自适应模糊控制matlab,自适应模糊神经控制系统及其MATLAB实现.pdf

自适应模糊神经控制系统及其MATLAB实现

学兔兔

第3期 (总第160期) 机 械 工程 与 自动 化 No．3

2010年6月 MECHANICAL ENGINEERING ＆ AUT0MAT10N Jun．

文章编号：1672—6413(2010)03—0162—03

自适应模糊神经控制系统及其MATLAB实现

刘修廷，潘宏侠

(中北大学机械工程与自动化学院，山西 太原 030051)

摘要：介绍了自适应模糊神经网络控制系统的结构，并在此基础上重点介绍了自适应模糊神经系统及其

MATLAB实现。

关键词：自适应；模糊神经系统；MATLAB

中图分类号：TP273 ．4 文献标识码：A

O 引言 函数genfisl()可为训练自适应模糊神经推理系

目前模糊神经网络控制在控制领域里已经成为一 统(Adaptive Neuro—Fuzzy Inference System，简称

个研究的热点，其原因在于神经网络和模糊系统两者 ANFIS)产生 Takagi—Sugeno型模糊推理系统

之间的互补关系。尽管模糊推理系统的设计(隶属度函 (Fuzzy Inference System，简称FIS)结构的初值(隶属

数和模糊规则的建立)不主要依靠对象的模型，但是它 度函数参数的初值)，它采用网格分割的方式，根据给

却相当依靠专家或操作人员的经验和知识。若缺乏这 定数据集生成一个模糊推理系统，一般与函数anfis()

样的经验和知识，则很难期望它能获得满意的控制效 配合使用。由genfisl()生成的模糊推理系统的输入和

果。而神经网络的一大特点就是其自学习功能，将这 隶属度函数的类型、数目可以在使用时指定，也可以

种自学习的方法应用于对模型特征的分析与建模上， 采用默认值。该函数的调用格式为：

产生自适应的神经网络技术。这种自适应的神经网络 fisMat—genfisl(data)

技术对于模糊系统的模型建立(模糊规则库的建立)是 fisMat— genfisl(data．numMFs．inMFType，outMFType)

非常有效的工具。自适应模糊神经系统是基于数据的

建模方法，该系统中的模糊隶属度函数及模糊规则是

通过大量的已知数据的学习得到的，而不是基于经验

和直觉任意给定的，这对于那些特性还不被人们所完

全了解或者特性非常复杂的系统尤为重要。

1 自适应模糊神经网络控制系统的结构 图 1 自适应模糊神经网络控制系统结构图

自适应模糊神经网络系统是指具有学习算法的模 其中：data为给定的输入／输出数据集合，除了一列为

糊神经网络系统，这里的模糊神经网络系统是由服从 输出数据外，其余列均表示输人数据；numMFs为一

模糊逻辑规则的一系列“如果一则”规则所构造的；而 向量，其各个分量用于指定每个输人语言变量的隶属

学习算法则依靠数据信息来对模糊神经系统的参数进 度函数的数量，如果每个输入的隶属度函数的数量相

行调整。 同，则只需输入标量值；inMFType为一字符串阵列，

模糊神经网络控制系统的结构如图1所示。其中 其每一列指定一个输人变量的隶属度类型，如果类型

NFNC为模糊神经网络控制器；R为输入信号；E、E 相 同，则 该参数 将变 成一个 一 维 的字符 串；

分