基于改进FCM的模糊神经网络控制策略的研究与仿真

发布时间：2021-01-15 15:31

　　随着科学技术的发展,控制系统的结构复杂度不断升高,很难建立被控对象的精确数学模型,影响了系统整体的控制效果。相比其它控制策略构建方法,模糊系统无需被控对象的精确数学模型,将过程信息与函数逼近相结合,并采用易于理解的语言规则,提供了一种基于规则的系统化的控制策略实现框架。因此模糊系统被广泛的应用于非线性、时变和纯滞后系统的控制问题中。但模糊系统自身缺乏对知识的学习能力,将其与其它智能技术结合,获得表达能力与学习能力互补的混合模糊模型,成为了该研究领域的研究热点之一。在模糊系统构建中隶属度函数参数选择、知识规则提取等方面,本文采用模糊系统与神经网络相结合的系统构架;将模糊C均值（FCM）聚类算法引入模糊神经网络,利用FCM聚类算法的特征提取得到隶属度函数的参数、模糊子集数和规则数,获得模糊神经网络的初始结构模型;之后,通过学习算法进行模型参数的优化,得到最终的系统模型,将所构建的系统模型进行了仿真验证。论文的主要工作如下:1.针对FCM聚类算法随机选取初始聚类中心和聚类个数,聚类中心易选到孤立点,影响聚类效果的问题。本文提出一种初始化方法对初始聚类中心和聚类个数进行最优化选择,同时采用改进... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：91 页

【学位级别】：硕士

【部分图文】：

PID控制器仿真图

第五章 基于改进 FCM 的模糊神经网络的研究45图5.17 模糊控制器仿真图当给定为单位阶跃响应时，隶属度函数均匀分布时，隶属度函数曲线如 5.18 所示，输出曲线如图 5.19 所示，隶属度函数集中分布时，隶属度函数曲线如 5.20 所示，输出曲线如图 5.21 所示，隶属度函数集中两端分布时，隶属度函数曲线如 5.22 所示，输出曲线如图 5.23 所示。图5.18 隶属度函数均匀分布曲线图5.19 均匀分布响应曲线图5

根据模糊 PID 的原理和模糊控制器的构建方法，建立模糊 PID 控制器仿真图如图 5.26 所示。图5.26 模糊 PID 控制器仿真图当给定为单位阶跃响应时，响应曲线如图 5.27 所示。图5.27 模糊 PID 控制单位阶跃响应曲线在稳态时，加入一个持续时间为 1s 的阶跃扰动信号，输出曲线如图 5.28 所示。

【参考文献】：
期刊论文
[1]新型可重构机器人的模糊自适应控制研究[J]. 陈思安,葛为民,王肖锋,刘增昌,刘军.  控制工程. 2017(11)
[2]PMSM伺服系统的自适应模糊滑膜控制[J]. 孙季鑫,张珊珊,梁晓平.  电子质量. 2017(05)
[3]基于模糊神经网络的船舶锅炉水位控制优化及仿真模拟[J]. 于志民.  天津职业院校联合学报. 2017(04)
[4]基于改进蚁群算法的模糊逻辑系统的设计[J]. 张智峰,王涛,范秋枫.  辽宁工业大学学报(自然科学版). 2017(02)
[5]基于递归聚类与相似性的模糊神经网络结构设计[J]. 李微,乔俊飞.  北京工业大学学报. 2017(02)
[6]基于模糊控制的遗传算法优化研究[J]. 李雅琼.  长沙大学学报. 2016(05)
[7]基于马氏距离的改进非局部均值图像去噪算法[J]. 阴盼强,路东明,袁渊.  计算机辅助设计与图形学学报. 2016(03)
[8]结合Total-Bregman距离的模糊聚类算法[J]. 超木日力格,于剑,朱杰.  计算机科学与探索. 2016(02)
[9]基于模糊神经网络风电混合储能系统优化控制[J]. 卢芸,赵永来.  电力系统保护与控制. 2014(12)
[10]模糊神经网络在主轴伺服系统故障诊断中的应用[J]. 杜晋,陆宝春,张承阳,高艳.  现代制造工程. 2014(03)

硕士论文
[1]基于模糊神经网络的智能控制策略的研究[D]. 陈志明.南昌大学 2010
[2]基于模糊控制的高压同步断路器研究[D]. 王瑞.西华大学 2009
[3]基于遗传算法的模糊控制器设计及应用[D]. 常江.西北工业大学 2006
[4]模糊神经网络研究[D]. 程冰.广东工业大学 2005



本文编号：2979111