一种模糊神经网络学习算法:移动小论域法

提出一种T-s模糊神经网络在线学习算法:移动小论域法,解决非线性控制对象的在线辨识的精度和实时性问题。该算法是在前后件参数可分离的离线混合学习算法基础上,通过分析隶属函数类型及论域模糊子集划分稠密程度对辨识精度的影响后提出来的。不同于传统模糊化进程,此法使用了移动的小论域窗口和在此窗口上划分较少的模糊子集技术产生网络前件模糊化参数,解决了模糊神经网络学习中精度和实时性相互制约的矛盾。仿真结果证实该算法精度高,实时性好。

一种规则简化的模糊神经网络控制器(英文)

构造了一种实时模糊神经网络控制器,为解决模糊规则组合爆炸问题提供一个新方案。控制器基于T_S模糊模型,由前后件分离的网络结构实现。前件参数通过移动小论域法创建,每个变量仅在工作小论域上生成两个模糊子集,有效减少模糊规则,增强实时性;后件参数通过有ki, kp, kd修正因子的BP改进算法在线更改,控制意义明确,确保系统动态性能。仿真结果证实该控制器实时性好,控制性能优,鲁棒性强。