基于RBF辨识的模糊神经网络控制器的设计与实现

摘要

随着众多新型模糊神经网络被提出,针对模糊神经网络具有的典型特点,即需要对输入输出数据范围进行转化和处理,所涉及到的对量化因子和比例因子的实时调节问题,该文提出一种优化方案.其依据神经网络具有的自学习能力,通过增加模糊神经网络的层数,提出一种包含对量化因子和比例因子调节的改进型模糊神经网络,以减少系统的辅助优化环节.同时,引入辨识性能较好的径向基函数神经网络(RBF)为系统提供精确的Jacobian信息,取代常规的近似做法.最后结合实例仿真证明了该优化方案的合理性.