模糊控制与神经网络的研究与应用作者:李成锋来源:《硅谷》硫酸铜晶体>酿酒酵母
2011年第06期 摘要: 模糊控制和神经网络在系统辨识与控制、模式识别、信号处理等各个领域中都获得广泛的应用,尤其在工业控制领域方面获得更加有效的应用。结合模糊控制和神经网络各自的优点,将模糊技术与神经网络技术进行有机结合,从而构造出一种可自动处理模糊信息的神经网络或自适应模糊系统。 中图分类号:TP18文献标识码:A文章编号:1671-7597(2011)0320091-01
1 模糊控制的基本思想及特性国外农业网站
android 开发环境模糊控制就是以人的控制经验作为控制的知识模型,以模糊集合、模糊语言变量以及模北京高校对超期学生发逾期警告
糊逻辑推理作为控制算法的数学工具,用计算机来实现的一种智能控制。用模糊数学的方法来描述过程变量和控制作用的这些模糊概念以及它们之间的关系,根据这些模糊关系及某时刻过程变量的检测值〔需化成模糊量)用模糊逻辑推理的方法得出当前时刻的控制量。短期融资券管理办法
1.1 模糊控制器。模糊控制器是模糊控制系统的核心。一个模糊控制系统的性能优劣,主要取决于模糊控制器的结构、所给出的模糊规则和采用的合成推理算法以及模糊决策方法等因素。模糊控制器由输入量模糊化接口、数据库、规则库、模糊推理机和输出解模糊化五部分组成。 1.2 模糊化。在模糊控制系统运行中,控制器的输入值、输出值是有确定数值的清晰量,而在进行模糊控制时,模糊推理过程是通过模糊语言变量进行的,在清晰量和模糊量之间有一定的对应关系。这种把物理量的清晰值转换成模糊语言变量值的过程叫做清晰量的模糊化。在实际控制问题中,根据能满足一般要求,又可简化计算的原则,普遍选用的隶属函数有三角形、半三角形、梯形、半梯形、钟形(正态型)、矩形、Z形、s形和单点形(a函数)等多种。以下介绍常见的四种隶属函数: