1、自然辯證法概論課程論文論文標題：對仿人模糊網(wǎng)絡(luò)控制系統(tǒng)研究的展望學(xué)生姓名：蘇達子學(xué)號：0901301012專業(yè)：機械制造及其自動化專業(yè)學(xué)院：機械工程學(xué)院導(dǎo)師姓名：蒲明輝學(xué)期：2011-2012/上誠 信 聲 明我鄭重聲明：本人提交的自然辯證法概論課程論文是由本人獨立完成的，在正文中和在文末的參考文獻中已全部標注并列出了文中所引用的他人的學(xué)術(shù)成果、觀點、圖表或論述，保證此文符合學(xué)術(shù)道德規(guī)范的要求。聲明人簽名：蘇達子簽名日期：2011年12月20日對仿人模糊網(wǎng)絡(luò)控制系統(tǒng)研究的展望蘇達子機械工程學(xué)院機械制造及其自動化專業(yè)2009級；學(xué)號：0901301012摘要：隨著現(xiàn)代工業(yè)的發(fā)展，工業(yè)過程的不斷復(fù)

2、雜化，實際生產(chǎn)過程中的非線性，不確定性和復(fù)雜性的增加，傳統(tǒng)意義上的PID控制器已經(jīng)不能滿足我們的要求，因此我們力圖將近些年發(fā)展起來的一些先進的智能控制方法，應(yīng)用到PID控制領(lǐng)域中。本文針對模糊神經(jīng)控制這一學(xué)科做了淺顯的研究，從理論研究和計算機仿真兩方面對模糊控制、神經(jīng)控制、仿人智能以及專家控制算法進行了學(xué)習(xí)和初步研究，針對復(fù)雜的具有不確定性的非線性、大滯后系統(tǒng)，采用了模糊自適應(yīng)PID控制、基于RBF神經(jīng)網(wǎng)絡(luò)PID整定、專家PID控制三種控制策略相融合的方法進行控制器的設(shè)計，并在MATLAB平臺上進行了對實際非線性傳遞函數(shù)的程序設(shè)計以及仿真實驗研究。通過將誤差和誤差變化作為輸入來調(diào)節(jié)控制器的kp

3、、ki、kd參數(shù)，提高系統(tǒng)的調(diào)節(jié)時間、收斂速度、上升時間等控制品質(zhì)。本文的重點工作在于模糊控制和RBF神經(jīng)網(wǎng)絡(luò)控制策略的融合，而難點是RBF神經(jīng)網(wǎng)絡(luò)的理解上。通過RBF模糊神經(jīng)網(wǎng)絡(luò)控制器和仿人RBF模糊神經(jīng)網(wǎng)絡(luò)控制器的仿真效果對比可以看出仿人RBF模糊神經(jīng)網(wǎng)絡(luò)控制器中階躍響應(yīng)時間、誤差響應(yīng)都明顯減小，而且PID參數(shù)的的超調(diào)量等控制性能都減小，由此說明仿人-模糊神經(jīng)網(wǎng)絡(luò)具有良好的控制效果。關(guān)鍵詞：模糊控制；RBF神經(jīng)網(wǎng)絡(luò)；專家控制；仿人智能 1.研究背景及意義近幾年來，智能控制采用各種智能化技術(shù)實現(xiàn)復(fù)雜系統(tǒng)和其他相關(guān)系統(tǒng)的控制目標，是一種強大的自動控制技術(shù)。長期以來，自動控制科學(xué)已對整個科學(xué)技術(shù)

4、的理論和實踐做出了重要貢獻，并給人類的生產(chǎn)、生活和工作帶來了巨大的利益。然而，現(xiàn)代科學(xué)技術(shù)的迅速發(fā)展和重大進步，對控制和系統(tǒng)科學(xué)提出新的更高的要求。傳統(tǒng)控制理論，包括近代控制、經(jīng)典反饋控制和大系統(tǒng)理論等，在應(yīng)用中遇到不少難題。多年來，自動控制一直在尋找新的出路，現(xiàn)在看來，出路之一就是實現(xiàn)控制系統(tǒng)的智能化和自動化，來解決面臨的難題。PID控制是最早發(fā)展起來的控制策略之一，由于其算法簡單，性能好、可靠性高，被廣泛應(yīng)用于過程控制和運動控制中，尤其適用于可建立精確模型的確定性系統(tǒng)。但隨著實際生產(chǎn)過程中的非線性，不確定和復(fù)雜性的增加，常規(guī)的PID控制已經(jīng)不能滿足我們的控制要求，不能達到理想的控制效果。但

5、是由于PID具有結(jié)構(gòu)簡單、造價低廉等特點，現(xiàn)在仍在工業(yè)生產(chǎn)的各種控制設(shè)備上廣泛應(yīng)用。PID控制器應(yīng)用的關(guān)鍵就是參數(shù)整定及在線參數(shù)調(diào)整。過去的參數(shù)整定由經(jīng)驗取值預(yù)設(shè)，再依據(jù)試運行的響應(yīng)波形做手動調(diào)整，這種方法往往經(jīng)驗多于科學(xué)，既費時又難以達到最佳的整定值。目前各種行之有效的整定方法，包括改進算法的Ziegler-Niehols整定法、Coohen-Coon整定法、Astrom的整定法等等，在改善自動控制系統(tǒng)方面發(fā)揮了重大的作用1。但由于固定參數(shù)的PID控制器采用折衷的方法來解決靜態(tài)與動態(tài)控制品質(zhì)之間的矛盾，這就使得單一控制參數(shù)的系統(tǒng)不能獲得最佳的控制效果。但環(huán)境變化以及控制對象存在著大慣性、非線

6、性、大純滯后、強干擾等等特性，用一組事先整定的PID參數(shù)實施控制難以達到很好的控制效果，尤其當對象參數(shù)變化超過一定的范圍時，系統(tǒng)性能會明顯變差，甚至超出許可范圍。因此，為了促進PID控制的發(fā)展，我們力圖將近些年發(fā)展起來的一些先進的智能控制方法，應(yīng)用到PID控制領(lǐng)域中，而模糊神經(jīng)網(wǎng)絡(luò)（FNN）已經(jīng)成為人們關(guān)注的熱點之一，它被應(yīng)用到復(fù)雜過程建模和邏輯推理中，用神經(jīng)網(wǎng)絡(luò)表示模糊系統(tǒng)，使構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)有了依據(jù)，又可以根據(jù)模糊推理規(guī)則的形式，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力進行復(fù)雜的模糊推理，具有并行運算速度快的優(yōu)點。另外，網(wǎng)絡(luò)權(quán)值的初始給定具有一定得先驗知識，從而網(wǎng)絡(luò)在訓(xùn)練中收斂速度較快2。但是模糊神經(jīng)網(wǎng)絡(luò)建模存

7、在的關(guān)鍵問題之一就是當模糊神經(jīng)網(wǎng)絡(luò)的輸入維數(shù)高時，模糊規(guī)則呈幾何級數(shù)增加，致使網(wǎng)絡(luò)結(jié)構(gòu)龐大，網(wǎng)絡(luò)計算量大，導(dǎo)致迭代時間長，收斂速度慢。仿人智能以及專家系統(tǒng)又可以從另一面優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，減小調(diào)節(jié)時間，降低超調(diào)量等，近來國內(nèi)外也出現(xiàn)了許多將仿人智能和模糊神經(jīng)網(wǎng)絡(luò)結(jié)合的課題，并且一部分成果都被運用到現(xiàn)實的生產(chǎn)和生活中，所以我們有必要也需要對仿人智能和模糊神經(jīng)網(wǎng)絡(luò)的結(jié)合做進一步的研究。2.研究現(xiàn)狀 PID控制器是在過程控制之中最常應(yīng)用的一類控制器，一般的說來，具有魯棒性較好、參數(shù)整定和實踐使用經(jīng)驗積累豐富，結(jié)構(gòu)簡明，易于工程應(yīng)用等優(yōu)點。但對于非線性強或具有不確定性的系統(tǒng)，使用效果并不理想。而神經(jīng)

8、網(wǎng)絡(luò)控制器(NN-PID)是對誤差、誤差積和誤差微分進行加權(quán)運算，以其作為神經(jīng)網(wǎng)絡(luò)的輸入層，構(gòu)成不同結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)模型，利用神經(jīng)網(wǎng)絡(luò)的非線性映射及聯(lián)想記憶等功能，來實現(xiàn)常規(guī)PID型控制器無法實現(xiàn)的控制效果。 1985年Bart Kosko提出模糊認知映射網(wǎng)絡(luò)這種網(wǎng)絡(luò)中，各單元(節(jié)點)表示各個不同的模糊集，單元之間的連接權(quán)表示相應(yīng)模糊概念之間的因果關(guān)系。此外還有由Jyh-Skingh R. Jang在1994年提出的自適應(yīng)神經(jīng)模糊推理系統(tǒng)，是一種基于Takagi-Sugeno模型(或簡稱Sugeno模型)，它可以替代控制系統(tǒng)的任意神經(jīng)元網(wǎng)絡(luò)并執(zhí)行同樣的功能，然而它和絕大多數(shù)神經(jīng)模糊建模一樣總是不

9、可避免的存在著結(jié)構(gòu)辨識的問題，也就是如何合適的劃分輸入輸出空間，如何從觀測數(shù)據(jù)中提取出較為簡化的模糊規(guī)則庫，避免規(guī)則庫爆炸問題。1990年中國科學(xué)院自動化研究所應(yīng)行仁、曾南提出采用BP神經(jīng)網(wǎng)絡(luò)記憶模糊規(guī)則的控制，并進行了倒立擺的仿真試驗。近年來，模糊神經(jīng)網(wǎng)絡(luò)(FNN)已經(jīng)成為復(fù)雜過程建模和邏輯推理的主要手段，用神經(jīng)網(wǎng)絡(luò)表示模糊系統(tǒng)使構(gòu)造網(wǎng)絡(luò)結(jié)構(gòu)有了依據(jù)，可以根據(jù)模糊推理規(guī)則的形式，同時利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力進行復(fù)雜的模糊推理，具有并行運算速度快的優(yōu)點。模糊神經(jīng)網(wǎng)絡(luò)(FNN)已經(jīng)在各個領(lǐng)域中得到了廣泛應(yīng)用，尤其是在智能系統(tǒng)中的非線性建模及控制器的設(shè)計、模式分類與模式識別、聯(lián)想記憶和優(yōu)化計算等方面

10、得到人們的極大關(guān)注。 但是模糊神經(jīng)網(wǎng)絡(luò)的融合也出現(xiàn)了一些弊端，一直以來都沒有一個統(tǒng)一的標準，只是模型效果上是可以證明的并沒有在理論上完全得證，而且在一些復(fù)雜而特殊的系統(tǒng)中也沒有顯現(xiàn)出很好的控制效果，所以人們又開始研究專家控制、仿人智能和神經(jīng)網(wǎng)絡(luò)的融合，努力之后出現(xiàn)了一些比較成功的實例，這對智能控制的研究起了推進性作用。綜上所述，現(xiàn)今神經(jīng)網(wǎng)絡(luò)智能控制無論是在理論上還是在應(yīng)用上均得到了長足的發(fā)展和進步。但如何將PID控制器同智能控制更好的結(jié)合在一起，使控制領(lǐng)域幾十年來長用不衰的PID控制器能發(fā)揚光大，更好地應(yīng)用于實踐，仍然是控制領(lǐng)域中人們不斷研究和探索的重要課題。在這一領(lǐng)域，許多研究者正將各種智能

11、控制技術(shù)和常規(guī)PID控制方法有機的融合在一起，提出了多種形式的智能PID控制器?？梢钥吹剑悄躊ID技術(shù)具有廣闊的研究和應(yīng)用前景。 本課題主要是基于仿人智能的多模態(tài)控制思想，結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)精確的控制特點，提出一種仿人智能和模糊神經(jīng)網(wǎng)絡(luò)相融合的控制方法，結(jié)合三種控制方式的優(yōu)點來設(shè)計控制系統(tǒng)，應(yīng)用于非線性和大滯后的復(fù)雜控制系統(tǒng)中，提高控制效果。仿人智能控制是一種基于知識的智能控制，模擬了人的控制經(jīng)驗與技巧。它是一種具有多種控制模態(tài)的智能控制器，不僅可以用于線性系統(tǒng)還可以用于非線性系統(tǒng)器。仿人智能控制系統(tǒng)類型:仿人智能開關(guān)控制、仿人智能比例控制、仿人智能積分控制、仿人分層遞階智能控制。模糊控

12、制主要是對輸入量通過經(jīng)驗判斷然后采取相應(yīng)控制措施進行調(diào)整，將操作者的經(jīng)驗總結(jié)成若干規(guī)則即模糊控制規(guī)則，然后仿照人腦的模糊推理過程，確定推理算法。計算機可根據(jù)輸入的模糊信息，依據(jù)控制規(guī)則和推理法則，作出模糊決策。最后當人們根據(jù)已決定的模糊決策區(qū)執(zhí)行具體的動作，執(zhí)行的結(jié)果又是已個精確量。模糊控制器的工作原理框圖如下3：圖1 模糊控制工作原理圖神經(jīng)網(wǎng)絡(luò)（Neural Network）是人工神經(jīng)網(wǎng)絡(luò)的簡稱,是用大量簡單的處理單元廣泛連接組成的復(fù)雜網(wǎng)絡(luò)，是在現(xiàn)代生物學(xué)研究人腦組織所取得的成果基礎(chǔ)上提出的，用以模擬人類大腦神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)和行為，實現(xiàn)某個方面的功能。它有3個特性：學(xué)習(xí)、概括、和抽取。它的主要應(yīng)

13、用有高速率的數(shù)據(jù)獲得、多傳感器信息融合以及飛行器的辨識等待。神經(jīng)元結(jié)構(gòu)圖如下：圖2 人體神經(jīng)元模型注：為閥值，wi (i=1,2,n)為連接權(quán)值，xj (j=1,2,n)為輸入信號，F(xiàn)為作用函數(shù)。3.主要研究內(nèi)容學(xué)習(xí)仿人智能、模糊控制和神經(jīng)網(wǎng)絡(luò)在控制中的應(yīng)用，基于仿人智能的多模態(tài)控制思想，結(jié)合模糊控制和神經(jīng)網(wǎng)絡(luò)精確的控制特點，提出一種仿人智能和模糊神經(jīng)網(wǎng)絡(luò)相融合的控制方法，結(jié)合三種控制方式的優(yōu)點來設(shè)計控制系統(tǒng)，用MATLAB編寫程序并應(yīng)用于非線性和大滯后的復(fù)雜控制系統(tǒng)中，提高控制效果。3.1模糊控制系統(tǒng)的組成和基本原理模糊控制是以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)的計算機智能控制。其

14、基本結(jié)構(gòu)框圖如圖3所示： 圖3 模糊控制基本結(jié)構(gòu)框圖 從線性控制與非線性控制的角度分類，模糊控制是一種非線性控制。它的組成核心是模糊控制器，所以，從其控制器的智能性看，它屬于智能控制的范疇，而且它已成為目前實現(xiàn)智能控制的一種重要而且又有效的形式。尤其是模糊控制和神經(jīng)網(wǎng)絡(luò)、遺傳算法及混沌理論等新學(xué)科的相融合，正在顯示出其巨大的應(yīng)用潛力。模糊控制器由以下四部分組成4：1.模糊化 這部分的作用是將輸入的精確量轉(zhuǎn)換成模糊化量。其中輸入量包括外界的參考輸入、系統(tǒng)的輸出或狀態(tài)等。模糊化的具體過程如下：(1)首先對這些輸入量進行處理以變成模糊控制器要求的輸入量。例如常見的情況是計算e=r-y和ec=de/d

15、t，其中r表示參考輸入，y表示系統(tǒng)輸出，e表示誤差，ec表示誤差的變化。有時為了減小噪聲的影響，常常將ec進行濾波后再使用，例如可取ec=s /(Ts+1)e(2)將上述已經(jīng)處理過的輸入量進行尺度變換使其變換到各自的論域范圍。(3)將已經(jīng)變換到論域范圍的輸入量進行模糊處理，使原先精確的輸入量變成模糊量，并用相應(yīng)的模糊集合表示。2.知識庫 知識庫中包含了具體應(yīng)用領(lǐng)域中的知識和要求的控制目標。它通常由模糊控制規(guī)則庫組成。主要包括各語言變量的隸屬度函數(shù)，模糊因子、量化因子以及模糊空間的等級數(shù)。規(guī)則庫包括了用模糊語言變量表示的一系列的控制規(guī)則。它們反映了控制專家的經(jīng)驗和知識。3.模糊推理 模糊推理是模

16、糊控制器的核心，它具有模擬人的基于模糊概念的推理能力，該推理過程是基于模糊邏輯中的蘊含關(guān)系及推理規(guī)則來進行的。4.清晰化 清晰化的作用是將模糊推理得到的控制量(模糊量)變換成實際用于控制的清晰量。它包含以下兩個部分：(1)將模糊量經(jīng)清晰化變換變成論域范圍的等級量。(2)將論域范圍的等級量經(jīng)比例變換為實際的控制量。模糊控制器，在理論上是由N維模糊關(guān)系R表示。R可視為受約于0,1區(qū)間的N個變量的函數(shù)。R是幾個N維R的組合，每個R代表一條if - then規(guī)則。控制器的輸入x被模糊化為X，模糊輸出Y可應(yīng)用推理合成規(guī)則進行計算。對于模糊輸出Y進行模糊判決，可得精確的數(shù)值輸出y。它的原理圖如4所示：圖4

17、 模糊控制原理圖 由此可見，模糊控制算法可以概括為以下四步： (1)根據(jù)本次采樣得到的系統(tǒng)的輸出值，然后將此量與給定值進行比較，得到系統(tǒng)的偏差信號E，一般選取E為模糊控制器的一個輸入量。 (2)將輸入變量的精確值變?yōu)槟：?，即把偏差信號E的精確量進行模糊化變成模糊量。其模糊量可以用相應(yīng)的模糊語言表示，得到偏差E模糊語言集合的一個子集e(e是一個模糊矢量)。 (3)根據(jù)輸入變量(模糊量)及模糊控制規(guī)則R，按模糊推理合成規(guī)則進行模糊決策得到控制量(模糊量)u，其中u= eoR。 (4)為了對被控對象施加精確的控制，還要把以上得到的控制量(模糊量)轉(zhuǎn)化為精確的控制量，即進行清晰化處理。3.2模糊控制

18、的特點由以上介紹的模糊控制的基本原理可以看出模糊控制相對于常規(guī)控制算法有以下的優(yōu)點： （1）由于模糊控制完全是在操作人員控制經(jīng)驗的基礎(chǔ)上實現(xiàn)系統(tǒng)的控制，因此，它不依賴于系統(tǒng)精確的數(shù)學(xué)模型，特別適合于復(fù)雜的系統(tǒng)和模糊化對象，是解決不確定性的一種有效的途徑。（2）模糊控制器的設(shè)計以計算機為主體，它兼有計算機控制的系統(tǒng)的特點，如有軟件編程的柔軟性。（3）模糊控制有較強的魯棒性，被控對象參數(shù)的變化對控制器影響不明顯，可用于非線性、時變、時滯系統(tǒng)的控制。（4）模糊控制的人一機界面有一定的友好性，控制機理符合人們對過程控制作用的直觀描述和思維邏輯，為智能控制應(yīng)用打下了基礎(chǔ)。3.3模糊自適應(yīng)整定PID控制在

19、工業(yè)生產(chǎn)過程中，許多被控對象隨著負荷變化或干擾因素影響，其對象特性參數(shù)或結(jié)構(gòu)發(fā)生改變。自適應(yīng)控制運用現(xiàn)代控制理論在線辨識對象特征參數(shù)，實時改變其控制策略，是控制系統(tǒng)品質(zhì)指標保持在最佳范圍內(nèi)，但其控制效果的好壞取決于辨識模型的精確度，這對于復(fù)雜系統(tǒng)是非常困難的。因此，在工業(yè)生產(chǎn)過程中，大量采用的仍然是PID算法。PID參數(shù)的整定方法大多數(shù)是以對象特性為基礎(chǔ)。這種控制必須精確對象模型，首先將操作人員長期時間積累的經(jīng)驗知識用控制規(guī)則模糊化，然后運用推理便可對PID參數(shù)實現(xiàn)最佳調(diào)整。由于操作人員經(jīng)驗不易精確描述，控制過程中各種信號量以及評價指標不易定量表示，模糊理論是把規(guī)則的條件、操作用模糊集表示，并

20、把這些模糊控制規(guī)則以及有關(guān)信息作為知識存入計算機知識庫中，然后計算機根據(jù)控制系統(tǒng)的實際響應(yīng)情況，運用模糊推理，即自動實現(xiàn)對PID參數(shù)的最佳調(diào)整，這就是模糊自適應(yīng)PID控制。自適應(yīng)控制原理：自適應(yīng)模糊PID控制器以誤差e和誤差變化ec作為輸入，可以滿足不同時刻的e和ec對PID參數(shù)自整定的要求。利用模糊控制規(guī)則在線對PID參數(shù)進行修改，便構(gòu)成了自適應(yīng)模糊PID控制器。結(jié)構(gòu)圖如下5：圖5 自適應(yīng)模糊控制器結(jié)構(gòu)PID參數(shù)模糊自整定是找出PID三個參數(shù)與e和ec之間的模糊關(guān)系，在運行中通過不斷檢測e和ec，根據(jù)模糊控制原理來對各個參數(shù)進行在線修改，以滿足不同時刻e和ec對控制參數(shù)的不同要求，使被控對象

21、有良好的動、靜態(tài)性能。（1）比例系數(shù)kp的作用是加快系統(tǒng)的響應(yīng)速度，提高系統(tǒng)的調(diào)節(jié)精度。（2）積分作用系數(shù)ki 的作用是消除系統(tǒng)的穩(wěn)態(tài)誤差。（3）微分作用系數(shù)kd的作用是改善系統(tǒng)的的動態(tài)性能，其作用主要是在響應(yīng)過程中抑制偏差向任何方向的變化，對偏差變化進行提前預(yù)報。模糊自整定PID是在PID算法的基礎(chǔ)上，通過計算當前系統(tǒng)誤差e和誤差變化率ec，利用模糊規(guī)則進行模糊推理，查詢模糊矩陣表進行參數(shù)調(diào)整。模糊控制設(shè)計的核心是總結(jié)工程設(shè)計人員的技術(shù)知識和實際操作經(jīng)驗，建立合適的模糊規(guī)則表，得到針對kp、ki、kd三個參數(shù)分別整定的模糊控制表。4.總結(jié)及展望智能控制是自動化科學(xué)和技術(shù)的一個嶄新分支，它具有

22、非常廣泛的應(yīng)用領(lǐng)域，例如智能機器人控制、智能過程控制、智能調(diào)度與規(guī)劃、專家控制系統(tǒng)、智能故障診斷、智能儀器、醫(yī)院監(jiān)控、語音控制、飛行器控制及自動制造系統(tǒng)控制等，其發(fā)展和應(yīng)用將對整個科學(xué)和技術(shù)的進步起到積極地推進作用。本文的重點工作在于模糊控制和RBF神經(jīng)網(wǎng)絡(luò)控制策略的融合，而難點是RBF神經(jīng)網(wǎng)絡(luò)的理解上。其中模糊自適應(yīng)PID整定是以誤差e和誤差變化ec作為輸入，可以滿足不同時刻的e和ec對PID參數(shù)自整定的要求，利用模糊控制規(guī)則在線對PID參數(shù)進行修改。專家PID控制是根據(jù)誤差大小及其變化實施較強或一般的控制作用，以抑制動態(tài)誤差，來設(shè)計專家PID控制?；赗BF神經(jīng)網(wǎng)絡(luò)整定的PID控制是具有單隱層的前饋網(wǎng)絡(luò)，它模擬了人腦中局部調(diào)整、相互覆蓋接受域的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，是一種局部逼近網(wǎng)絡(luò)，主要通過輸出權(quán)、節(jié)點中心及基寬參數(shù)來實現(xiàn)控制器的設(shè)計。通過仿人-模糊神經(jīng)網(wǎng)絡(luò)控制器和模糊神經(jīng)網(wǎng)絡(luò)控制器的對比可以看出仿人-模糊神經(jīng)網(wǎng)絡(luò)控制器的優(yōu)越性。 雖然模糊神經(jīng)網(wǎng)絡(luò)理論在復(fù)雜系統(tǒng)的控制、辨識等應(yīng)用方面取得了大量研究和應(yīng)用成果，但是模糊神經(jīng)網(wǎng)絡(luò)理論在實際應(yīng)用中仍然存在許多有待解決的問題： 1.如何