模糊控制与神经网络的区别

一、填空题

1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成

2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 1

3、神经网络的学习方式有导师监督学习、无导师监督学习

和灌输式学习

4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法

5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习

6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类

7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。

7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控

制系统

8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。

8、不确定性、高度的非线性、复杂的任务要求

9．智能控制系统的主要类型有、、、

、和。

9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混

一、填空题

1、模糊控制器由模糊化接口、解模糊接口、知识库和模糊推理机组成

2、一个单神经元的输入是 1.0 ，其权值是 1.5，阀值是-2，则其激活函数的净输入是-0.5 ，当激活函数是阶跃函数，则神经元的输出是 1

3、神经网络的学习方式有导师监督学习、无导师监督学习

和灌输式学习

4、清晰化化的方法有三种：平均最大隶属度法、最大隶属度取最小/最大值法和中位数法，加权平均法

5、模糊控制规则的建立有多种方法，是：基于专家经验和控制知识、基于操作人员的实际控制过程和基于过程的模糊模型，基于学习

6、神经网络控制的结构归结为神经网络监督控制、神经网络直接逆动态控制、神网自适应控制、神网自适应评判控制、神网内模控制、神网预测控制六类

7．傅京逊首次提出智能控制的概念，并归纳出的3种类型智能控制系统是、和。

7、人作为控制器的控制系统、人机结合作为控制器的控制系统、无人参与的自主控

制系统

8、智能控制主要解决传统控制难以解决的复杂系统的控制问题，其研究的对象具备的3个特点为、和。

8、不确定性、高度的非线性、复杂的任务要求

9．智能控制系统的主要类型有、、、

、和。

9、分级递阶控制系统，专家控制系统，神经控制系统，模糊控制系统，学习控制系统，集成或者（复合）混

模糊神经网络

模糊经神络网及在温其度控中的应制用主要容：内1模糊控技术及制其温在中控应的 用经网络控制神术技模糊神网络的经应用 传算遗法模糊神对经网的优化

络234

模糊神经网络

模神糊网经络其及在温度控中制的应用 .1 1模糊逻辑数学基的础从论U域中意指定一任元素x,及U个上集的A合 果x如集是合的一A元个，素那么做记∈A x果如x是集合A不的一元素，个那么记x做A x与合集A的系关:要是x么于A属，么x不属要于,A二者居必其一，不允许 有属既A又不于于A的属棱两可模的况发生。情模糊集 合的念概：基其本想是把经典集思中的绝合隶对属系模关 糊，化隶从属数方面来看就函:是素元x对A隶属度不再局于0限 或1而，可以取是0从到1任的一何个值

数模糊

模糊神经网络

神经络网其在温度及制中的控应用1.1 模逻辑糊数的基础学所谓域U上的论一个模糊子集(称简模糊集),A是 指于对任意x∈U ,定指一了数u个(A)x [∈0,1] 叫做u,对A的隶属度程。映射u叫A做 A的属隶函。 隶属数函的数类有型以三种类型下( )1大偏型属隶函数(型)S()2偏小隶属型数函(Z型)3()中型隶间属函数π()型

模糊神经网络

模糊经神络网其在及度温制控中的用 1.1 应糊逻辑模数的学础

历 年 题 库

一 、填空题

1、模糊控制器由 模糊化接口、解模糊接口 、 知识库 和 模糊推理机 组成

2、一个单神经元的输入是1.0 ，其权值是1.5，阀值是-2，则其激活函数的净输入是 -0.5 ，当激活函数是阶跃函数，则神经元的输出是 1 3、神经网络的学习方式有 导师监督学习 、 无导师监督学习 和 灌输式学习

4、清晰化化的方法有三种： 平均最大隶属度法 、 最大隶属度取最小/最大值法 和 中位数法，加权平均法

5、模糊控制规则的建立有多种方法，是： 基于专家经验和控制知识 、 基于操作人员的实际控制过程 和 基于过程的模糊模型，基于学习 6、神经网络控制的结构归结为 神经网络监督控制 、 神经网络直接逆动态控制 、 神网自适应控制 、神网自适应评判控制 、神网内模控制、

该代码为基于模糊神经网络的水质评价代码

清空环境变量 参数初始化 网络训练 网络预测

嘉陵江实际水质预测 清空环境变量 clc clear

参数初始化

xite=0.001; alfa=0.05;

%网络节点

I=6; %输入节点数 M=12; %隐含节点数 O=1; %输出节点数

%系数初始化

p0=0.3*ones(M,1);p0_1=p0;p0_2=p0_1; p1=0.3*ones(M,1);p1_1=p1;p1_2=p1_1; p2=0.3*ones(M,1);p2_1=p2;p2_2=p2_1; p3=0.3*ones(M,1);p3_1=p3;p3_2=p3_1; p4=0.3*ones(M,1);p4_1=p4;p4_2=p4_1; p5=0.3*ones(M,1);p5_1=p5;p5_2=p5_1; p6=0.3*ones(M,1);p6_1=p6;p6_2=p6_1;

%参数初始化

c=1+rands(M,I);c_1=c;c_2=c_1; b=1+rands(M,I);b_1=b;b_2=b_1;

maxgen=100; %进化次数

%网络测试数据，并对数据归一化

load data1 i

《自动化技术与应用》2003年第22卷第9期

控制理论与应用

Control Theary and Applications

基于模糊神经网络的智能火灾报警系统

姜国强,孟庆春,汪玉凤

(辽宁工程技术大学电气工程系,辽宁　阜新　123000)

摘要:本文介绍了基于模糊神经网络智能火灾报警系统,在系统中应用了模糊控制理论既提高了系统的精度又最大限度的减少了

系统的误报率,解决了火灾报警系统中长期存在的问题。结合具有自学习功能的神经网络算法,提高了系统的智能化程度,是现代智能控制理论在消防自动化系统中的应用。

关键词:神经网络;模糊控制;智能

中图分类号:TP277　文献标识码:B 　文章编号:100327241(2003)0920012203

Intelligent Fire Alarm System Ba sed on Fuzzy

Neural Networks

JIANG G uo -qiang ,MENG Q ing -chun ,WANG Yu -feng

(Electrical Engineering Department o f Liaoning Technical Univer sity ,Fuxin 123000,China )

Abstract :An

《自动化技术与应用》2003年第22卷第9期

控制理论与应用

Control Theary and Applications

基于模糊神经网络的智能火灾报警系统

姜国强,孟庆春,汪玉凤

(辽宁工程技术大学电气工程系,辽宁　阜新　123000)

摘要:本文介绍了基于模糊神经网络智能火灾报警系统,在系统中应用了模糊控制理论既提高了系统的精度又最大限度的减少了

系统的误报率,解决了火灾报警系统中长期存在的问题。结合具有自学习功能的神经网络算法,提高了系统的智能化程度,是现代智能控制理论在消防自动化系统中的应用。

关键词:神经网络;模糊控制;智能

中图分类号:TP277　文献标识码:B 　文章编号:100327241(2003)0920012203

Intelligent Fire Alarm System Ba sed on Fuzzy

Neural Networks

JIANG G uo -qiang ,MENG Q ing -chun ,WANG Yu -feng

(Electrical Engineering Department o f Liaoning Technical Univer sity ,Fuxin 123000,China )

Abstract :An

分类号：TP273.4 U D C：D10621-408-(2008) 1615-0 密 级：公 开 编 号：2004024016

成都信息工程学院

学位论文

基于模糊神经网络的一级倒立摆控制系统设计

论文作者姓名： 申请学位专业： 申请学位类别： 指导教师姓名（职称）： 论文提交日期：

王 飞 自动化 工学学士 张秀芳（讲师） 2008年06月02日

基于模糊神经网络的一级倒立摆控制系统设计

摘 要

倒立摆是一个典型的快速、多变量、非线性、本质不稳定系统，对倒立摆系统的研究在理论上和方法上具有深远的意义。对倒立摆的研究可以归结为对非线性、多变量、不稳定系统的研究。

本文首先叙述了对倒立摆系统稳定性研究的意义，概述了倒立摆的研究现状，并介绍了当前已有的稳定倒立摆的各种控制方法。然后在总结归纳模糊控制和神经网络控制的基础上给出了模糊逻辑和神经网络控制相融合的优点，介绍了模糊神经网络的基本知识，分析了模糊神经网络结构。论文以模糊控制理论为基础，采用了模糊控制中Mamdani模糊推理系统，对倒立摆的各个变量进行控制，并且采用了自适应神经网络对模糊控制规则进

分类号：TP273.4 U D C：D10621-408-(2008) 1615-0 密 级：公 开 编 号：2004024016

成都信息工程学院

学位论文

基于模糊神经网络的一级倒立摆控制系统设计

论文作者姓名： 申请学位专业： 申请学位类别： 指导教师姓名（职称）： 论文提交日期：

王 飞 自动化 工学学士 张秀芳（讲师） 2008年06月02日

基于模糊神经网络的一级倒立摆控制系统设计

摘 要

倒立摆是一个典型的快速、多变量、非线性、本质不稳定系统，对倒立摆系统的研究在理论上和方法上具有深远的意义。对倒立摆的研究可以归结为对非线性、多变量、不稳定系统的研究。

本文首先叙述了对倒立摆系统稳定性研究的意义，概述了倒立摆的研究现状，并介绍了当前已有的稳定倒立摆的各种控制方法。然后在总结归纳模糊控制和神经网络控制的基础上给出了模糊逻辑和神经网络控制相融合的优点，介绍了模糊神经网络的基本知识，分析了模糊神经网络结构。论文以模糊控制理论为基础，采用了模糊控制中Mamdani模糊推理系统，对倒立摆的各个变量进行控制，并且采用了自适应神经网络对模糊控制规则进

实验名称

一. 实验目的

1. 了解掌握传统PID控制原理及其基本的参数整定方法； 2. 了解掌握模糊控制原理及其优缺点； 3. 了解掌握神经网络原理及其优缺点；

4. 掌握将传统PID控制与模糊控制结合、传统PID控制与神经网络控制结合以及将传统PID控制、模糊控制与神经网络控制三者结合起来有效地解决控制问题。

二. 实验内容

1. 分别改变PID参数中的Kp,Ti,Td,比较PID参数对控制系统的影响； 2. 选取Ziegler-Nichols法则对传统PID经行参数整定； 3. 选取合适的隶属度函数设计模糊控制PID；

4. 选取一种合适方式，设计神经网络与模糊控制结合的PID控制器。

三. 实验原理

1. 常规PID原理

常规PID控制系统框图如图3-1所示。控制系统由PID控制器和被对象组成。

比例 r 积分 微分 被控对象 y

图3-1.传统PID控制系统原理图

PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成

控制偏差

e(t)=r(t)一y(t)

将偏差的比例(P)、积分(I)和微分(D)通过线性组合构成控制量，对被控对象进行控制，其控制规律为

u t =????(?? ?? +

1

????