论文部分内容阅读
该文从理论与实践两方面研究了一种新型人工神经网络（以下简称神经网络）模糊控制器。它是用一个五层的神经网络完成模糊化、模糊推理、反模糊化一系列模糊控制过程。神经网络控制的引入克服了模糊控制中“参数选择”和“零点失控”等不足之处，又结合了两者的优点。对控制器采用分步训练与在线训练相结合的训练方法，使控制器能跟踪被控对象的变化，提高抗干扰性。应用到温度控制系统中，控制效果良好。证明该控制器具有一定的理论意义和实用价值。