自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制概述智能控制技術(shù)產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制自適應(yīng)模糊控制器內(nèi)容自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制1神經(jīng)網(wǎng)絡(luò)控制介紹自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)控制介紹5MIE分析法智能控制技術(shù)自適應(yīng)控制技術(shù)主要包括模型參考自適應(yīng)控制和自校正控制。有效的自適應(yīng)控制系統(tǒng)應(yīng)具備以下關(guān)鍵要素：系統(tǒng)能夠?qū)崟r(shí)監(jiān)測(cè)和獲取被控對(duì)象的狀態(tài)信息；系統(tǒng)具有可調(diào)節(jié)的部分，能夠根據(jù)獲取的信息進(jìn)行調(diào)整；確保系統(tǒng)在運(yùn)行中性能能夠符合預(yù)設(shè)的標(biāo)準(zhǔn)。自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制·5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)控制介紹（1）間接控制通過(guò)系統(tǒng)辨識(shí)獲取對(duì)象的數(shù)學(xué)模型，再根據(jù)設(shè)計(jì)指標(biāo)進(jìn)行控制器的設(shè)計(jì)。（2）直接控制根據(jù)對(duì)象的輸出誤差直接調(diào)節(jié)控制器內(nèi)部參數(shù)，達(dá)到自適應(yīng)控制的目的。自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制神經(jīng)網(wǎng)絡(luò)自適應(yīng)控制器的設(shè)計(jì)與傳統(tǒng)自適應(yīng)控制器有相似之處，主要有兩種設(shè)計(jì)路徑：神經(jīng)網(wǎng)絡(luò)控制介紹5MIE分析法智能控制技術(shù)模型參考自適應(yīng)控制是一種控制策略，該方法通過(guò)選擇一個(gè)合適的參考模型，并設(shè)計(jì)穩(wěn)定性理論下的自適應(yīng)算法，來(lái)實(shí)現(xiàn)對(duì)系統(tǒng)的控制。自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)自適應(yīng)模糊控制器2神經(jīng)網(wǎng)絡(luò)控制介紹自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制5MIE分析法智能控制技術(shù)自適應(yīng)模糊控制器具備兩個(gè)主要目標(biāo)主要目標(biāo)能夠根據(jù)被控過(guò)程的狀態(tài)提供合適的控制規(guī)則基于控制效果不斷改進(jìn)控制決策自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)性能測(cè)量用于評(píng)估實(shí)際輸出與期望輸出之間的差異，從而為控制規(guī)則的調(diào)整提供依據(jù)?？刂屏啃Ｕ龑⑿阅軠y(cè)量結(jié)果轉(zhuǎn)化為控制量的調(diào)整。自適應(yīng)模糊控制器神經(jīng)網(wǎng)絡(luò)控制介紹自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制控制規(guī)則修正根據(jù)控制量的校正結(jié)果，修改控制規(guī)則以優(yōu)化控制效果。

5MIE分析法智能控制技術(shù)場(chǎng)穩(wěn)定性理論神經(jīng)網(wǎng)絡(luò)控制介紹場(chǎng)穩(wěn)定性理論是分析模糊控制系統(tǒng)穩(wěn)定性的重要工具之一。它通過(guò)構(gòu)建合適的能量函數(shù)或Lyapunov函數(shù)，分析系統(tǒng)的能量變化，從而判斷系統(tǒng)的穩(wěn)定性。在基于模型的自適應(yīng)模糊控制中，場(chǎng)穩(wěn)定性理論被廣泛應(yīng)用于穩(wěn)定性證明。自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制

5MIE分析法智能控制技術(shù)基于滑模變結(jié)構(gòu)系統(tǒng)的方法神經(jīng)網(wǎng)絡(luò)控制介紹滑模變結(jié)構(gòu)控制理論在處理非線性系統(tǒng)和不確定性系統(tǒng)時(shí)表現(xiàn)出較強(qiáng)的魯棒性。將滑模控制與模糊控制相結(jié)合，可以設(shè)計(jì)出具有更強(qiáng)魯棒性的模糊控制系統(tǒng)。小增益理論是一種基于輸入輸出穩(wěn)定性的分析方法，它通過(guò)分析系統(tǒng)輸入輸出之間的增益關(guān)系來(lái)判斷系統(tǒng)的穩(wěn)定性。小增益理論方法自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制

5MIE分析法智能控制技術(shù)相平面分析方法神經(jīng)網(wǎng)絡(luò)控制介紹相平面分析法是一種直觀的圖解分析方法，它通過(guò)在相平面上繪制系統(tǒng)的狀態(tài)軌跡，分析軌跡的變化趨勢(shì)來(lái)判斷系統(tǒng)的穩(wěn)定性。描述函數(shù)分析法是一種基于頻率響應(yīng)的穩(wěn)定性分析方法。它通過(guò)分析系統(tǒng)的描述函數(shù)（即輸入信號(hào)的頻率響應(yīng)特性）來(lái)判斷系統(tǒng)的穩(wěn)定性。描述函數(shù)分析法自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制

5MIE分析法智能控制技術(shù)圓穩(wěn)定性判據(jù)方法神經(jīng)網(wǎng)絡(luò)控制介紹圓穩(wěn)定性判據(jù)是一種基于奈奎斯特穩(wěn)定性判據(jù)的擴(kuò)展方法。它利用扇區(qū)有界非線性的概念，分析系統(tǒng)的穩(wěn)定性。在模糊控制系統(tǒng)中，圓穩(wěn)定性判據(jù)可以用于分析SISO和MIMO模糊系統(tǒng)的穩(wěn)定性，并推導(dǎo)穩(wěn)定性條件。自適應(yīng)神經(jīng)網(wǎng)絡(luò)控制模糊神經(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(guò)模擬人類專家的經(jīng)驗(yàn)和推理來(lái)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(guò)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(yǔ)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(guò)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(guò)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(guò)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(wèn)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(yǔ)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(lái)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(wèn)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(guò)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(guò)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(guò)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(guò)程通過(guò)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(guò)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(lái)說(shuō)，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(guò)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(yǔ)言變量（例如：溫度、濕度等）。這些節(jié)點(diǎn)接收來(lái)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(guò)子網(wǎng)絡(luò)來(lái)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(lái)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(yǔ)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(guò)神經(jīng)網(wǎng)絡(luò)2來(lái)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(guò)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(guò)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(lái)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(guò)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(méi)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?，以觀測(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)值的偏差ΔE_i，5）決定控制規(guī)則后件模糊變量隸屬度函數(shù)規(guī)格化常數(shù)，將學(xué)習(xí)后的神經(jīng)網(wǎng)絡(luò)2輸出的控制對(duì)象期望值輸入，得到期望的控制輸入波形。6）根據(jù)規(guī)則前件求后件7）根據(jù)波形分類分別處理8）生成最初的控制規(guī)則9）在按步驟8）構(gòu)成規(guī)則時(shí)，前件的偏差E_i及其變化量?E_i的模糊變量的標(biāo)稱都為零，所以只要決定了其中一個(gè)就決定了前件。10）反復(fù)進(jìn)行步驟4）到步驟9）的操作，直到?jīng)]有步驟8）的情況時(shí)為止。（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)控制復(fù)合專家控制智能控制技術(shù)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)內(nèi)容產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)1神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型概述神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)，采用神經(jīng)網(wǎng)絡(luò)對(duì)專家系統(tǒng)進(jìn)行知識(shí)表示和自動(dòng)知識(shí)獲取，通過(guò)分布式信息存儲(chǔ)特性突破專家系統(tǒng)中知識(shí)獲取的瓶頸。利用神經(jīng)網(wǎng)絡(luò)強(qiáng)大的并行分布式處理功能、連續(xù)時(shí)間非線性動(dòng)力學(xué)特性和全局集體作用等特點(diǎn)，有效地解決專家系統(tǒng)實(shí)現(xiàn)過(guò)程中遇到的難點(diǎn)，實(shí)現(xiàn)知識(shí)獲取的自動(dòng)化、并行聯(lián)想和知識(shí)推理，提高專家系統(tǒng)的智能水平、實(shí)時(shí)處理能力，以及提高系統(tǒng)的魯棒性和容錯(cuò)能力。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)結(jié)構(gòu)每個(gè)模塊的功能如下：自動(dòng)知識(shí)獲取模塊根據(jù)專家知識(shí)進(jìn)行自學(xué)習(xí)；推理機(jī)制提出使用知識(shí)解決問(wèn)題的方法；解釋模塊用于說(shuō)明專家系統(tǒng)是根據(jù)什么推理思路得出結(jié)論的；人機(jī)交互接口用于提問(wèn)和獲取結(jié)果。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制

5MIE分析法智能控制技術(shù)主要功能和工作原理神經(jīng)網(wǎng)絡(luò)模型（1）自動(dòng)知識(shí)獲?。禾岢鏊枭窠?jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，包括網(wǎng)絡(luò)層數(shù)、輸入和輸出，以及隱藏節(jié)點(diǎn)的數(shù)量；組織要訓(xùn)練的學(xué)習(xí)樣本；使用學(xué)習(xí)算法通過(guò)學(xué)習(xí)樣本獲取所需權(quán)重，從而完成知識(shí)獲取。（2）知識(shí)庫(kù)：是推理和問(wèn)題解決的基礎(chǔ)，通過(guò)自動(dòng)知識(shí)獲取獲得，并可不斷更新。具體表現(xiàn)在學(xué)習(xí)樣本后的網(wǎng)絡(luò)參數(shù)分布。（3）推理機(jī)制：與基于邏輯推理的第一代專家系統(tǒng)不同，神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的推理機(jī)制主要是數(shù)值計(jì)算，由以下三部分組成。1）輸入邏輯概念到輸入模式轉(zhuǎn)換。根據(jù)論域的特征確定轉(zhuǎn)換規(guī)則，并根據(jù)相應(yīng)規(guī)則將當(dāng)前情況轉(zhuǎn)換為神經(jīng)網(wǎng)絡(luò)的輸入模式。2）網(wǎng)絡(luò)中的前向計(jì)算。3）輸出模式的解釋。解釋是將輸出的數(shù)值向量轉(zhuǎn)換成邏輯概念，輸出模式的解釋隨論域的不同也各不相同。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制

5MIE分析法智能控制技術(shù)（1）基于神經(jīng)網(wǎng)絡(luò)的知識(shí)表示神經(jīng)網(wǎng)絡(luò)模型傳統(tǒng)的知識(shí)表示如產(chǎn)生式規(guī)則和語(yǔ)義網(wǎng)絡(luò)等，都可以視為對(duì)知識(shí)的顯式表示，而在神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)中，知識(shí)表示可以視為隱式表示，其中知識(shí)不像產(chǎn)生式系統(tǒng)中那樣獨(dú)立地表示每條規(guī)則，而是在同一個(gè)網(wǎng)絡(luò)中表示某個(gè)問(wèn)題的若干知識(shí)。神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的知識(shí)表示可以分為內(nèi)部和外部形式。內(nèi)部形式是神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)中知識(shí)的表示方式，通常通過(guò)權(quán)重矩陣和閾值向量來(lái)描述。在神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)中，知識(shí)表示為連接權(quán)重和神經(jīng)元之間的閾值，這些權(quán)重和閾值的組合決定了系統(tǒng)的行為和決策過(guò)程。外部形式是知識(shí)工程師、專家和用戶能夠直接理解和使用的形式。通常，外部形式是一些學(xué)習(xí)范式，如IF-THEN規(guī)則，外部形式的知識(shí)是通過(guò)機(jī)器學(xué)習(xí)轉(zhuǎn)換成內(nèi)部形式，并以網(wǎng)絡(luò)或動(dòng)態(tài)系統(tǒng)的形式進(jìn)行表示。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制

5MIE分析法智能控制技術(shù)（2）基于神經(jīng)網(wǎng)絡(luò)的知識(shí)獲取神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制在神經(jīng)網(wǎng)絡(luò)中，通過(guò)學(xué)習(xí)訓(xùn)練實(shí)現(xiàn)知識(shí)獲取，其目的是要求出權(quán)系數(shù)集合{T_ij}以保證網(wǎng)絡(luò)對(duì)應(yīng)于每個(gè)輸入矢量所產(chǎn)生的輸出矢量充分接近所希望的輸出矢量。

5MIE分析法智能控制技術(shù)（3）基于神經(jīng)網(wǎng)絡(luò)的知識(shí)推理神經(jīng)網(wǎng)絡(luò)模型基于知識(shí)的推理機(jī)制有正向推理、反向推理和雙向推理三種。正向推理從已知的征兆事實(shí)或系統(tǒng)測(cè)量的特征參數(shù)出發(fā)，使用分布式網(wǎng)絡(luò)的權(quán)重和閾值來(lái)計(jì)算輸出，實(shí)現(xiàn)與輸出模式的映射而得出推理結(jié)論。這種推理機(jī)制簡(jiǎn)單易實(shí)現(xiàn)，適用于設(shè)備的在線監(jiān)控和控制。反向推理是從目標(biāo)到支持目標(biāo)的證據(jù)的推理。其先假設(shè)輸出是某種類型，然后在知識(shí)庫(kù)中找到假設(shè)結(jié)論的規(guī)則，并驗(yàn)證規(guī)則的前提是否存在。雙向推理是正向推理和反向推理的有效結(jié)合，以實(shí)現(xiàn)推理的準(zhǔn)確性和效率。其利用征兆事實(shí)數(shù)據(jù)庫(kù)中的一些已知事實(shí)作為神經(jīng)網(wǎng)絡(luò)的輸入。神經(jīng)網(wǎng)絡(luò)利用正向推理初步確定最可能發(fā)生的事件，然后利用反向推理進(jìn)一步驗(yàn)證假設(shè)是否成立。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)2神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)模型系統(tǒng)結(jié)構(gòu)基于規(guī)則的模糊專家系統(tǒng)通常包括：輸入輸出接口、模糊數(shù)據(jù)庫(kù)、模糊知識(shí)庫(kù)、模糊推理機(jī)、學(xué)習(xí)模塊和解釋模塊等。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制

5MIE分析法智能控制技術(shù)系統(tǒng)結(jié)構(gòu)解釋神經(jīng)網(wǎng)絡(luò)模型輸入輸出接口主要負(fù)責(zé)系統(tǒng)初始信息的輸入和系統(tǒng)最終結(jié)論的輸出。在實(shí)際應(yīng)用中，很多情況下信息是不確定的，因此輸入信息允許包含模糊性，結(jié)論也包含一定程度的不確定性。同時(shí)，輸入輸出接口還負(fù)責(zé)顯示系統(tǒng)推理的解釋過(guò)程，系統(tǒng)運(yùn)行中的人機(jī)交互，輸入建庫(kù)和修改信息等。模糊數(shù)據(jù)庫(kù)用于存儲(chǔ)各類不確定性信息，包括系統(tǒng)的初始輸入信息、基本數(shù)據(jù)信息以及系統(tǒng)基本定義等。它主要用于確定描述不確定信息的模糊語(yǔ)言值，系統(tǒng)推理過(guò)程中產(chǎn)生的中間信息，以及系統(tǒng)的最終結(jié)論信息。模糊知識(shí)庫(kù)存放著從領(lǐng)域?qū)＜医?jīng)驗(yàn)中總結(jié)出的事實(shí)和規(guī)則。這些事實(shí)或規(guī)則可能是模糊的或不完全可靠的，因此需要為每個(gè)事實(shí)附上一個(gè)可信度標(biāo)志，為規(guī)則附上一個(gè)強(qiáng)度標(biāo)志，使系統(tǒng)能夠正確地應(yīng)用這些知識(shí)進(jìn)行推理。模糊推理機(jī)的功能是根據(jù)系統(tǒng)輸入的不確定證據(jù)，利用模糊知識(shí)庫(kù)和模糊數(shù)據(jù)庫(kù)中的不確定性知識(shí)，按一定的不確定性推理策略解決系統(tǒng)問(wèn)題，并給出較為合理的建議或結(jié)論。為了模擬領(lǐng)域?qū)＜业耐评磉^(guò)程，模糊推理機(jī)采用各種推理技術(shù)，并定義一組函數(shù)用于推理過(guò)程中信息的不確定性傳播計(jì)算。解釋模塊記錄系統(tǒng)推理過(guò)程中所使的規(guī)則和產(chǎn)生的中間結(jié)果，其中每個(gè)規(guī)則和結(jié)論都附有不確定性標(biāo)度，以更好地理解系統(tǒng)的推理過(guò)程。學(xué)習(xí)模塊是接受領(lǐng)域?qū)＜矣米匀徽Z(yǔ)言描述的知識(shí)，并將其轉(zhuǎn)換成計(jì)算機(jī)可識(shí)別的規(guī)范化模糊事實(shí)和規(guī)則，或者通過(guò)一組經(jīng)驗(yàn)實(shí)例自動(dòng)總結(jié)歸納出模糊規(guī)則，以不斷完善系統(tǒng)的知識(shí)庫(kù)并提升系統(tǒng)的智能化水平。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制

5MIE分析法智能控制技術(shù)可能性分布與模糊測(cè)度神經(jīng)網(wǎng)絡(luò)模型在進(jìn)行不確定性推理時(shí)，可能性問(wèn)題通常與判斷命題的真實(shí)性問(wèn)題密切相關(guān)。在這里所討論的可能性，并非指事件發(fā)生或不發(fā)生的概率，而是指某種行為、程序或方案等實(shí)現(xiàn)的可能性。舉例來(lái)說(shuō)，一個(gè)人一天走10000步的可能性，這些情況并非要么完全可行（可能性程度為1），要么完全不可行（可能性程度為0），而是在各種不同程度上具有可行性（可能度在0到1之間取值）。可能性代表一種不確定性，與隨機(jī)性不同，是一種模糊性?？赡苄匀∽畲笾?，而概率則對(duì)應(yīng)平均值?？赡芏却蟮氖录母怕饰幢卮螅怕市〉氖录目赡芏纫参幢匦?，但不可能事件的概率必定為0。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(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)的定義模糊性知識(shí)可以采用產(chǎn)生式規(guī)則、框架、語(yǔ)義網(wǎng)絡(luò)等形式表達(dá)。（1）模糊產(chǎn)生式規(guī)則模糊推理規(guī)則是基于模糊技術(shù)的模糊規(guī)則，其模糊方法主要由前提條件模糊化、動(dòng)作或結(jié)論模糊化、設(shè)置規(guī)則激活閾值和設(shè)置規(guī)則可信度等四個(gè)方面進(jìn)行。具有部分特征的產(chǎn)生式規(guī)則稱為模糊產(chǎn)生式規(guī)則。模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(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（2）模糊規(guī)則的表達(dá)方法模糊產(chǎn)生式規(guī)則的形式可表示為規(guī)則的前件和后件均可以是模糊命題，凡是包含有模糊謂詞或模糊狀態(tài)量詞或帶不同程度肯定的命題稱為模糊命題。模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(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（3）模糊產(chǎn)生式系統(tǒng)運(yùn)行舉例為了更好地理解模糊規(guī)則是如何表達(dá)模糊知識(shí)的，了解模糊產(chǎn)生式系統(tǒng)的運(yùn)行原理，用一個(gè)簡(jiǎn)單的模糊推理的例子來(lái)加以說(shuō)明。假定已有模糊規(guī)則集：模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(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

模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(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

模糊性知識(shí)規(guī)則表示產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制產(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)的定義對(duì)于一條規(guī)則，其不確定性主要體現(xiàn)在前提條件的不確定性、結(jié)論的不確定性和規(guī)則的不確定性。因此，對(duì)于任何不確定性推理模型，必須解決三個(gè)問(wèn)題：前提條件的不確定性描述、規(guī)則的不確定性描述和不確定性的傳播或更新算法。證據(jù)不確定性的描述就是要給出證據(jù)為真、為假和對(duì)證據(jù)一無(wú)所知的情況。對(duì)證據(jù)一無(wú)所知稱為證據(jù)的單位元。對(duì)于規(guī)則的不確定性描述，要明確地給出規(guī)則強(qiáng)度，即當(dāng)證據(jù)為真時(shí)，結(jié)論為真（或假）的值；還要給出規(guī)則的單位元，即證據(jù)對(duì)結(jié)論沒(méi)有影響的情況。對(duì)于不確定性的傳播或更新算法，要給出求結(jié)論不確定性的計(jì)算公式，使得不確定性在推理網(wǎng)絡(luò)中能夠得以傳播，最終求得問(wèn)題的解。不確定性推理模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合專家控制復(fù)合智能控制的應(yīng)用智能控制技術(shù)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)在織機(jī)經(jīng)紗張力控制中的應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)在電能質(zhì)量評(píng)估中的應(yīng)用內(nèi)容產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在變電站故障診斷中的應(yīng)用模糊專家系統(tǒng)在溫室控制中的應(yīng)用產(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)網(wǎng)絡(luò)在電能質(zhì)量評(píng)估中的應(yīng)用1神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用5MIE分析法智能控制技術(shù)案例描述學(xué)習(xí)控制的應(yīng)用明確的電能質(zhì)量評(píng)估標(biāo)準(zhǔn)也有助于購(gòu)電方進(jìn)行比較和選擇，以最少的資金獲取最適合的電能。考慮電能質(zhì)量問(wèn)題有助于改革和完善電力企業(yè)管理，提高企業(yè)管理效率和電能質(zhì)量，降低供發(fā)電成本和電價(jià)，促進(jìn)國(guó)民經(jīng)濟(jì)發(fā)展。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)電能質(zhì)量綜合評(píng)估模型（1）評(píng)價(jià)指標(biāo)體系的建立根據(jù)國(guó)家標(biāo)準(zhǔn)或國(guó)際公認(rèn)定義的要求，將電壓暫降、電壓偏差、頻率偏差、三相不平衡、波動(dòng)和閃變、諧波、可靠性等指標(biāo)分為5個(gè)等級(jí)。這5級(jí)電能在規(guī)定范圍內(nèi)符合國(guó)家標(biāo)準(zhǔn)或國(guó)際公認(rèn)定義的各項(xiàng)指標(biāo)要求認(rèn)為是合格電能。（2）樣本矩陣和標(biāo)準(zhǔn)指標(biāo)矩陣的規(guī)范化電能質(zhì)量的好壞屬于模糊概念，其變化連續(xù)，存在著中間過(guò)渡的模糊性，故采用相對(duì)隸屬度對(duì)其進(jìn)行描述：規(guī)定標(biāo)準(zhǔn)矩陣中指標(biāo)的1級(jí)標(biāo)準(zhǔn)值對(duì)電能質(zhì)量“好”這個(gè)模糊概念的隸屬度為1；指標(biāo)的級(jí)指標(biāo)標(biāo)準(zhǔn)值對(duì)電能質(zhì)量“好”這個(gè)模糊概念的；相對(duì)隸屬度為0，介于1級(jí)和級(jí)之間的指標(biāo)的級(jí)標(biāo)準(zhǔn)值的相對(duì)隸屬度按下式確定:產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)電能質(zhì)量綜合評(píng)估模型（3）模糊神經(jīng)網(wǎng)絡(luò)模型的建立由于電能質(zhì)量評(píng)估涉及8個(gè)主要評(píng)估指標(biāo)，電能質(zhì)量被分為5個(gè)等級(jí)，因此模型的輸入神經(jīng)元為8個(gè)，輸出層神經(jīng)元為5個(gè)，隱藏層神經(jīng)元數(shù)由公式確定：隱藏層神經(jīng)元數(shù)=（輸入層神經(jīng)元數(shù)×輸出層神經(jīng)元數(shù)）1/2。因此，隱藏層神經(jīng)元數(shù)為6。（4）訓(xùn)練樣本的生成根據(jù)電能質(zhì)量標(biāo)準(zhǔn)，各類電能質(zhì)量的指標(biāo)都有上下限。當(dāng)樣本的電能指標(biāo)值都在某類電能質(zhì)量規(guī)定的范圍內(nèi)時(shí)，該樣本被歸為相應(yīng)級(jí)別。通過(guò)有限次插值或在相應(yīng)指標(biāo)范圍內(nèi)進(jìn)行隨機(jī)取值，可以生成足夠多的訓(xùn)練樣本。利用內(nèi)插法生成了3000個(gè)樣本，其中隨機(jī)抽取500個(gè)作為檢驗(yàn)樣本和測(cè)試樣本，剩下的2000個(gè)作為訓(xùn)練樣本。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)電能質(zhì)量綜合評(píng)估模型（5）電能質(zhì)量級(jí)別的確定根據(jù)概念模糊在分級(jí)條件下最大隸屬度原則不適用的情況，采用級(jí)別特征值的方法確定電能質(zhì)量級(jí)別：

為級(jí)別特征值矩陣，根據(jù)對(duì)電能樣本進(jìn)行綜合評(píng)價(jià)，考慮到電能評(píng)價(jià)中的區(qū)間值類別類型，對(duì)上述結(jié)果做如下處理，對(duì)電能質(zhì)量進(jìn)行歸類。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)結(jié)果驗(yàn)證通過(guò)對(duì)某城市8個(gè)實(shí)際觀測(cè)點(diǎn)（電壓等級(jí)為380V）的電能質(zhì)量實(shí)測(cè)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)分析，實(shí)測(cè)數(shù)據(jù)詳見表1。將這8個(gè)評(píng)估點(diǎn)的電能質(zhì)量樣本的實(shí)測(cè)指標(biāo)相對(duì)隸屬度輸入經(jīng)過(guò)訓(xùn)練的模糊神經(jīng)識(shí)別網(wǎng)絡(luò)，從而得到待識(shí)別電能質(zhì)量樣本相對(duì)于標(biāo)準(zhǔn)類別的識(shí)別結(jié)果。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用評(píng)估點(diǎn)電壓暫降/%電壓偏差/%頻率偏差/Hz三相不平衡/%電壓波動(dòng)/%電壓諧波電壓閃變可靠性152.444.7970.1220.831.332.720.540.54275.891.680.0620.360.531.280.330.8333.564.350.1801.351.954.670.930.32417.36.330.1771.741.373.360.840.54562.33.220.1020.830.882.570.320.76631.34.690.1381.141.673.310.660.67717.64.740.1441.091.462.790.570.75819.26.200.1861.341.574.060.760.31學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)結(jié)果驗(yàn)證則8個(gè)評(píng)估點(diǎn)的T為:根據(jù)電能質(zhì)量級(jí)別確定方法，得出8個(gè)評(píng)估點(diǎn)的電能質(zhì)量級(jí)別。模型與模糊綜合評(píng)判模型的評(píng)估結(jié)果詳見表2。在評(píng)估點(diǎn)2，模糊綜合評(píng)判等級(jí)為2級(jí)，用本文提出的模型評(píng)判等級(jí)為3級(jí)，與觀測(cè)點(diǎn)7的電能相比（兩種方法對(duì)評(píng)估點(diǎn)7的評(píng)判等級(jí)都為3級(jí)）可見，根據(jù)本模型得出的評(píng)估點(diǎn)2和7的級(jí)別值分別為2.5644和2.4646。雖然按照進(jìn)一法的結(jié)果兩者均屬于第3等級(jí)，但評(píng)估點(diǎn)2比評(píng)估點(diǎn)7更接近第3等級(jí)。而模糊綜合評(píng)估模型的評(píng)估結(jié)果顯示評(píng)估點(diǎn)2的電能質(zhì)量要比評(píng)估點(diǎn)7差一個(gè)等級(jí)。實(shí)際上，兩個(gè)評(píng)估點(diǎn)的電能質(zhì)量差別非常小，因此本模型更為合理。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用評(píng)估點(diǎn)12345678模糊綜合評(píng)判模型12442234本模型13542334產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在變電站故障診斷中的應(yīng)用2神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)變電站的故障診斷該系統(tǒng)利用新型徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)來(lái)解決故障診斷問(wèn)題，采用正交最小二乘算法來(lái)優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)參數(shù)。神經(jīng)系統(tǒng)針對(duì)變電站，將所有開關(guān)和保護(hù)的動(dòng)作信息作為神經(jīng)網(wǎng)絡(luò)的輸入。一般每臺(tái)設(shè)備配備1到2臺(tái)主保護(hù)和相應(yīng)的后備保護(hù)，如果直接將這些信息作為輸入，將導(dǎo)致網(wǎng)絡(luò)規(guī)模過(guò)大，影響收斂能力和診斷速度。鑒于當(dāng)前電網(wǎng)的高可靠性，本系統(tǒng)僅考慮近后備保護(hù)的動(dòng)作情況。因此，某臺(tái)設(shè)備的綜合保護(hù)系數(shù)為：產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)訓(xùn)練樣本前提：由于本系統(tǒng)涉及大量開關(guān)和保護(hù)，如果完全依賴人工生成訓(xùn)練樣本，將難以維護(hù)且準(zhǔn)確性無(wú)法保證?？紤]到在沒(méi)有誤動(dòng)和拒動(dòng)的情況下，可以根據(jù)清晰的規(guī)則判斷故障情況，因此采用ES自動(dòng)生成基本訓(xùn)練樣本，并結(jié)合規(guī)則難以表達(dá)的復(fù)雜故障樣本，生成全面的訓(xùn)練樣本集合。ES采用CLIPS引擎，利用預(yù)先設(shè)定的規(guī)則庫(kù)進(jìn)行推理。系統(tǒng)由推理引擎、事例庫(kù)和規(guī)則庫(kù)組成，推理引擎通過(guò)事例匹配激發(fā)相關(guān)規(guī)則并得出推理結(jié)果。事例庫(kù)根據(jù)不同的變電站生成不同的事例，規(guī)則庫(kù)保存在文本文件中可進(jìn)行添加和修改。系統(tǒng)首先對(duì)事例進(jìn)行預(yù)處理，利用網(wǎng)絡(luò)拓?fù)浜驮O(shè)備屬性事例庫(kù)自動(dòng)生成保護(hù)和開關(guān)、保護(hù)和一次元件以及開關(guān)和一次元件的關(guān)聯(lián)關(guān)系，然后根據(jù)設(shè)備故障與開關(guān)、保護(hù)動(dòng)作之間的關(guān)系自動(dòng)生成開關(guān)、保護(hù)動(dòng)作情況表，最終通過(guò)預(yù)處理得到訓(xùn)練樣本。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)保護(hù)和開關(guān)動(dòng)作評(píng)價(jià)保護(hù)和開關(guān)的動(dòng)作情況可分為正確、誤動(dòng)和拒動(dòng)三種。系統(tǒng)再次利用CLIPS引擎，基于簡(jiǎn)單規(guī)則對(duì)其動(dòng)作行為進(jìn)行評(píng)價(jià)。根據(jù)故障情況、保護(hù)與設(shè)備關(guān)系以及保護(hù)屬性，系統(tǒng)利用保護(hù)動(dòng)作規(guī)則庫(kù)確定保護(hù)的動(dòng)作情況。以下是針對(duì)線路主保護(hù)正確動(dòng)作的一條規(guī)則：IF（故障設(shè)備（設(shè)備？Device））（object（is-aPROTECT）（保護(hù)？Protect）（關(guān)聯(lián)設(shè)備？Device）（類型＂主保護(hù)＂））（保護(hù)動(dòng)作信息（保護(hù)？Protect））THEN（保護(hù)動(dòng)作信息評(píng)價(jià)（保護(hù)？Protect）（評(píng)價(jià)＂正確＂））產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)系統(tǒng)測(cè)試本系統(tǒng)的測(cè)試是基于下圖所示的變電站接線圖進(jìn)行的。該變電站包括雙母線雙變壓器、六條出線和十二個(gè)開關(guān)。開關(guān)狀態(tài)（0或1）和設(shè)備的保護(hù)系數(shù)被用作神經(jīng)網(wǎng)絡(luò)的輸入，即有ni=22個(gè)輸入，系統(tǒng)元件的狀態(tài)則作為神經(jīng)網(wǎng)絡(luò)的輸出，即有n0=10個(gè)輸出。如果神經(jīng)網(wǎng)絡(luò)的某個(gè)輸出接近1，則被認(rèn)為對(duì)應(yīng)的元件發(fā)生故障。系統(tǒng)自動(dòng)生成的樣本包含10種基本故障情況。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)系統(tǒng)測(cè)試為了測(cè)試神經(jīng)網(wǎng)絡(luò)的泛化能力，選取不在訓(xùn)練樣本集中的故障情況作為測(cè)試樣本。具體故障情況如下：故障情況1：只有開關(guān)B5063跳閘。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，未檢測(cè)到故障元件，經(jīng)由ES評(píng)估后發(fā)現(xiàn)開關(guān)5063誤動(dòng)。故障情況2：開關(guān)B5062和B5063跳閘，5407線主保護(hù)5407TLS動(dòng)作，但5407線主保護(hù)5407DLP未動(dòng)作。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，發(fā)現(xiàn)故障元件為5407，再經(jīng)由ES評(píng)估后確認(rèn)5407線主保護(hù)5407DLP拒動(dòng)；故障情況3：開關(guān)B5062、B5063和B5061跳閘，5407線主保護(hù)5407TLS和5407DLP均動(dòng)作。神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷，發(fā)現(xiàn)故障元件為5407，再經(jīng)由ES評(píng)估后確認(rèn)開關(guān)B5061誤動(dòng)。通過(guò)測(cè)試結(jié)果可以發(fā)現(xiàn)，即使僅使用基本訓(xùn)練樣本，系統(tǒng)也能夠判斷開關(guān)和保護(hù)的錯(cuò)誤動(dòng)作。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)在織機(jī)經(jīng)紗張力控制中的應(yīng)用3神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的應(yīng)用前提經(jīng)線張力的波動(dòng)是影響紡織品質(zhì)量的重要因素。由于張力系統(tǒng)是多變量、非線性和時(shí)變復(fù)雜動(dòng)態(tài)系統(tǒng)，傳統(tǒng)的PID控制算法無(wú)法隨時(shí)調(diào)整KP、KI和KD參數(shù)，容易導(dǎo)致經(jīng)線張力波動(dòng)過(guò)大，導(dǎo)致系統(tǒng)的穩(wěn)定性和可靠性較差。通過(guò)使用模糊專家控制來(lái)控制經(jīng)線張力，根據(jù)當(dāng)前紗線、織物組織和織機(jī)的信息，可以自動(dòng)從專家知識(shí)庫(kù)中提取信息，并判斷相應(yīng)的控制規(guī)則，從而可以在線修改和保存專家知識(shí)庫(kù)，并通過(guò)離線學(xué)習(xí)不斷修改知識(shí)庫(kù)。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的控制原理模糊專家控制器的輸入變量為張力偏差和張力偏差變化率，輸出變量

為和

，相應(yīng)的模糊集為，是一個(gè)雙輸入三輸出的二維模糊控制器。產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的控制原理產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用圖1E(EC)的隸屬度函數(shù)圖2U的隸屬度函數(shù)張力偏差和張力偏差變化率的量化論域均采用三角形隸屬度函數(shù)，如圖1所示，用NB（負(fù)大）、NM（負(fù)中）、NS（負(fù)?。O（零）、PS（正小）、PM（正中）、PB（正大）7個(gè)模糊狀態(tài)來(lái)描述；輸出控制量同樣選用三角形隸屬函數(shù)，如圖2所示，用NB（負(fù)大）、NM（負(fù)中）、NS（負(fù)小）、ZO（零）、PS（正?。?、PM（正中）、PB（正大）7個(gè)模糊狀態(tài)來(lái)描述。學(xué)習(xí)控制的應(yīng)用5MIE分析法智能控制技術(shù)模糊專家控制的控制原理產(chǎn)品質(zhì)量特性波動(dòng)復(fù)合智能控制的應(yīng)用表1模糊規(guī)則表織機(jī)的張力控制可以根據(jù)經(jīng)紗張力偏差以及偏差變化率來(lái)消除張力偏差，相應(yīng)的模糊規(guī)則控制表見1。的模糊規(guī)則表EECNBNMNSZOPSPMPBNBPBPBPMPSPSZOZONMPBPBPMPSPSZONSNSPMPMPMZOZONSNSZOPMPMPSNSNSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB的模糊規(guī)則表EECNBNMNSZOPSPMPBNBNBNBNMNMNSZOZONMNBNBNMNSNSZOZONSNBNSNSNSZOPSPSZONMNSNSZOPSPMPMPSNMNSZOPSPSPMPBPMZOZOZOPSPMPBPBPBZOZOPSPMPMPBPB模糊規(guī)則表EECNBNMNSZOPSPMPBNBPSNSNBNBNBNMPSNMPSNSNBNMNMNSZONSZONSNMNMNSNSZOZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBNSPSPSPSPSPBPBPBPMPMPSPSPSPB產(chǎn)品質(zhì)量特性波動(dòng)5MIE分析法智能控制技術(shù)模糊專家系統(tǒng)在溫室控制中的應(yīng)用4神經(jīng)網(wǎng)絡(luò)模型產(chǎn)品質(zhì)量特性波