模糊神经网络理论及其在复杂系统中的应用研究

发布时间：2021-10-24 01:21

　　随着科学技术的发展,现代工业系统变的越来越复杂,传统的控制方法已经远远不能满足高标准的性能要求。在这种情况下,智能控制理论被提出并逐渐发展起来。目前智能控制在理论研究和实际应用中都取得了许多成果,成为控制理论发展的第三个阶段。模糊神经网络（FNN）是智能控制理论中一个十分活跃的分支,它是人工神经网络与模糊逻辑系统的有机结合。模糊神经网络是一种能处理抽象信息的网络结构,具有强大的自学习和自整定功能。因此,模糊神经网络的发展对智能控制发展具有非常重要的意义。本文在分析模糊神经网络理论和应用现状的基础上,针对其中存在的一些问题,重点进行了以下几个方面的探讨: 1. 针对模糊神经网络参数学习中容易陷入局部极小以及算法结构复杂等问题,提出了两种网络参数学习方法:实值遗传算法和随机学习自动机算法。实值遗传算法改变了传统GA 算法的二进制编码方法,用实数表示各个参数基因,后代选择采用“保留精英”的遗传策略,简化了算法结构,提高了算法收敛速度。随机学习自动机算法是一种适合低级计算终端的学习算法,由于算法中每个操作是根据概率随机选出的,这就最大限度的保证了算法的全局性能,并且算法有较快的收敛速度。2. ... 

【文章来源】：东北大学辽宁省 211工程院校 985工程院校 教育部直属院校

【文章页数】：118 页

【学位级别】：博士

【部分图文】：

基于RVGA算法的仿真曲线

为了辨识这一系统，用如下的串行－并行模型的差分方程：[()] y (k+1)=0.3y(k)+0.6y(k 1)+fuk图 2.5 基于 RVGA 算法的仿真曲线Fig. 2.5 Simulation Curve Based on RVGA图 2.4 基于 BP 算法的仿真曲线Fig. 2.4 Simulation Curve Based on BP(s)(s

３０图 2.7 混沌时间序列Fig.2.7 Time Squence of Chaos图 2.8 基于 BP 算法的 FNN 输出序列Fig.2.8 Output Squence of FNN Based on BP

【参考文献】：
期刊论文
[1]基于混沌思维的模糊控制算法优化研究[J]. 潘永湘,徐前锋,高红梅.  控制理论与应用. 2000(05)
[2]基于实值遗传算法的模糊神经网络辨识器[J]. 王振雷,顾树生.  东北大学学报. 2000(04)
[3]一种最优模糊神经网络控制器[J]. 周志坚,毛宗源.  控制与决策. 2000(03)
[4]模糊树模型及其在复杂系统辨识中的应用[J]. 张建刚,毛剑琴,夏天,魏可惠.  自动化学报. 2000(03)
[5]时滞控制系统鲁棒稳定性分析[J]. 刘祖润,张志飞.  信息与控制. 2000(02)
[6]广义模糊推理与广义模糊RBF神经网络[J]. 鲍鸿,黄心汉,李锡雄.  控制与决策. 2000(02)
[7]智能控制的新进展（I）[J]. 李少远,席裕庚,陈增强,袁著祉.  控制与决策. 2000(01)
[8]基于输入输出模型的模糊神经网络滑模控制[J]. 达飞鹏,宋文忠.  自动化学报. 2000(01)
[9]一种多输入-多输出模糊自适应控制方法的研究[J]. 朴营国,何希勤,张化光.  自动化学报. 2000(01)
[10]模糊对向传播神经网络及其应用[J]. 张志华,史罡,郑南宁,王天树.  自动化学报. 2000(01)



本文编号：3454296