0
点赞
收藏
分享

微信扫一扫

用模糊神经网络控制器来实现一个控制系统

用模糊神经网络控制器来实现一个控制系统_控制系统

问题的阐述:

需要用模糊神经网络控制器来实现一个控制系统,使得输入变量e和ec的范围为[-2,2],并且达到目标误差emin=0.001。

输入、输出矢量: 输入矢量为e和ec,范围为[-2,2],即 e,ec∈[-2,2]。 输出矢量为控制器的输出,用来控制系统的行为。

网络结构:

模糊神经网络控制器由两个部分组成:模糊推理部分和神经网络部分。

  1. 模糊推理部分: 模糊推理部分根据输入变量e和ec的值,进行模糊推理,生成模糊规则的权重。
  2. 神经网络部分: 神经网络部分接收模糊推理部分的输出,进行神经网络的训练,生成最终的控制器输出。

学习方法:

学习方法包括两个步骤:模糊推理部分的学习和神经网络部分的训练。

  1. 模糊推理部分的学习: 可以使用基于数据的方法,通过输入变量和期望输出的样本数据进行学习。可以使用模糊C均值算法(FCM)进行模糊聚类,得到模糊规则的权重。
  2. 神经网络部分的训练: 可以使用误差反向传播算法(BP)或者其他的神经网络训练算法进行训练。输入样本为模糊推理部分的输出,输出样本为期望的控制器输出。

通过这样的学习方法,我们可以实现模糊神经网络控制器,使其能够满足输入变量e和ec的变化范围为[-2,2],并且达到目标误差emin=0.001。

举报

相关推荐

0 条评论