模糊神經(jīng)控制智能控制技術(shù)5MIE分析法智能控制技術(shù)模糊控制與神經(jīng)網(wǎng)絡(luò)的結(jié)合模糊神經(jīng)控制的特點(diǎn)模糊神經(jīng)控制結(jié)構(gòu)內(nèi)容產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制基于神經(jīng)網(wǎng)絡(luò)的模糊控制器產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊神經(jīng)控制的特點(diǎn)1神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型特點(diǎn)模糊控制是一種通過模擬人類專家的經(jīng)驗(yàn)和推理來實(shí)現(xiàn)對(duì)復(fù)雜系統(tǒng)的控制方法。模糊控制器的設(shè)計(jì)主要是建立在經(jīng)驗(yàn)和試驗(yàn)的基礎(chǔ)上，這將在設(shè)計(jì)過程中加入主觀性和不確定性。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制神經(jīng)網(wǎng)絡(luò)模糊邏輯基本組成神經(jīng)元模糊規(guī)則知識(shí)獲取樣本、算法實(shí)例專家知識(shí)、邏輯推理知識(shí)表示分布式表示隸屬函數(shù)推理機(jī)制學(xué)習(xí)函數(shù)自控制、并行計(jì)算、速度快模糊規(guī)則的組合、啟發(fā)式搜索、速度慢推理操作神經(jīng)元的疊加隸屬函數(shù)的最大—最小自然語言實(shí)現(xiàn)不明確，靈活性低實(shí)現(xiàn)明確，靈活性高自適應(yīng)性通過調(diào)整權(quán)值學(xué)習(xí)，容錯(cuò)率高歸納學(xué)習(xí)，容錯(cuò)率低優(yōu)點(diǎn)自學(xué)習(xí)自組織能力，泛化能力可利用專家的經(jīng)驗(yàn)缺點(diǎn)黑箱模型，難于表達(dá)知識(shí)難于學(xué)習(xí)，推理過程模糊性增加

5MIE分析法智能控制技術(shù)模糊神經(jīng)網(wǎng)絡(luò)控制的特點(diǎn)神經(jīng)網(wǎng)絡(luò)模型（1）模糊推理能力通過模糊規(guī)則和模糊推理對(duì)非精確輸入進(jìn)行處理，可以解決復(fù)雜、模糊的控制問題。（2）非線性映射能力神經(jīng)網(wǎng)絡(luò)作為模糊控制器的訓(xùn)練工具，具有很強(qiáng)的非線性映射能力，可以對(duì)輸入輸出之間的復(fù)雜映射關(guān)系進(jìn)行學(xué)習(xí)和建模。（3）適應(yīng)性具有自適應(yīng)學(xué)習(xí)能力，可以根據(jù)實(shí)際控制要求和環(huán)境變化自動(dòng)調(diào)整網(wǎng)絡(luò)的權(quán)值和參數(shù)。（4）魯棒性對(duì)噪聲、干擾和參數(shù)變化具有一定的魯棒性，能夠保持良好的控制性能。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制

5MIE分析法智能控制技術(shù)模糊神經(jīng)網(wǎng)絡(luò)的應(yīng)用神經(jīng)網(wǎng)絡(luò)模型（1）控制系統(tǒng)在工業(yè)自動(dòng)化、航空航天、機(jī)器人控制等領(lǐng)域，模糊神經(jīng)網(wǎng)絡(luò)用于設(shè)計(jì)自適應(yīng)控制器，提高系統(tǒng)的穩(wěn)定性和響應(yīng)速度。（2）預(yù)測(cè)和分類在金融預(yù)測(cè)、市場(chǎng)趨勢(shì)分析、醫(yī)學(xué)診斷等領(lǐng)域，模糊神經(jīng)網(wǎng)絡(luò)能夠處理復(fù)雜的非線性關(guān)系和數(shù)據(jù)中的不確定性，實(shí)現(xiàn)更準(zhǔn)確的預(yù)測(cè)和分類。（3）模式識(shí)別在圖像識(shí)別、語音識(shí)別、信號(hào)處理等領(lǐng)域，模糊神經(jīng)網(wǎng)絡(luò)能夠利用模糊信息處理的能力，提高識(shí)別率和魯棒性。（4）故障診斷在工業(yè)生產(chǎn)、設(shè)備維護(hù)等領(lǐng)域，模糊神經(jīng)網(wǎng)絡(luò)能夠快速準(zhǔn)確地識(shí)別系統(tǒng)故障，減少停機(jī)時(shí)間和維護(hù)成本。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊控制與神經(jīng)網(wǎng)絡(luò)的結(jié)合2神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制

5MIE分析法智能控制技術(shù)1、基于神經(jīng)網(wǎng)絡(luò)的模糊控制神經(jīng)網(wǎng)絡(luò)模型基于神經(jīng)網(wǎng)絡(luò)的模糊控制系統(tǒng)也稱為神經(jīng)模糊系統(tǒng)，該系統(tǒng)中神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)現(xiàn)有的經(jīng)驗(yàn)規(guī)則，或者利用學(xué)習(xí)或聚類的方法從輸入和輸出數(shù)據(jù)中獲取控制規(guī)則，然后使用控制性能指標(biāo)作為指導(dǎo)來細(xì)分和調(diào)整控制規(guī)則。學(xué)習(xí)數(shù)據(jù)可以是精確值或模糊量。也就是基于神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊控制系統(tǒng)的模糊推理、模糊化和反模糊化。神經(jīng)模糊系統(tǒng)結(jié)合了神經(jīng)網(wǎng)絡(luò)和模糊邏輯的優(yōu)點(diǎn)，能夠處理不確定性和模糊性問題。由于其結(jié)構(gòu)的多樣性，學(xué)習(xí)算法也表現(xiàn)出多樣性，主要包括結(jié)構(gòu)學(xué)習(xí)、參數(shù)學(xué)習(xí)和混合學(xué)習(xí)。（1）結(jié)構(gòu)學(xué)習(xí)主要采用聚類方法，從樣本數(shù)據(jù)中提取規(guī)則，主要包括各種聚類和分類方法、歸納學(xué)習(xí)法ILA、快速構(gòu)造法和遺傳算法等。（2）參數(shù)學(xué)習(xí)對(duì)神經(jīng)模糊系統(tǒng)的參數(shù)進(jìn)行學(xué)習(xí)，本質(zhì)上是一個(gè)優(yōu)化過程，主要包括BP算法、重述算法、時(shí)間分段BP算法、遺傳算法、Hopfield網(wǎng)絡(luò)優(yōu)化法等。（3）混合學(xué)習(xí)學(xué)習(xí)過程中動(dòng)態(tài)地進(jìn)行參數(shù)學(xué)習(xí)與結(jié)構(gòu)學(xué)習(xí)，主要包括訓(xùn)練剪枝法、用改進(jìn)CPN網(wǎng)絡(luò)實(shí)現(xiàn)法、基于模糊基函數(shù)的OLS法、增強(qiáng)學(xué)習(xí)法等。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制

5MIE分析法智能控制技術(shù)1、基于神經(jīng)網(wǎng)絡(luò)的模糊控制神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制系統(tǒng)名稱提出者網(wǎng)絡(luò)層次實(shí)現(xiàn)的模糊系統(tǒng)主要特點(diǎn)Pi-SigmaHorikawaShin-ichi等2層T-S將若干個(gè)普通的神經(jīng)網(wǎng)絡(luò)通過模糊系統(tǒng)技術(shù)進(jìn)行結(jié)構(gòu)組織NNDFRTakagiTomohiro等4層T-S有明顯物理意義，精度高ANFISJyh-ShingR.Jang5層T-S實(shí)現(xiàn)方便、有效，被收入Matlab的模糊邏輯工具箱FAMKoskoBart2層Mamdani模糊規(guī)則隱含分布網(wǎng)絡(luò)中，模糊聯(lián)想就是模糊FUNStephanM.Sulzberger3層Mamdani學(xué)習(xí)過程通過隨機(jī)改變學(xué)習(xí)參數(shù)，并采用代價(jià)函數(shù)進(jìn)行評(píng)價(jià)選擇NEFCONNauckDetlef等3層Mamdani網(wǎng)絡(luò)的權(quán)值采用模糊集ARICHamidR.Berenji5層Mamdani包括行為選擇網(wǎng)絡(luò)ASN、行為狀態(tài)評(píng)價(jià)網(wǎng)絡(luò)AENFuNet

SamanK.Halgamuge等3層特殊的模糊系統(tǒng)推理的過程隸屬函數(shù)用Sigmoid函數(shù)表1常用的神經(jīng)模糊系統(tǒng)結(jié)構(gòu)

5MIE分析法智能控制技術(shù)2、引入模糊運(yùn)算的神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型該方法在神經(jīng)網(wǎng)絡(luò)中引入模糊邏輯，例如使用“與”“或”運(yùn)算符，代替神經(jīng)網(wǎng)絡(luò)的激勵(lì)函數(shù)，輸入信號(hào)或網(wǎng)絡(luò)權(quán)重作為模糊量，然后得到一個(gè)新的神經(jīng)網(wǎng)絡(luò)——模糊神經(jīng)網(wǎng)絡(luò)。模糊神經(jīng)網(wǎng)絡(luò)不僅可以處理模糊信息，完成模糊推理功能，而且具有神經(jīng)網(wǎng)絡(luò)的一些特性，例如并行處理和自學(xué)習(xí)。一般來說，研究的模糊神經(jīng)網(wǎng)絡(luò)使用多層前向網(wǎng)絡(luò)結(jié)構(gòu)，根據(jù)集成模糊邏輯方式的不同，可以得到了不同類型的模糊神經(jīng)網(wǎng)絡(luò)。模糊神經(jīng)網(wǎng)絡(luò)繼承了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，同時(shí)，由于模糊信息的特殊性，形成了一些獨(dú)特的算法，如BP算法、遺傳算法和隨機(jī)搜索等算法。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制

5MIE分析法智能控制技術(shù)3、用模糊邏輯增強(qiáng)的神經(jīng)網(wǎng)絡(luò)神經(jīng)網(wǎng)絡(luò)模型由于傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法學(xué)習(xí)周期長(zhǎng)，因此對(duì)該方法的研究主要集中在用模糊邏輯提高神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速度，通過模糊邏輯改進(jìn)神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法，對(duì)網(wǎng)絡(luò)的學(xué)習(xí)性能進(jìn)行分析得到一些啟發(fā)式知識(shí)，將啟發(fā)式知識(shí)用于調(diào)整學(xué)習(xí)參數(shù)，從而加提高學(xué)習(xí)速度。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊神經(jīng)控制結(jié)構(gòu)3神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)整個(gè)神經(jīng)網(wǎng)絡(luò)模型分成五個(gè)層次，層節(jié)點(diǎn)（規(guī)則節(jié)點(diǎn)）負(fù)責(zé)對(duì)輸入進(jìn)行模糊邏輯推理，生成模糊規(guī)則的激活程度，并將這些激活程度傳遞到下一層。在這一層中，每個(gè)節(jié)點(diǎn)對(duì)應(yīng)一個(gè)模糊規(guī)則，例如，如果輸入變量是“溫度”和“濕度”，則規(guī)則可能是“如果溫度是高的并且濕度是高的，那么輸出是高的”。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制圖1模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型輸入層（第一層）：包含輸入節(jié)點(diǎn)，用于表示語言變量（例如：溫度、濕度等）。這些節(jié)點(diǎn)接收來自外部環(huán)境的輸入信號(hào)。隸屬度層（第二層和第四層）：這兩層包含項(xiàng)節(jié)點(diǎn)，負(fù)責(zé)計(jì)算每個(gè)輸入變量的隸屬度函數(shù)。隸屬度函數(shù)可以采用簡(jiǎn)單的神經(jīng)元函數(shù)（如三角形函數(shù)、鐘形函數(shù)等），也可以通過子網(wǎng)絡(luò)來構(gòu)建更復(fù)雜的隸屬度函數(shù)。這些節(jié)點(diǎn)將模糊輸入轉(zhuǎn)換為模糊值。規(guī)則層（第三層）：該層的節(jié)點(diǎn)實(shí)現(xiàn)模糊邏輯推理，接收來自第二層的隸屬度值，并基于模糊規(guī)則計(jì)算每條規(guī)則的激活程度。每個(gè)規(guī)則節(jié)點(diǎn)會(huì)輸出一個(gè)與其對(duì)應(yīng)的模糊規(guī)則的結(jié)果。輸出層（第五層）：輸出層節(jié)點(diǎn)接收第四層處理后的規(guī)則激活強(qiáng)度，并進(jìn)行精確化處理，將模糊結(jié)果轉(zhuǎn)化為具體的輸出信號(hào)。每個(gè)輸出變量對(duì)應(yīng)兩個(gè)語言節(jié)點(diǎn)，一個(gè)用于期望輸出的饋入，另一個(gè)用于表示模糊神經(jīng)網(wǎng)絡(luò)推理控制的輸出信號(hào)。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制圖1模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)基于神經(jīng)網(wǎng)絡(luò)的模糊控制器4神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型模糊控制器結(jié)構(gòu)基于神經(jīng)網(wǎng)絡(luò)的模糊控制器結(jié)構(gòu)形式有多種，有復(fù)合型神經(jīng)模糊控制器和融合型神經(jīng)模糊控制器等。該系統(tǒng)由神經(jīng)網(wǎng)絡(luò)1、神經(jīng)網(wǎng)絡(luò)2、判斷機(jī)構(gòu)1、判斷機(jī)構(gòu)2和模糊控制器組成。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制圖2基于神經(jīng)網(wǎng)絡(luò)的模糊控制器產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義神經(jīng)網(wǎng)絡(luò)1用于對(duì)控制對(duì)象輸出波形進(jìn)行分類，相當(dāng)于大腦對(duì)全局的判斷。在這里需要進(jìn)行預(yù)處理并根據(jù)預(yù)處理結(jié)果完成相應(yīng)的功能。預(yù)處理為將控制對(duì)象的輸出波形分類，并使神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)這些波形。波形共分位七類：A類，對(duì)目標(biāo)只有很小的定常偏差和在允許范圍內(nèi)波動(dòng)的所期望的輸出波形；B類，發(fā)散振蕩的輸出波形；C類，對(duì)目標(biāo)值呈收斂振蕩且收斂很慢的輸出波形；D類，對(duì)目標(biāo)值呈漸進(jìn)收斂且收斂很慢的輸出波形；E類，對(duì)目標(biāo)值超調(diào)很多并且有很大定常偏差的輸出波形；F類，對(duì)目標(biāo)值欠調(diào)很多并且有很大反向定常偏差的輸出波形；G類，其他波形。完成相應(yīng)的功能為根據(jù)神經(jīng)網(wǎng)絡(luò)1對(duì)波形的分類，向判斷機(jī)構(gòu)1發(fā)送不同命令：對(duì)A類波形再次構(gòu)造控制規(guī)則；對(duì)B類波形大幅度減小控制量；對(duì)C類波形減小一點(diǎn)控制量；對(duì)D類波形增加一點(diǎn)控制量；對(duì)E類波形大幅度減小控制量；對(duì)F類波形大幅度增大控制量；對(duì)G類波形增加波形分類。（1）神經(jīng)網(wǎng)絡(luò)1產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義神經(jīng)網(wǎng)絡(luò)2的作用是學(xué)習(xí)被控制對(duì)象的動(dòng)態(tài)特性，建立被控對(duì)象動(dòng)態(tài)特性的數(shù)學(xué)模型，以對(duì)被控對(duì)象進(jìn)行仿真。預(yù)處理為根據(jù)被控對(duì)象的輸入和輸出波形，通過神經(jīng)網(wǎng)絡(luò)2來學(xué)習(xí)被控對(duì)象的動(dòng)態(tài)特性。完成相應(yīng)的功能包括神經(jīng)網(wǎng)絡(luò)2通過學(xué)習(xí)被控對(duì)象動(dòng)態(tài)特性的模型，使判斷機(jī)構(gòu)2可以利用這些有關(guān)控制對(duì)象行為的知識(shí)。通過神經(jīng)網(wǎng)絡(luò)2可以知道，要得到控制對(duì)象某種輸出波形，那么應(yīng)該輸入怎樣的輸入波形。如果不能用當(dāng)前的模糊控制器中的控制規(guī)則直接控制對(duì)象時(shí)，可以把學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)2用作控制對(duì)象，即用神經(jīng)網(wǎng)絡(luò)來模擬控制對(duì)象。（2）神經(jīng)網(wǎng)絡(luò)2產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制·5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)控制介紹（3）判斷機(jī)構(gòu)1用于判斷是否進(jìn)行控制規(guī)則的調(diào)整或增加。產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制（4）判斷機(jī)構(gòu)2用于確定控制規(guī)則后件的模糊變量和校正量。產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義1）通過判斷機(jī)構(gòu)1確定最初的控制輸入模糊控制器開始形成時(shí)，模糊控制器沒有任何規(guī)則，為形成其初始規(guī)則，需要向控制對(duì)象輸入適當(dāng)?shù)目刂戚斎胫担杂^測(cè)系統(tǒng)的響應(yīng)。2）發(fā)散波形處理當(dāng)以上決定的控制量使控制對(duì)象的輸出波形發(fā)散時(shí)，根據(jù)神經(jīng)網(wǎng)絡(luò)1的波形分類，判斷機(jī)構(gòu)1大幅度減少控制量。3）收斂波形處理當(dāng)以上決定的控制量使控制對(duì)象的輸出波形收斂時(shí)，判斷機(jī)構(gòu)2觀察該波形的收斂時(shí)間，把1/2的收斂時(shí)間稱作

。（5）模糊控制器控制規(guī)則形成產(chǎn)品質(zhì)量特性波動(dòng)模糊神經(jīng)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)工業(yè)控制系統(tǒng)的定義4）當(dāng)控制對(duì)象輸出波形的各個(gè)取樣的時(shí)刻t_i<t_h時(shí)，判斷機(jī)構(gòu)2檢測(cè)它們與目標(biāo)