基于SCFNN的网络控制系统远程控制器设计

提出将自组织模糊神经网络(SCFNN)应用于网络控制系统(NCS)中的远程控制器的设计。SCFNN的学习过程包括结构学习和参数学习两个阶段。结构学习的目的是对输入空间进行合理的模糊划分并动态地生成一组模糊逻辑控制规则,而参数学习是通过有监督梯度下降法来调整隶属度函数的参数以及模糊规则中结论部分的权值。最初的SCFNN只有输入节点和输出节点,而经过在线学习后逐步生成隶属度函数节点和规则节点。对基于Profibus-DP网络的网络控制系统进行测试,并与采用修正Ziegler-Nichols法设计的控制器的控制效果进行比较,结果表明基于SCFNN思想设计的远程控制器在网络控制系统中能够获得满意的控制效果。