《智能控制技术》 项目四 认识模糊神经网络控制系统.pptx

智能控制技术

目录CONTENT项目一认识分级递阶控制系统项目二认识模糊控制系统项目三认识神经网络控制系统项目四认识模糊神经网络控制系统

项目五认识专家控制系统项目六认识进化控制系统项目七分析智能控制技术的典型应用目录CONTENT

项目四认识模糊神经网络控制系统

知识目标了解模糊神经网络的融合方式、结构及优点。掌握模糊神经网络的学习算法。掌握基于常规模糊模型的模糊神经网络控制系统的结构及学习算法。掌握基于T-S模型的模糊神经网络控制系统的结构及学习算法。熟悉模糊神经网络控制系统的应用。

技能目标能正确分析模糊神经网络控制系统的应用实例。能正确设计简单的模糊神经网络控制系统。

素质目标养成专注技艺、追求卓越的职业作风。树立勤奋踏实、拼搏进取、勇于担当的奋斗精神。弘扬科学严谨、精益求精、追求卓越的工匠精神。

项目引入近年来，物流配送已成为现实生活中交换实体物品的重要纽带。物流配送中心位置是物流系统的关键，它受地理环境、运输路况、通信条件等多重因素的影响，且各因素间相互影响又相互制约，因此物流配送中心位置的选址问题尤为复杂。

项目引入传统的控制技术难以解决物流配送中心位置的选址问题，而模糊神经网络控制技术具有强大的知识表达能力和自学习能力，它以物流配送中心的历史数据作为输入值，以专家评价值作为输出值，对系统进行训练，并不断改变模糊神经网络的参数，通过多次实验和训练后得到最优解，最终能够选出最佳的物流配送中心位置。

项目工单1．学生分组学生以3～5人为一组，各小组选出组长并进行任务分工，将小组成员及任务分工填入表中2．工作计划各小组查阅相关资料，了解分级递阶控制系统，制订工作计划，并将其填入表中。3．工作准备各小组将工作实施过程中所需的工具和器材填入表中。4．工作实施各小组按照工作计划，设计分级递阶控制系统，并将实施步骤、实施内容及遇到的问题、解决办法等填入表中。

模糊神经网络概述1认识模糊神经网络控制系统模糊神经网络的学习算法2模糊神经网络控制系统3

/4.1模糊神经网络概述

4.1模糊神经网络概述模糊控制模糊控制是利用领域专家的先验知识进行近似推理的仿人思维控制。模糊控制虽然不依赖受控过程的数学模型，但是无法对非线性时变系统进行在线自学习和自调整。神经网络神经网络可对外界环境进行自组织、自适应和自学习，但它在学习完成后，无法将神经网络所获得的输入-输出关系清晰地表达出来。

4.1模糊神经网络概述4.1.1模糊神经网络的融合方式1）基于模糊控制技术的神经网络基于模糊控制技术的神经网络是将模糊推理引入到神经网络的设计中，以模糊控制为主体，以模糊控制方法为样本，对神经网络进行离线训练学习，用神经网络实现模糊控制决策基于模糊控制技术的神经网络的结构

4.1模糊神经网络概述4.1.1模糊神经网络的融合方式2）基于神经网络的模糊控制系统基于神经网络的模糊控制系统是将神经网络引入到模糊推理中，以神经网络为主体，将输入空间分割成若干个不同的模糊推论组合，对系统进行模糊逻辑判断，以模糊控制器的输出作为神经网络的输入。基于神经网络的模糊控制系统的结构

4.1模糊神经网络概述4.1.1模糊神经网络的融合方式3）模糊控制系统与神经网络在结构上的融合模糊控制系统与神经网络的输入量性质不同，控制特点也不同。模糊控制系统与神经网络融合的结构

4.1模糊神经网络概述4.1.1模糊神经网络的融合方式模糊控制系统与神经网络在结构上的融合构造了一个结构等价的模糊控制系统，使神经网络具有与模糊控制系统匹配的推理机制，这类控制系统称为神经模糊系统。提出者系统名称层数模糊模型主要特点SulzbergerFUN3层曼达尼学习过程中先任意改变学习参数，再采用目标函数进行评价选择KoskoFAM2层曼达尼模糊规则隐含在网络中，模糊联想就是模糊推理的过程Nauck等NEFCON3层曼达尼网络的连接权重采用模糊集BerenjiARIC5层曼达尼包括行为选择网络、行为状态评价网络邢松寅Pi-Sigma4层T-S模型精度高、物理意义明确Takagi等NNDFR2层T-S模型通过模糊控制系统来组织若干个普通神经网络的结构JangANFIS5层T-S模型方便实现、效果好，被收入MATLAB的FuzzyLogic工具箱中Tschichol-GurmanFruleNet3层特殊的模糊系统是RBF神经网络的一种变形Halgamuge等FuNet3层特殊的模糊系统使用S型函数

模糊神经网络的结构4.1模糊神经网络概述4.1.2模糊神经网络的结构模糊神经网络的结构与神经网络的结构类似，但在功能上应用的却是模糊控制系统