FBSBNN控制结构的改进学习算法.pdfVIP

FBSBNN 控制结构的改进学习算法 1 2 谷雨明 ，边二华 （东北大学机械工程与自动化学院 辽宁 沈阳 110004 ） （河南省信阳市长安路237 号信阳师范学院，河南 信阳464000) [摘要] FBSBNN控制结构既具有模糊计算的定性表述能力，又兼备神经网络的学习能力，同时 隶属度函数又采用了具有局部调控能力的B样条基函数，使得此控制结构有了较好的控制性 能。对此结构的相关研究也提出的一些学习算法，如基于GA和BP的混合算法①和蚁群优化算 法②等，但总体效果还是受限于BP的缺点，本文利用改进的粒群优化算法来训练FBSBNN，仿 真表明，改进的粒群优化算法能提高网络的学习速率，使得控制系统更易实现实时控制，也 证明了此改进算法对训练神经网络参量的有效性和可行性。 [关键词] FBSBNN；粒群算法；优化 [中图分类号] TP138 1．引言 图中的模糊神经网络结构表示意思如 基于B 样条基的模糊神经网络控制结 下： 构，结合了神经网络的学习能力和模糊计算 第一层将输入引入网络，每个输入的论 的定性表达能力，利用神经网络的学习能力 域均为[-1，1], 调整隶属度函数和模糊规则，弥补了模糊计 (1) k (1) k k （1） out in x ( 1,2;k 1,2)i 算的缺陷，采用模糊计算的模糊表述扩展了 i i i 神经网络的实用范围。把B样条基作为模糊 第二层对输入进行模糊化处理，采用 B 计算的隶属度函数，又充分利用了B样条基 ③ 样条基函数作为隶属度函数，可以描述为， 函数的局部调控能力 ，使得该结构有很好 的鲁棒性和学习能力。 z −1 x c Nμ( i )x ∑ ( ) (2) A j p p ,2 j j 本文利用改进的粒群算法来训练 p 0 FBSBNN控制器，仿真表明，改进的粒群优 定义在 Z 上 B 样条基隶属度函数有 9 化算法能提高网络的学习速率，对控制系统 个控制点，其值依次为｛1，0.75，0.5，0.25， 实现实时控制有帮助，同时也证明了此改进 算法的有效性和可行性。 0，0，0，0，0 ｝，该函数的表达式为， x x ∈ − 1,0 ) 2 ．FBSNN控制器结构 μ( )x ⎨⎧ [ (3)