分別對調(diào)速，調(diào)壓，綜合系統(tǒng)加入FNN控制器，使PID的輸出達(dá)到最小值。其中關(guān)于FNN的理論部分，由于您已經(jīng)以供了較多的文獻(xiàn)資料，這里就不再進(jìn)行敘述，這里主要說明一下最后的仿真效果和S函數(shù)的大致設(shè)計流程。這里僅對調(diào)速模型進(jìn)行設(shè)計說明。

為了對比加入FNN控制器后的性能變化，我們同時要對有FNN控制器的模型以及沒有FNN控制器的模型進(jìn)行仿真，仿真結(jié)果如下所示：

非FNN控制器的結(jié)構(gòu)：

其仿真結(jié)果如下所示：

FNN控制器的結(jié)構(gòu)：

其仿真結(jié)果如下所示：

前面的是訓(xùn)練階段，后面的為實(shí)際的輸出，為了能夠體現(xiàn)最后的性能，我們將兩個模型的最后輸出進(jìn)行對比，得到的對比結(jié)果所示：

從上面的仿真結(jié)果可知，PID的輸出值范圍降低了很多，性能得到了進(jìn)一步提升。

調(diào)速TS模型，該模型最后的仿真結(jié)果如下所示：

從上面的仿真結(jié)果可知，采用FNN控制器后，其PID的輸出在一個非常小的范圍之內(nèi)進(jìn)行晃動，整個系統(tǒng)的性能提高了80%。這說明采用模糊神經(jīng)網(wǎng)絡(luò)后的系統(tǒng)具有更高的性能和穩(wěn)定性。

即FNN模型在整個系統(tǒng)的結(jié)構(gòu)如上圖所示。FNN采用S函數(shù)進(jìn)行設(shè)計，這里，關(guān)于模糊神經(jīng)網(wǎng)絡(luò)的基本設(shè)計理論依據(jù)，總結(jié)如下：

– – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – –

模糊神經(jīng)網(wǎng)絡(luò)的基本概念：

模糊神經(jīng)網(wǎng)絡(luò)的設(shè)計主要包括如下幾個方面：

(1)選取模糊神經(jīng)網(wǎng)絡(luò)控制器輸入端和輸出端變量；

(2)選取模糊神經(jīng)網(wǎng)絡(luò)控制器輸入端和輸出端變量相關(guān)參數(shù)；

(3)計算模糊神經(jīng)網(wǎng)絡(luò)集隸屬函數(shù)并總結(jié)模糊神經(jīng)網(wǎng)絡(luò)控制器控制規(guī)則；

(4)確定模糊神經(jīng)網(wǎng)絡(luò)控制器模糊化和清晰化集體算法。

總結(jié)

以上是生活随笔為你收集整理的模糊神经网络FNN「建议收藏」(模糊数学笔记)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。