一种基于遗传算法的模糊神经网络最优控制

一种基于遗传算法的模糊神经网络最优控制

ID:33414538

大小:177.55 KB

页数:5页

时间:2019-02-25

一种基于遗传算法的模糊神经网络最优控制_第1页
一种基于遗传算法的模糊神经网络最优控制_第2页
一种基于遗传算法的模糊神经网络最优控制_第3页
一种基于遗传算法的模糊神经网络最优控制_第4页
一种基于遗传算法的模糊神经网络最优控制_第5页
资源描述:

《一种基于遗传算法的模糊神经网络最优控制》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第17卷第5期控制理论与应用Vol.17,No.52000年10月CONTROLTHEORYANDAPPLICATIONSOct.,2000文章编号:1000-8152(2000)04-0784-05*一种基于遗传算法的模糊神经网络最优控制周志坚毛宗源(华南理工大学自动控制工程系·广州,510640)摘要:通过对控制系统的过程模拟,提出一种模糊神经网络最优控制方案.离线优化部分基于遗传算法,分三阶段实现模糊神经网络控制器结构和参数的优化.在线优化部分通过重构模糊神经网络控制器的去模糊化部分,进一步调整控制规则,实现在线去模糊

2、优化.仿真结果表明该方案优于常规模糊控制方案和基于专家经验的模糊神经网络控制方案.关键词:最优控制;遗传算法;模糊神经网络;去模糊化文献标识码:AOnDesigninganOptimalFuzzyNeuralNetworkControllerUsingGeneticAlgorithmsZHOUZhijianandMAOZongyuan(DepartmentofAutomaticControlEngineering,SouthChinaUniversityofTechnology·Guangzhou,510640,P.R.Ch

3、ina)Abstract:Anoptimalcontrolschemebasedonfuzzyneuralnetworkisproposedthroughsimulatingtheprocessofthecon-trolsystem.Firstly,thefuzzyneuralnetworkisoptimizedbythree-stepschemebasedongeneticalgorithmsoff-line.Thenthedefuzzificationpartofthefuzzyneuralnetworkisrecons

4、tructedandisoptimizedtorefinecontrolruleson-line.ThesimulationresultdemonstratesthattheresponseismorefavorablethanthatofconventionalfuzzycontrollersandthatofFNNCbasedonex-pertexperience.Keywords:optimalcontrol;geneticalgorithms;fuzzyneuralnetwork;defuzzification1引言

5、(Introduction)络控制器的性能,去模糊优化策略被用来在线修正模糊神经网络[1,2]即具有模糊逻辑推理的强大模糊神经网络控制器的去模糊部分.结构性知识表达能力,又具有神经网络的强大自学习能力.其结构和参数的学习过程是一个函数优化过程.而遗传算法作为一种基于自然遗传学机理的优化方法,通过采用随机但有向的搜索机制来寻找全局最优解.因而在模糊神经网络的结构和参数学[2~4]习过程中体现了强大的生命力.通常,模糊神经网络控制器的训练是基于专家[1,4]经验的.控制器性能的好坏依赖于专家所提供规则的准确程度.在设计过程中很难

6、引入最优控制的思想.2模糊神经网络控制器(Fuzzyneuralnetwork本文基于最优控制的思想,在测得被控对象输controller,FNNC)入输出的基础上,通过对控制系统的过程模拟,利用将二维模糊逻辑控制器表达成基于联结机制的遗传算法优化包含控制器性能的指标来离线寻找最形式,就构成了如图2所示的模糊神经网络控制优的模糊神经网络控制器结构和参数.优化后的模器[1,4].糊神经网络控制器被接入图1所示的模糊神经网络该网络为一五层前馈网络.网络的Ⅰ~Ⅳ层实智能控制系统中.为了进一步改善模糊神经网现模糊控制规则“IF-TH

7、EN”,Ⅳ,Ⅴ层实现去模糊化.*基金项目:广东省自然科学基金(960304)资助项目.收稿日期:1998-10-28;收修改稿日期:1999-07-16.5期一种基于遗传算法的模糊神经网络最优控制785将式(3.1)变为离散形式,则有:J(k+1)=J(k)+ΔJ=t+ΔTJ(k)+∫τ

8、E

9、dτ=tJ(k)+t

10、E

11、ΔT,(3.2)式中ΔT为采样间隔.由于ΔT一般很小,故τ

12、E

13、可视为常数,并取τ=t,t为第k个采样时刻时间.因此,优化问题可描述如下*J=minJ(ITAE),(3.3)subjectto整个网络的输入输出

14、映射关系如下:X﹒=f(X,u,t),(3.4)第Ⅰ层:输入层.Y=CX+du,11oi=Ii=xi,xi=eorec.(2.1)u=fnnc(e,ec),第Ⅱ层:模糊化层.e=Y-Yd,(3.5)221Ij=wijoi,(2.2)ec=﹒e,22式中,fnnc(·)是模糊神经网络控制器的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。