《自动化仪表》第#卷第$期%.PDFVIP

《自动化仪表》第 卷第 期 年 月 # $ %%! $ !$ 均取得大些，同时为避免系统在设定值附近出现振 荡， 值的选择根据 值，较大时， 取较小值。通 !% , ’ , !% 过这样一系列的调整，克服了严重振荡并且基本上消除 了超调，使系统具有较好的鲁棒性，改善了控制效果。 ! 结论 本文提出的模糊神经网络自适应 控制不仅实现 %’ 了模糊逻辑和神经网络之间的信息转变，而且通过在模 糊系统中引入神经网络的学习机制，使得模糊系统也具 图 ， ， 时，常规 控制与 自适应 ! ! # $ $ %’ ()) ! 有自学习，自适应能力，并借助神经网络并行分布处理能 控制的阶跃响应曲线（第 个周期局部） %’ * 力来完成模糊推理，从而实现了实时调整 参数。从 %’ 仿真结果来看，文中采用的模糊神经网络能够根据对象 的不同，较好地调整 参数。由该网络组成的控制系 %’ 统具有较好的动静态性能、鲁棒性、自适应性以及抗干扰 能力，总体性能优于常规 控制或一般模糊控制系统， %’ 并且网络结构、算法简单、实用。 参考文献 冯冬青，谢宋和 模糊智能控制 北京：化学工业出版社，