模糊神经网络在非线性系统控制中的应用研究.pdfVIP

刘孝恒 郑磊 何国森 （上海大学机电工程与自动化学院，上海 200072） 摘 要 针对生产过程中存在大量的非线性系统、采用传统控制方法不能达到满意控制效果的实际情况，提 出一种基于模糊神经网络(Fuzzy Neural Network : FNN)的控制策略，融合模糊控制和神经网络的优点，根据 过程变量的动态变化实施控制器的在线参数调整使非线性系统的控制获得了满意的效果，仿真表明了该控制 方案的优越性。 关键词 模糊神经网络 隶属度函数 学习算法 Abstract Although numerous linear systems are widely used for processes, no requirements are met with the traditional control techniques. As a result, a fuzzy neural network based control strategy is given. It features the combination of fuzzy control and neural network. Based on dynamic variation of process variables, implementation of online controller parameter tuning leads to a desirable result of non-linear system control. Simulation shows that this control strategy has advantages over others. Keywords Fuzzy neural network Subordinate degree function Learning algorithm 0 引言 在现代工业控制过程中一些被控对象具有较强的非线性，同时系统中还存在一些不确定 因素，导致其模型具有一定的不确定性，并使被控量产生明显的超调和调节时间增长,用传统 的ＰＩＤ控制、自校正控制等方法不能得到满意的控制效果。人工神经网络是由大量处理单 元组成的非线性大规模自适应动力系统，具有学习能力、记忆能力、计算能力及智能处理功 能，但是无法表达人类先验的知识，从而给网络加权初值的选取带来困难，并导致网络收敛 速度慢。而模糊系统虽然缺乏学习能力，但却能通过隶属度函数将人类的模糊语言经验较好 地体现到控制器的控制决策中去。鉴于二者的特点，人们把这两种方法结合起来，取其长而 避其短，形成模糊神经网络(FNN)，使之既有模糊逻辑的推理能力,又有神经网络的学习能力 和非线性表述能力,且模糊神经网络的物理意义清晰明了。根据控制过程中输入输出状态的变 化在线进行参数调整,并以此训练模糊神经网络, 以达到有效的控制。 1 模糊神经网络控制器结构 1.1 模糊控制模型 1965 年，美国控制论学者 L.A.Zadeh 提出了模糊集合（Fuzzy Sets ）的概念，引入 “隶 属函数”来描述差异的中介过渡，为研究模糊性规律提供了数学工具，并为以后将其思想应 用到模糊控制打下了坚实的基础。模糊控制的结构（如图 1）主要由模糊化、模糊推理、模 糊规则库、清晰化几个部分组成. 模糊规则库 u 模糊化 模糊推理 清晰化 图 1 模糊控制器的结构 1.2 模糊神经网络控制器 FNNC