论文部分内容阅读
关于动态系统以及基于动态系统的模糊神经网络稳态控制研究,是智能控制领域一个十分重要的研究方向。针对动态系统中的稳态控制问题,利用模糊神经网络刻画控制过程,建立基于动态系统的动态跟踪模糊双神经网络模型,以及针对控制过程中存在的动态变化,提出基于动态跟踪模糊双神经网络模型的学习算法及监督切换机制,是智能控制领域的前沿研究工作,对智能控制的理论与应用研究具有重要意义。本文主要在前人研究的基础上,提出了动态跟踪模糊双神经网络(DTFN)模型,讨论了动态跟踪模糊双神经网络的稳态控制,研究了动态跟踪模糊双神经网络的学习算法,建立了动态跟踪模糊双神经网络控制系统的跟踪监督切换机制。通过模糊双神经网络模型,提出了模糊神经网络的一些新结构、新的学习算法、新的控制算法和性能分析的一些新理论；研究了将两个同结构同功能的模糊神经网络有机结合,进而实施动态跟踪自学习和自适应控制的模糊双神经网络控制系统的整体结构与性能。本文主要分为四个部分：1、人工神经网络和模糊逻辑系统(第二章)；2、动态系统,一种新的模糊神经网络结构以及基于动态跟踪模糊双神经网络的理论、方法、监督切换机制和控制策略(第三章、第四章)；3、基于知识获取的动态跟踪模糊双神经网络学习算法(第五章)；4、动态跟踪模糊双神经网络在计算机仿真中的实现(第六章)。本论文的主要创新点为：(1)针对动态系统中的稳态控制问题,利用模糊神经网络刻画控制过程,建立了基于动态系统的模糊跟踪双神经网络模型,解决了稳态控制过程中的系统参数漂移问题。(2)建立了基于模糊跟踪双神经网络模型的稳态控制器。(3)针对控制过程中存在的动态变化,提出了基于模糊跟踪双神经网络模型的学习算法及监督切换机制,解决了稳态控制策略老化的问题。具体创新点如下：(a)建立了动态系统模型,并给出了基于动态跟踪模糊双神经网络的新型模糊神经网络结构及训练方法。(section 3.4-3.5)(b)得到了动态系统中的稳态控制过程,建立了动态跟踪模糊双神经网络控制器。(section 4.2)(c)将模糊神经网络中的控制模型与学习模型相结合,提出了动态跟踪模糊双神经网络系统(section 4.3)(d)从动态跟踪模糊双神经网络的监督切换机制方面,提出了基于人工神经网络及模糊逻辑的切换规则。(section 4.4)(e)提出了基于知识获取的动态跟踪模糊双神经网络系统的学习算法。(section5.4)本文将模糊双神经网络的思想深入的应用于动态系统的研究,其研究方法有利于丰富智能控制系统的研究思路,同时也有助于推动神经网络基础理论研究。论文所取得的研究成果有利于为动态系统中的稳态控制问题提供一个较好的理论基础,同时也为基于动态跟踪模糊双神经网络模型提供一个理论框架,从而可以为智能控制的实现提供一种参考思路。