学习算法是神经网络的主要特征,也是当前
研究的主要课题
.
学习的概念来自生物模型,
它是机体在复杂多变的环境中进行有效的自我调
节。神经网络具备类似人类的学习功能。一个神
经网络若想改变其输出值,但又不能改变它的转
换函数,只能改变其输人
,
而改变输人的唯
一方法只能修改加在输人端的加权系数。
神经网络是利用大量的神经元按一定的拓扑
学调整方法。它能表示出丰富的特性:并行计算、
分布存储、高度容错、可变结构、非线性运算、
自我组织、学习或自学习等。这些特性是人们长
期追求和期望的系统特性。它在智能控制的参数、
结构或环境的自组织、自适应、自学习等控制方
面具有独特的能力。神经网络可以和模糊逻辑一
样适用于任意复杂对象的控制,但它与模糊逻辑
不同的是擅长单输入多输出系统和多输入多输出
系统的多变量控制,在模糊逻辑表示的
SIMO
系统和
MIMO
系统中,其模糊推理、解模
糊过程以及学习控制等功能常用神经网络来实现。
模糊神经网络技术和神经模糊逻辑技术:模糊逻
辑和神经网络作为智能控制的主要技术已被广泛
应用。两者既有相同性又有不同性。其相同性为:
两者都可作为万能逼近器解决非线性问题,并且
两者都可以应用到控制器设计中。不同的是:模
糊逻辑可以利用语言信息描述系统,而神经网络
则不行;模糊逻辑应用到控制器设计中,其参数
定义有明确的物理意义,因而可提出有效的初始
参数选择方法;神经网络的初始参数。但在学习
方式下,神经网络经过各种训练,其参数设置可
以达到满足控制所需的行为。模糊逻辑和神经网
络都是模仿人类大脑的运行机制,可以认为神经
网络技术模仿人类大脑的硬件,模糊逻辑技术模
仿人类大脑的软件
.
根据模糊逻辑和神经网
络的各自特点,所结合的技术即为模糊神经网络
技术和神经模糊逻辑技术
.
模糊逻辑、神经
网络和它们混合技术适用于各种学习方式 智能控
制的相关技术与控制方式结合或综合交叉结合,
构成风格和功能各异的智能控制系统和智能控制
器是智能控制技术方法的一个主要特点。
2.6
模糊控制系统
所谓模糊控制,就是在被控制对象的模糊模
型的基础上,运用模糊控制器近似推理手段,实
现系统控制的一种方法
.
模糊模型是用模糊
语言和规则描述的一个系统的动态特性及性能指
标
。
模糊控制的基本思想是用机器去模拟人对系
统的控制
.
它是受这样事实而启发的:对于
用传统控制理论无法进行分析和控制的复杂的和
无法建立数学模型的系统,有经验的操作者或专
家却能取得比较好的控制效果,这是因为他们拥
有日积月累的丰富经验,因此人们希望把这种经
验指导下的行为过程总结成一些规则,并根据这
些规则设计出控制器。然后运用模糊理论,模
糊语言变量和模糊逻辑推理的知识,把这些模糊
的语言上升为数值运算,从而能够利用计算机来
完成对这些规则的具体实现,达到以机器代替人
对某些对象进行自动控制的目的。
模糊逻辑用模糊语言描述系统,既可以描述
应用系统的定量模型也可以描述其定性模型。
模糊逻辑可适用于任意复杂的对象控制。但在实
际应用中模糊逻辑实现简单的应用控制比较容易。
简单控制是指单输入单输出系统( SISO)
或多输入单输出系统(
MISO)
的控制。因
为随着输入输出变量的增加,模糊逻辑的推理将
变得非常复杂。
参 考 文 献
[1] Tan, K.C. and Li, Y. (2001) Performance-based control
system design automation via evolutionary computing.
Engineering Applications of Artificial Intelligence, 14 (4).
pp. 473-486. ISSN 0952-1976,
[2] Li, Y., et al. (2004). CAutoCSD - Evolutionary search
and optimisation enabled computer automated control
system design. International Journal of Automation and
Computing, 1(1). pp.76-88. ISSN 1751-8520,
[3] IMLACH J, BLAIR B J, ALLAIRE P. Measured and
predicted force and stiffness characteristic of industrial
magnetic bearings[J]. Trans. ASME J. Tribol., 1991, 113 :
784-788.
[4]
Gene F. Franklin, J. D. Powell, and AbbasEmani-Naeini,
Feedback Control of DynamicSystems, 4th ed., 2002.
[5] FOURNEYEYN M E. Advancing into tholographical
photoelasticity[C]// American Society of Mechanical
Engineers. Applied Mechanics Division. Symposium on
Applications of Holography in Mechanics , August 23-
25, 1971 , University of Southern California , Los
68