基于神经网络的模糊控制系统自动建模的研究

《基于神经网络的模糊控制系统自动建模的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、湖南大学硕士学位论文基于神经网络的模糊控制系统自动建模的研究姓名：周辉申请学位级别：硕士专业：控制理论与控制工程指导教师：彭楚武2000.11.1摘要Y359790本文主要研究的是模糊控制系统利用神经网络自动建立控制模型的问题。基于对神经网络模糊控制系统控制模型自动建立过程的研究，文中探讨了自动建模过程中若干较为关键的问题，阐述了各步骤可采取的一些处理方法、策略及应注意的问题。性此基础上，提出了一种结合运用kohonen自组织神经网络和BP神经网络的目动建立控制模型的方法，此方法分为两个阶段，第一阶段

2、结合使用BP网络和kohonen网络，完成初始模型的建立；第二阶段通过改进型BP算法对～些参数进行调整，以确定最后的系统模型。而在第一阶段中，又可分为输入，输出变量空间分割和模糊规则库获取两个步骤。本文除详细介绍该方法的原理、算法和用法外，还用其对MAG焊熔滴过渡过程建模，以检验、其可行性和效果。结果证明本文所研究的方法实用、有效、有一定的应用价值。／关tti,q：模糊控制；人工神经网络；神经模糊控制系蕲模糊规则；系统建模；变量空间分割。AbstractTheproblemsonautomaticmo

3、delingoffuzzycontrolsvstembasedonneufalnetworkarestudiedinthispaper．Basedonthestudyontheprocessofneuraifuzzycontrolsystemmodelauto-acquiring，somedealingmethods、automaticmodelingandnotableproblemsineachoftIlemodelingprocessarediscussed．Thenanautomaticmod

4、“n窑methodwhichinvoIvesKohonenSelf-organizationneuralnetworkandBack-propagationneLlFalnetworksyntheticallyisproposedThismethodcallbedividedintwophases．Inphaseone．kohonenself-organizationneuralnetworkandBack-propagationneuraInetworkSyntheticallyareusedtoi

5、nitializethesystemmodel．nefinalsystemmodelisconfirmedinphasetwo．byusingadvancedBPalgorithmtoadjustsomeparameter．Phaseoneincludestwosteps，variablespacepartitionandacquiringfuzzyrulesbase．Inordertoverifyitsfeasibilityandeffect．themethodiSusedtoestablishad

6、roplettransfermodelinMAGwelding．Asaresult,thepresentmethodprovedpracticalandeffectivalandwithsomeappliedvalueKeyWords：fuzzycontrol；artificialneuralnetwork；neuralfuzzycontrolsystem；fuzzyrules；systemmodeling；spacepartition第一章绪论1．1模蝴理论与神经网络的研究发展历史自动控制理论发展至

7、今已有100多年历史。随着各个阶段的工业和现代科学技术飞速发展，各个领域中自动控制系统对控制精度、响应速度、系统稳定性与适应能力的要求越来越高，应用范围也更加广泛。从60年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意人工智能技术与方法应用于控制系统。特别是本世纪80年代以来，电子计算机的快速更新换代和计算技术的高速发展，推动着控制理论研究的深入发展，并进入了新的一段历程——“智能控制理论”阶段。模糊控制理论是智能

8、控制理论的一个重要组成部分。早在1965年，模糊理论的创始人，美国加州大学柏克莱分校的LA．Zadeh教授就发表了关于模糊集的开创性论文。他在研究人类思维、判断过程的建模中，提出了用模糊集作为量化的手段。但是在最初的十年中，除了极少数的专家外，模糊理论并未受到世人的瞩目。在1974年，英国QueenMarryCollege的E．H．Mamdani教授首先将模糊逻辑应用到蒸汽发电机的压力和速度控制中，取得了比常规的PID控制更好的结果。随后不久，丹麦的FL