【基於动态神经网络的自组织模糊控制的研究】姚尹武.pdf

摘要模糊控制与神经网络都是科学技术高度发展的产物,它们的结合也是科学发展的必然。但是,就基于神经网络的模糊控制来说,目前尚存在一些不足,最突出的缺点是控制依赖经验和神经网络性能不佳本论文试图解决这些问题,提出基于动态神经网络的自组织模糊控制。通过设计合理、完善的动态神经网络算法来改善神经网络的性能,并充分利用它的学习和记忆功能,实现模糊推理和规则自组织。理论和实验表明,该控制方式具有以下特点和优点:1.神经网络的学习性能很好,能够以很小精度的误差记住控制规则与校正规律.2.神经网络的扩展能力好,完全具备实现模糊推理和规则自组织的能力.3.

目录摘要.ASBTRACT.绪论.第一章模翻控勒与神经网绳 1模糊控制理论基础 1模椭量化过程的实现 1模精推理过程的实现去模棚化过程的实现 1神经网络(BP网)技术BP训练算法的导出,1BP算法的实现步骤.第二章基于神经网络的自组织模糊控制21基于神经网络的模糊推理21推理实现21推理实例22用神经网络进行规则校正.23基于神经网络的自组织模糊控制的设计第三章用最优的神经网络进行控制一动态神经网络的实现 3动态神经网络的构思与实现

绪论自从美国数学家维纳在四十年代创立控制论以来,控制理论经历了经典控制理论和现代控制理论两个重要发展阶段,并且在工业和国防等领域取得了成功的应用。可是,随着科学技术的高度发展,导致了被控对象结构上的日益复杂化和大型化,传统的控制理论使陷人由复杂性带来的困境中。七十年代问世的大系统理论也只可解决高维线性系统问题,对其它复杂系统仍然束手无策。因为在实际中,系统的复杂性大多表现在信息的模糊性、不确定性、偶然性和不完全性上,所以,基于精确数学模型的系统理论是无法解决好这类问题的。作为新兴学科的智能控制理论给这类控制提供了有效的解决途径。