基于聚类有效性神经网络的模糊规则提取方法3-深圳大学.pdf

( ) 1997 年 6 月 深圳大学学报 理工版 J une 1997 第 14 卷 ,第 1 期 Journal of Shenzhen University ( Science Engineering) Vol . 14 ,No . 1 基于聚类有效性神经网络 的模糊规则提取方法 谢维信 (深圳大学 ,深圳 5 18060 ;第一作者 55 岁 ,男 ,教授) 高新波 ( 西安电子科技大学 ,西安 7 1007 1) 　　摘 　要 　模糊控制以其自适应性 、鲁棒性和易于实现等优点得到广泛应用. 然而 模糊控制规则的获取通常由专家根据经验给出 ,这就存在诸如规则不够客观 ,专家经 验难以获取等问题. 为此 ,本文给出一种其于聚类有效性神经网络的模糊规则提取的 新方法. 该方法采取了对训练样本预划分子集聚类 ,模糊语言量的自动确定 ,模糊隶 属度函数自适应调整等策略 ,克服了以往规则提取法在训练样本不充分时 ,规则提取 不足及规则数 目难以确定等缺点 ,并结合神经网络技术使所提取的控制规则的质量 得到提高 ,改善了模糊控制器的性能 ,最后 , 以倒车系统为例证明了该方法的有效性. 关键词 　模糊逻辑控制 ;聚类有效性 ;控制规则提取 中图分类号 　TP 18 ;O 159 引　言 1974 年 ,英国 Mamdani 根据模糊集合论研制了世界上第一个 Fuzzy 控制器[ 1 ] ,用于锅炉 和蒸汽机的自动控制 ,取得了成功. 从此开创了模糊控制的历史. ( ) 与一般的 P ID :Proportional Integral Differential Cont rol 控制相比. 模糊控制并不需要建 ( 立控制过程的精确数学模型 ,而完全凭人的经验知识 、首先构造模糊联想记忆 Fuzzy A ssocia tive Memory) 单元 ,然后通过模糊规则推理进行控制. 因此 ,模糊控制具有较强的灵活性 ,机动 性和鲁棒性. 此外还具有易于实现和掌握等优点 ,从而得到了广泛的应用. 然而 ,在实际应用 中 ,控制规则往往是由专家根据经验给出的. 这就存在着一定的问题 , 比如规则不够客观 、专家 经验难以获取等等. 因此 ,如何简捷有效的提取规则是一英很有意义的工作. 作为智能控制的一种新技术 ,模糊控制正日益与人工智能领域的其它新技术相接合 , 向着 更高的层次发展 ,许多学者正在利用各种智能手段研究控制规则提取的新方法 ,如 B . Ko sko 提出了一种用聚类算法提取控制规则的方法[2 ] ,实现了倒车系统 、倒立摆系统的模糊控制. 为 模糊控制规则的获取提供了新的思路 ,然而 ,在训练样本不充分 、分布不均匀等情况下 , Ko sko 提出的方法则会陷入困境. 经常会出现规则提取不足等问题 ,从而使系统得不到好的控制性 ( ) 能. 此外 , Ko sko 提出的规则提取方法还存在各变量模糊子集 语言变量真值 个数和隶属度函 　国家自然科学基金资助项 目 收稿 日期 :1997 - 02 - 28 © 1994-2010 China Academic Journal Electronic Publishing House. All rights reserved. 第 1 期 谢维信 　高新波 :基于聚类有效性神经网络的模糊规则提取方