【用模糊神经网络控制器来实现一个控制系统】

问题的阐述：

需要用模糊神经网络控制器来实现一个控制系统，使得输入变量e和ec的范围为[-2,2]，并且达到目标误差emin=0.001。

输入、输出矢量：
输入矢量为e和ec，范围为[-2,2]，即 e，ec∈[-2,2]。
输出矢量为控制器的输出，用来控制系统的行为。

网络结构：

模糊神经网络控制器由两个部分组成：模糊推理部分和神经网络部分。

1. 模糊推理部分：
   模糊推理部分根据输入变量e和ec的值，进行模糊推理，生成模糊规则的权重。

2. 神经网络部分：
   神经网络部分接收模糊推理部分的输出，进行神经网络的训练，生成最终的控制器输出。

学习方法：

学习方法包括两个步骤：模糊推理部分的学习和神经网络部分的训练。

1. 模糊推理部分的学习：
   可以使用基于数据的方法，通过输入变量和期望输出的样本数据进行学习。可以使用模糊C均值算法（FCM）进行模糊聚类，得到模糊规则的权重。

2. 神经网络部分的训练：
   可以使用误差反向传播算法（BP）或者其他的神经网络训练算法进行训练。输入样本为模糊推理部分的输出，输出样本为期望的控制器输出。

通过这样的学习方法，我们可以实现模糊神经网络控制器，使其能够满足输入变量e和ec的变化范围为[-2,2]，并且达到目标误差emin=0.001。