基于混合學(xué)習算法的模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)
? 劉美俊
廈門理工學(xué)院電子與電氣工程系（廈門 361024）
摘要：針對復(fù)雜非線性系統(tǒng)在控制過程中的不確定性及參數(shù)的時變性，設(shè)計了一種模糊神經(jīng)自適應(yīng)預(yù)測控制系統(tǒng)，通過誤差補償以提高預(yù)測控制的精度；對模糊神經(jīng)網(wǎng)絡(luò)（FNN）的學(xué)習算法進行了研究，利用遺傳算法的全局搜索能力對FNN控制器參數(shù)進行離線優(yōu)化，并對遺傳操作進行了改進，使其最終搜索到全局最優(yōu)或近似全局最優(yōu)的附近，再利用BP算法的局部搜索能力和對對象的適應(yīng)能力，進一步對參數(shù)進行在線調(diào)整。這樣使系統(tǒng)具有更高的學(xué)習精度和更快的收斂速度，所得的FNN具有良好的泛化性能。仿真結(jié)果證明了本方法的有效性。
關(guān)鍵詞：模糊控制? 神經(jīng)網(wǎng)絡(luò)? 混合算法? 自適應(yīng)預(yù)測控制?? 仿真
A FUZZY NEURAL NETWORK CONTROL SYSTEM BASED ON HYBRID LEARNING ALGORITHMS
LIU Mei-jun
? （Department.of Electronic and Electrical Engineering.,Xiamen University of Technology, Xiamen? China 361024）
ABSTRACT: For a class of complex nonlinear system with uncertainty and time-varying parameters in the process control,an adaptive predictive control system based on fuzzy neural network has been developed. using the error-compensation ,the accuracy of the system was improved; researching the algorithms of fuzzy neural network(FNN), an optimal or suboptimal spot is found by the optimization of fuzzy network ?s parameters using the global searching ability of genetic algorithms.the BP algorithms ability of local searching and adaptation to object is used to adjust the parameters further. So the system owns more accurate precision and faster convergent speed ,and the FNN obtained has excellent performance of generalization.A simulation example demonstrates the efficiency of the method.
KEY WORDS: Fuzzy control, Neural network, Hybrid algorithms, self-adaptive control. Simulation
1 引言
近年來，非線性動態(tài)系統(tǒng)的自適應(yīng)控制是一個十分活躍的研究領(lǐng)域[1,2]，模糊神經(jīng)網(wǎng)絡(luò)控制作為一個重要的自適應(yīng)方案得到了廣泛研究[3]。模糊邏輯模仿人腦的邏輯思維，用于處理對象未知或不精確的系統(tǒng)；神經(jīng)網(wǎng)絡(luò)模仿人腦神經(jīng)元的功能，可作為一般的函數(shù)估計器，映射系統(tǒng)輸入與輸出的關(guān)系。模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)相互融合，構(gòu)造成各種模糊神經(jīng)網(wǎng)絡(luò)，作為模糊信息處理單元以實現(xiàn)模糊信息的自動化處理。但常規(guī)的模糊神經(jīng)網(wǎng)絡(luò)在設(shè)計過程中往往存在技術(shù)上的困難，其控制精度及學(xué)習能力需進一步提高。同時由神經(jīng)網(wǎng)絡(luò)設(shè)計的控制器往往不是全局最優(yōu)，這主要是由于BP算法本身存在的易收斂于局部極小值所致[4,5]。
遺傳算法是1975年由J.Holland教授提出的一種模仿生物進化原理的隨機搜索算法，自問世以來已經(jīng)在函數(shù)優(yōu)化、模式識別、圖像處理、人工智能等許多領(lǐng)域得到了成功的應(yīng)用。遺傳算法的主要特點是群體探索策略和群體中個體之間的信息交換、搜索不依賴于梯度信息，具有較強的自適應(yīng)性、魯棒性和全局搜索能力，因而在非線性函數(shù)優(yōu)化問題的應(yīng)用上受到了廣泛重視。但是遺傳算法也存在著接近最優(yōu)解時搜索效率下降以及可能過早進入未成熟收斂的缺點。
為了克服上述缺點，本文提出了一種結(jié)構(gòu)化的模糊神經(jīng)網(wǎng)絡(luò)，并設(shè)計了一種自適應(yīng)預(yù)測
控制方案，采用遺傳算法和BP算法相結(jié)合的混合學(xué)習算法，取得了較好的控制精度和非線性處理能力。