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;

你可能感兴趣的:(自适应模糊控制matlab)