基于改进T-S云推理网络的板形模式识别方法研究

隶属度函数的替代方式是正态云,是把T-S和云模型二者进行了网络的有机结合,继而构成了T-S的云推理网络系统。此网络很清晰的对T-S云推理的稳定性和结构进行了分析,主要通过对模糊逻辑在云模型和快速性方面数据的不稳定性,继而增强网络在数据处理方面的能力。利用快速的下降法对T-S推理网络下的参数进行识别,并且会把这个网络在版型模式的识别上来加以利用。和T-S的神经网络进行比较。最后的对比结果显示,T-S的云推理网络在抗干扰能力上是最强的。不但识别的精度很高,而且还能对常见板型的缺陷来加以识别。