模与污水处理过程关键水质参数预测时，表现出了较好的收敛速度和泛化能力。Wang[5]提出了一种具有新型模糊隶属度函数的模糊神经网络，并在非线性时变系统的辨识[6-7]中取得了较好的结果。叶玉玲[8]基于模糊粗糙隶属函数，建立了一种五层结构的模糊粗糙神经网络，并通过一种混合智能优化算法优化了网络结构和参数，取得了较好的精度和泛化能力。刘俊强[9]对FNN的结构和学习算法进行了深入的研究，给出了四种FNN结构，其中典型的基于零阶TS模糊逻辑系统的多输入单输出FNN结构分为五层：输入层、模糊化层、模糊推理层、归一化层和输出层。这种FNN具有设计方法简单，物理意义明确，可逼近任意非线性函数的特点。在其结构设计过程中，输入层和输出层根据实际系统确定，只需要给出每个输入空间划分的子空间数目，就确定了模糊化层、规则层和归一化层神经元的个数及连接。……