论文部分内容阅读
现代科技的飞速进步,促使控制理论向着更复杂、严密的方向发展。在智能控制领域中,模糊理论和神经网络融合正在控制领域显示出巨大的应用潜力。模糊系统善于表达知识,推理类似于人的思维,但过于依赖人的主观因素,缺乏学习和适应的能力;神经网络结构可变,具有较强的自组织、自学习的能力,但是不具有结构性知识表达能力,网络参数缺乏物理意义,且在学习过程中易陷入局部极值。所以将二者的特点结合起来形成模糊神经网络就成了一种必然的趋势。模糊神经网络是一种能处理抽象信息的网络结构,具有强大的自学习和自整定功能,模糊神经网络是一项重要的研究课题,对智能控制的发展具有非常重要的意义本文主要介绍了模糊RBF网络的结构和特点,并介绍了所存在的问题。遗传算法是模拟达尔文的遗传选择和自然淘汰的生物进化过程的一种新的全局优化搜索算法,因而采用遗传算法来训练模糊RBF网络实现网络参数的快速、全局寻优,并把这种遗传算法优化模糊RBF网络算法具体应用到瓦斯移动抽排系统和双力臂机器人系统中。在移动瓦斯抽排系统中主要是通过模糊RBF网络学习模糊控制来控制。遗传算法对模糊RBF网络的隐函数进行全局最优搜索,保证可以寻到最优解,并且有较快的收敛速度。双力臂机器人动力模型是一个非线性和不确定性系统,系统的不确定项由鲁棒控制来补偿。控制策略由两种方式:1.系统模型在不考虑死区时,控制方法是PD控制,系统中的未知项采用自适应遗传算法优化模糊RBF网络整体逼近和分部逼近,并比较其控制效果。2.在系统模型考虑死区时,采用模糊控制来补偿死区,系统控制方法是直接自适应模糊RBF网络。模糊RBF网络在系统模型逼近过程中体现RBF网络收敛速度快的优点,而在作为控制器使用时是吸收直接自适应模糊控制的优点,分别从两方面验证了模糊RBF网络兼有模糊控制和RBF网络的优点。最后,对本文的工作进行了总结,并指出了今后的研究方向。