由于系统具有耦合性,参数时变的特点,传统控制方法显得缺少实用价值。而系统的工作机理可以通过咨询正航仪器,我们为您提供竭诚服务!所以适合运用模糊控制技术来处理。
但由于控制系统参数的调整,以及对象参数时变的问题,需要随时优化控制策略,因此系统必须要有自学习和自适应功能。根据以上要求,选择采用模糊神经网络作为系统的控制器。
因为模糊神经网络是一种集模糊推理的强大结构性知识表达能力与神经网络的强大自学习能力与一体的新技术。专家控制经验就蕴涵在模糊神经网络权值中,而网络通过自学习使得专家思想可以根据情况加以改变,从而实现了专家控制策略的优化,而不是一如既往的执行死规矩,真正实现系统的智能化。

虽然模糊神经网络实现了模糊推理的表达,但仍然是神经网络。而神经网络较重要的问题之一就是网络的训练。由于需要优化的参数较多,以误差的平方和作为性能指标,用最小二乘法对系统性能做估计得出性能曲面上存在很多局部理想点(也称为局部极小点)的结论。因此,用传统的BP算法训练模糊神经网络使得网络很容易陷入这些局部最小点而不易跳出,即使用自适应学习速率BP算法也很难保证系统实时性的要求,故选择通用性很强的遗传算法来优化模糊神经网络。
并在以往对遗传算法研究成果基础上,针对遗传算法“早敛”这一问题对自适应遗传算法做出进一步改进,使算法效率得以提高!
http://www.dgzhenghang.cn