10.3969/j.issn.1008-0570.2006.24.111
基于RBF网络的参数自学习模糊控制的研究
模糊控制以其自适应性、鲁棒性和易于实现等优点得到广泛应用.然而模糊控制规则的获得通常由专家经验给出,这就存在诸如控制规则不够客观、专家经验难以获得等问题.在模糊控制系统中,模糊规则库的构建是至关重要的,因此研究模糊规则的自动生成有着重要的理论和应用价值.本文首先以模糊控制理论和RBF神经网络理论为基础,提出了一种能够有效表达模糊系统可解释性的RBF网络结构;然后详细讨论在此网络结构下提取模糊规则的学习算法;最后依据上述方法进行仿真实验,实验结果表明,这种根据测量数据自动提取模糊规则的方法是有效的.
RBF模糊神经网络、模糊规则提取算法、仿真实验
22
TP3(计算技术、计算机技术)
教育部科学技术研究重点项目204032
2006-10-30(万方平台首次上网日期,不代表论文的发表时间)
共3页
308-310