文档介绍：1/47
神经网络与模糊控制系统
模糊神经网络的学****算法
模糊神经网络控制
2/47
模糊神经网络理论的出发点
模糊控制系统的隶属度函数或控制规则的设计方法存在很大的主观性。
利用神经网络的学****功能来优化模糊控制规则和相应的隶属度函数、将一些专家知识预先分布到神经网络中去是提出模糊神经网络理论的两个基本出发点。
3/47
模糊神经网络结构图
4/47
结构说明
第一层节点为输入节点，用来表示语言变量；
输出层的每个输出变量有两个语言节点，一个用于训练时期望输出信号的馈入，另一个表示模糊神经网络推理控制的输出信号节点;
第二层和第四层的节点称为项节点，用来表示相应语言变量语言值的隶属度函数。
第三层节点称为规则节点，用来实现模糊逻辑推理。其中第三、四层节点间的连接系数定义规则节点的结论部、第二、三层节点间的连接系数定义规则节点的条件部。
5/47
第一层
这一层的节点只是将输入变量值直接传送到下一层。所以，
且输入变量与第一层节点之间的连接系数wji(1)=1。
6/47
第二层
实现语言值的隶属度函数变换，可选取钟型函数
其中： mji和σji分别表示第i个输入语言变量Xi的第j个语言值隶属度函数的中心值和宽度。可抽象看作第一、二层神经元节点之间的连接系数wji(2) 。
7/47
第三层
完成模糊逻辑推理条件部的匹配工作。由最大、最小推理规则可知，规则节点实现的功能是模糊“与”运算。

fj(3)=min(u1(3),u2(3),...,up(3)), aj(3)=fj(3)
且第二层节点与第三层节点之间的连接系数wji(3)=1
8/47
第四层
有两种模式
从上到下的传输模式时，与第二层相同，实现模糊化的功能。
从下到上的传输模式中，实现的是模糊逻辑推理运算。根据最大、最小推理规则，是模糊“或”运算：
fj(4)=max(u1(4),u2(4),...,up(4)), aj(4)=fj(4)
且第三、四层节点之间的连接系数wji(4)=1
9/47
第五层
有两种模式
从上到下的信号传输方式，同第一层。
从下到上是精确化计算，如果采用重心法，有
则第四层节点与第五层节点之间的连接系数wji(5)可以看作是mji(5)·σji(5)。
10/47
神经网络与模糊控制系统
模糊神经网络的学****算法
模糊神经网络控制