使用改进BP算法自动生成模糊控制规则的研究

"这篇文章是1997年发表在华侨大学学报(自然科学版)的一篇关于使用改进的BP算法自动生成模糊控制规则的论文。文章指出模糊控制规则集是模糊控制系统的关键，对控制性能有显著影响。通过应用改进的BP神经网络方法，可以生成用于倒立摆模糊控制的规则集，并通过仿真验证了该方法的有效性，显示了快速稳定和高精度的控制效果。关键词包括神经网络、模糊控制规则和BP算法。" 正文: 模糊控制是一种基于人类控制经验的非精确控制策略，它不依赖于精确的系统数学模型，因此在处理非线性、大滞后的问题时表现出良好的鲁棒性。传统的模糊控制规则通常由专家根据经验和直觉制定，而本文提出的方法利用人工神经网络(ANN)自动生成这些规则，旨在提高生成效率和控制性能。 人工神经网络，尤其是反向传播(BP)网络，因其自我学习和分布式存储能力，被广泛应用于各种学习任务。在模糊控制中，BP网络可以学习输入-输出数据，从而推导出控制规则。论文中提到，有两种方式使用BP网络生成模糊控制规则：一是基于规则表的二维矩阵形式，二是直接从输入输出数据中学习。无论是哪种方法，最终的规则都将体现在神经元之间的连接权重上。 在模糊控制规则的表示中，一般采用语言变量如系统误差(E)，误差变化率(CE)和控制量(U)，这些变量取特定的模糊集合，如负大(NB)、负中(NM)、负小(NS)、零(ZE)、正小(PS)、正中(PM)和正大(PB)。论文中提到了几种常用的模糊隶属函数类型，如高斯函数和等腰三角形函数，这些函数用于定义模糊子集的形状和位置。 为了验证所提方法的有效性，论文采用了倒立摆作为控制对象进行模糊控制仿真。倒立摆是一个典型的非线性、动态复杂系统，它的稳定控制具有挑战性。通过仿真，作者证明了使用改进BP算法生成的模糊控制规则可以实现快速稳定和高精度的控制效果，从而证实了该方法的实用价值。 总结来说，这篇论文贡献了一种利用改进BP算法自动生成模糊控制规则的方法，这种方法能够有效地应用于非线性系统的控制，如倒立摆，提高了控制系统的性能。这种结合神经网络与模糊控制的策略为自动化规则生成提供了新的思路，对于未来模糊控制领域的发展具有积极的推动作用。