一类非线性系统的神经网络模糊控制.pdf

分类号 密级
硕 士 学 位 论 文
题 目： 一类非线性系统的神经网络模糊控制
英文并列题目： A Class of Nonlinear System of
Neural Network Fuzzy Control
研 究 生： 胡 焯
专 业： 控制理论与控制工程
研 究 方 向： 控制理论及其应用
导 师： 崔宝同
指导小组成员：
学位授予日期：
答辩委员会主席： 于凤芹
江 南 大 学
地址：无锡市蠡湖大道 1800 号
二○一二年三月
摘 要
摘 要
将模糊系统和神经网络相结合，可以同时具有两种方法的优点而克服各自的缺点，
提高整个系统的学习能力与表达能力，也是当前正在蓬勃发展的一种重要的智能控制方
法。在模糊控制中引用神经网络技术，解决隶属度函数和模糊规则最优设计在控制领域
有着广泛的应用。本文主要对预测模糊控制、逆模糊控制中引用神经网络技术进行了研
究，另外针对模糊神经网络提出了新的自组织算法。本文的具体工作主要体现在以下几
个方面：
1. 研究了基于神经网络的多步预测优化模糊控制。用神经网络优化模糊控制器参数
的模糊控制。针对非线性大滞后系统以及神经网络带来的过拟合现象，设计了多步预测
与最优控制相结合的模糊控制系统。采用贝叶斯算法训练神经网络，在保证建模精度的
前提下提高了系统的泛化能力，并将该算法与模糊优化控制相结合，在线学习和修正预
测模型估计的系统控制量。结果表明，利用模糊优化控制算法结合预测模型得到输出具
有较好跟踪控制调节能力。
2. 研究了基于数据学习算法的逆模糊控制。用神经网络驱动模糊推理的模糊控制。
针对在逆模糊模型控制中出现的在线滚动数据窗口计算量大和控制模型精度低等问题，
提出了基于数据逆模糊学习算法，并将该算法运用到建立逆模糊模型中。首先利用建模
数据在时间与空间相邻的特定，从系统积累的数据中找出与当前模态相匹配的输入数
据，在保证控制模型精度的同时大大减少了计算量，然后采用自适应算法在线调节系统
模型参数，实现非线性系统的实时跟踪控制。该方法提高了系统控制精度与计算效率。
3. 研究了模糊神经网络自组织。用神经网络记忆模糊规则，划分输入空间的控制。
研究了一种新的模糊神经网络自组织算法，在聚类方法的基础上通过对输入—输出数据
的监督学习来修正模糊控制规则、优化模糊神经网络结构，通过对非线性函数逼近的分
析以及对污水处理系统的水质预测模型建立，表明该自组织算法对污水处理具有较好的
预测性和有效性。
关键词：模糊控制；基于神经网络；逆模糊模型；聚类算法；数据学习
I
Abstract
Abstract
Combined with fuzzy system and neural network can also has two kinds of advantages
and overcome their shortcomings, improving study’s skills and ability of system, and also is
an important kind of the growing intelligent control method at present. In the fuzzy control
reference neural network technology, solve the membership function and the f