AND-OR模糊神经网络研究及在船舶控制中的应用

摘要

模糊逻辑控制和神经网络作为控制器相辅相成，共生互补，因此它们的结合具有一定的必然性，而且其产物-模糊神经网络已经成为当今智能控制领域的研究重点。然而，模糊神经网络强大的功能离不开全体神经元的共同作用，因此有关模糊神经元的研究也成为重要内容，涌现出大量的成果。本文基于由T模和S模组成的AN7D、OR神经元，提出了一种新型的模糊神经网络-AND-OR模糊神经网络。然而一种新的网络的提出，不能将原来的理论完全照搬套用，必须对其进行全面的分析考察论证，为此本文做了如下的工作： 分析研究AND、OR模糊神经元的内部结构组成特点，得出了AND、OR模糊神经元本身具有数字电路中“与”，“或”门的特点，并具有自动缩小输入空间的能力。 定义了模糊神经元的入度、出度和层连通度的概念，利用Zadeh算子为全新的AND-OR模糊神经网络每一层推导出输入输出的映射关系，从而为AND-OR模糊神经网络后续研究奠定了基础。 对AND-OR模糊神经网络进行深入地理论研究，证明了AND-OR模糊神经网络与复合模糊规则等价，其推理过程能够等价于广义模糊加权Mandani推理法，即包含着全局权和局部权的Mandani推理法。在Weierstrass定理的基础上，分四种情况证明了AND-OR FNN具有逼近连续函数的能力。 分析了常用梯度寻优方法存在的几项问题，根据AND-OR模糊神经网络自身特点提出了一种分段混合寻优的方法，主要包括三个部分，首先采用了自组织优化初步确定隶属函数的位置和形状，采用遗传算法和剪枝算法对AND-OR模糊神经网络的结构进行了优化，完成了缩小模糊划分的数目和自动提取最优模糊规则的任务。最后为了应用梯度法，将Zadeh算子(∧，∨)改为乘积和及概率和的形式对所有参数进行精细修正。为使计算方便提出了矩阵概率和运算方法，并给出了运算规律。 船舶运动控制是船舶操纵控制系统中至关重要的研究领域，许多专家学者一直致力于该方向的研究，其最终目的是能成功地实现真正意义上的船舶航行的无人智能驾驶。模糊控制、神经网络和遗传算法等象征着智能控制的诸多算法已经成为该领域的研究重点。针对船舶模型的非线性、时变性和不确定性的特点，从船舶操纵运动线性和非线性数学模型入手，将模糊理论和神经网络相结合，提出一种基于AND-OR模糊神经网络新型的船舶航向控制系统，设计了航向控制器，采用了分段混合学习方法，不仅缩小输入空间，而且自动压缩控制规则数，减少了常用梯度优化的参数，从而大大提高了优化的速度。以一艘10万吨的油轮航行为例，从航向跟踪、航向保持和参数摄动三个角度对船舶航向进行仿真，仿真结果比较理想。

目录

文摘

英文文摘

大连海事大学学位论文原创性声明和使用授权说明

创新点摘要

第1章绪论

1.1课题研究的意义

1.2模糊神经网络的发展现状

1.3船舶运动控制的发展现状

1.4本文的主要研究工作

第2章模糊神经网络的概述

2.1模糊控制系统组成

2.1.1模糊化

2.1.2知识库

2.1.3模糊推理机

2.1.4解模糊

2.2神经网络原理

2.2.1人工神经元结构

2.2.2人工神经网络拓扑结构

2.2.3人工神经网络学习方式

2.3模糊神经网络

2.3.1模糊系统和神经网络的联系

2.3.2模糊和神经网络的结合形式

2.3.3模糊神经网络的表现形式

2.4自适应模糊推理系统

2.4.1 ANFIS网络拓扑结构

2.4.2 ANFIS的混合学习算法策略

2.5模糊自适应学习控制网络

2.5.1 FALCON的拓扑结构

2.5.2 FALCON的混合学习算法策略

2.6小结

第3章AND-OR模糊神经网络的研究

3.1概述

3.1.1 Glorennec神经元

3.1.2 OWA神经元

3.1.3 OR/AND神经元

3.1.4弱T范数簇神经元

3.2 AND、OR模糊神经元

3.2.1 AND、OR模糊神经元的定义

3.2.2 AND、OR模糊神经元的几个重要概念

3.3 AND-OR模糊神经网络的拓扑结构

3.4 AND-OR模糊神经网络有以下几个特点：

3.5 AND-OR模糊神经网络与模糊推理的等价关系

3.5.1模糊推理及模糊推理方法

3.5.2 AND-OR模糊神经网络与“IF-THEN”规则的等价关系

3.5.3 AND-OR模糊神经网络与模糊推理的等价关系

3.6 AND-OR模糊神经网络的逼近能力的研究

3.6.1数学基础知识

3.6.2模糊系统是万能逼近器

3.6.3 AND-OR模糊神经网络的逼近能力

3.7小结

第4章AND-OR模糊神经网络混合学习优化策略

4.1动态修改AND-OR模糊神经网络的结构优化

4.1.1遗传算法优化AND-OR模糊神经网络的结构

4.1.2剪枝算法优化AND-OR模糊神经网络结构

4.1.3自组织学习算法优化网络中的位置和形状

4.2精细修正AND-OR模糊神经网络的参数

4.2.1反向第四层的隶属度函数的均值mij和方差σij的优化方法

4.2.2常用梯度法优化AND、OR隐层的权值

4.2.3第二层神经元隶属度函数的均值mij和方差σij的优化

4.3小结

第5章AND-OR模糊神经网络在船舶航向控制上的应用

5.1概述

5.1.1航向保持与航向改变

5.1.2人工操舵的操纵分析

5.1.3船舶运动控制方法

5.2船舶运动控制模型

5.2.1 Nomoto数学模型

5.2.2 Bech and Smith模型

5.2.3干扰信号的数学模型

5.3船舶航向AND-OR模糊神经网络控制系统设计

5.3.1船舶航向控制系统AND-OR模糊神经网络控制器的设计

5.3.2船舶航向控制系统AND-OR模糊神经网络控制器的比较

5.4船舶航向控制AND-OR模糊神经网络系统仿真

5.4.1航向跟踪仿真

5.4.2航向保持仿真

5.4.3参数摄动仿真

5.5小结

结 论

参考文献

攻读学位期间公开发表论文

攻读博士学位期间参加导师主持的科研项目

致 谢

研究生履历