北京航空航天大学学报
北京航空航天大學學報
북경항공항천대학학보
2005年
6期
595-598
,共4页
非线性系统%控制%约束%优化%模糊神经网络
非線性繫統%控製%約束%優化%模糊神經網絡
비선성계통%공제%약속%우화%모호신경망락
针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.
針對非線性動態繫統特點,提齣瞭一種基于TSK(Takagi-Sugeno-Kang)模糊模型的動態迴歸模糊神經網絡DRFNN(Dynamic Recurrent Fuzzy Neural Network),該模糊神經網絡由靜態網絡和動態網絡兩部分組成,其中靜態網絡用來實現規則的條件部分和解模糊部分的計算,由FIR動態濾波器實現的內反饋迴歸網絡用來實現規則的結論部分,為瞭加快網絡收斂速度,給齣瞭基于約束優化算法的網絡參數迭代算法,把網絡結構優化和參數學習作為一箇約束優化問題來解決.應用于非線性繫統的辨識和控製倣真試驗說明瞭DRFNN網絡及其算法對解決非線性繫統問題的有效性.
침대비선성동태계통특점,제출료일충기우TSK(Takagi-Sugeno-Kang)모호모형적동태회귀모호신경망락DRFNN(Dynamic Recurrent Fuzzy Neural Network),해모호신경망락유정태망락화동태망락량부분조성,기중정태망락용래실현규칙적조건부분화해모호부분적계산,유FIR동태려파기실현적내반궤회귀망락용래실현규칙적결론부분,위료가쾌망락수렴속도,급출료기우약속우화산법적망락삼수질대산법,파망락결구우화화삼수학습작위일개약속우화문제래해결.응용우비선성계통적변식화공제방진시험설명료DRFNN망락급기산법대해결비선성계통문제적유효성.
