(一)、模糊建模(FuzzyModeling)属于系统鉴别的一支，其主要目的是将.DOC

小腦模式在馬達速度控制之實現 Implementation of DC Motor Speed Control Based on CMAC 陳珍源 Jen-Yang Chen 中華技術學院電子系Professor Department of Electronic Engineering China Institute of Technology 蔡樸生Pu-Sheng Tsai 中華技術學院電子系 Instructor Department of Electronic Engineering China Institute of Technology Email: jychen@cc.chit.edu.tw 摘要 小腦模型是模仿人類小腦的一種學習架構，在實際應用上為一查表法。在控制領域設計中，較簡易直覺的作法是不需經過學習的過程而能使控制系統即可在可忍受範圍內工作，進一步藉由輔助修正機制優化原系統參數達到線上學習的需求。欲實現小腦模式控制演算法，其最可行的辦法即是植入人類最豐富的經驗知識。因此本論文提出以邊界條件的方法，事先給定小腦模型之權重參數，使控制器不需經過學習即可工作。實驗結果驗證了我們設計的期望及滿意的成果。 關鍵詞 : 控制系統, 類神經網路, 滑動控制, 經驗法則 Abstract This paper proposes an intelligent Cerebella Model Articulation Controller (CMAC) with the sliding mode control. Generally speaking, the CMAC is first trained from an existed controller; then the CMAC can be used to instead of the original controller for achieving a fast operating system performance. Moreover, it can be easily realized through FPGA and operated in the requirement of real-time control cases. However, the overall performance of control system depends on the trained CMAC; usually, it is not easy to yield the same performance as the original controller. Therefore, to improve the performance without learning process maybe is a good idea in designing the CMAC. The determination of the CMAC weights via the control scheme of sliding mode control provides a solution for designing such controller. Finally, the DC motor speed control is employed to illustrate the performance and applicability of the proposed control scheme. Keywords: Control System; Neural-Network; Sliding mode control; Heuristic Rules 一、 前言 小腦模型(Cerebellar Model Articulation Controller，簡稱CMAC)。1967年，Marr提出小腦皮質(cerebellar Cortex)的模型，在1975年，J. S. Albus博士根據Marr的模型發展出一套小腦模型運作的數學模式 [1]。小腦模型是模仿人類小腦運作的一種學習架構，基本上是屬於一種監督式的學習架構。但在控制領域中，最好的設計方式是不需經過學習的流程而原始系統即可在忍受範圍內工作，而在工作中藉由輔助修正機制優化原系統參數達到線上學習的需求。欲實現小模式充當控制演算法，如何植入人類最豐富的經驗知識是一可行的辦法 [2][3]。 二、 小腦模型的基本架構 圖 1 小腦模型的基本架構 小腦模型是以人類小腦皮質分層儲存的架構而來，在這種模型下，必須規劃出小腦模型學習時儲存的記憶體架構，而在學習的過程中，依據期望輸出來改變記憶體的內容，藉以達到類似於