| 【中文题名】 | 基于模糊神经网络的非线性系统辩识方法研究 |
| 【英文题名】 | Identification Method Research of Fuzzy Neural Network for Nonlinear Systems |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-11-24 |
| 【中关键词】 | 非线性系统,系统辨识,模糊逻辑,人工神经网络,模糊神经网络,模糊建模 |
| 【英关键词】 | nonlinear system,system identification,fuzzy logical,artificial neural network,fuzzy neural network,fuzzy modeling, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 | 非线性现象是在工程技术、科学研究以至自然界及人类社会活动的各个领域普遍存在的问题。非线性系统辨识成为目前国内外众多学者致力研究的一个热点问题。模糊逻辑和人工神经网络相结合设计出来的系统就是模糊神经系统，应用它研究复杂非线性系统具有重要的理论意义和实际应用价值，它已广泛的应用于自动控制领域。
本文围绕非线性系统的模糊神经网络辨识问题，展开研究。提出了一种带概率密度型隶属函数的模糊神经网络模型，并证明了它的通用逼近性；用这种新型的模糊神经网络模型对复杂非线性系统建模取得了很好的结果。提出了一种新型的优选聚类算法，该算法能同时解决上述新型模糊神经网络模型结构和参数的辨识问题，进一步提高了模型的辨识精度。
用本文的算法对非线性系统进行仿真，仿真结果表明了本文方案的有效性。 |
| 【论文题纲】 |
|
绪论 |
6-12 |
|
1. 非线性系统辨识研究的进展 |
6-8 |
|
2. 神经网络的发展历史与现状 |
8 |
|
3. 模糊理论的发展现状 |
8-9 |
|
4. 模糊神经网络研究的意义及存在的问题 |
9-10 |
|
5. 本文的主要工作及各章内容安排 |
10-12 |
|
第一章 模糊理论基础 |
12-19 |
|
1.1 模糊集合 |
12-13 |
|
1.1.1 模糊集合的定义 |
12 |
|
1.1.2 模糊集合的表示法 |
12-13 |
|
1.1.3 常用的隶属函数 |
13 |
|
1.2 模糊关系 |
13-14 |
|
1.2.1 模糊关系的定义 |
13-14 |
|
1.2.1 模糊关系的运算 |
14 |
|
1.3 模糊推理 |
14-15 |
|
1.3.1 模糊推理的基本概念 |
14-15 |
|
1.3.2 模糊蕴含 |
15 |
|
1.4 模糊推理系统 |
15-18 |
|
1.5 模糊建模 |
18 |
|
1.6 小结 |
18-19 |
|
第二章 神经网络理论 |
19-25 |
|
2.1 人工神经元模型 |
19-20 |
|
2.2 人工神经元的网络结构 |
20-21 |
|
2.3 神经网络的学习 |
21-24 |
|
2.3.1 神经网络的学习规则 |
21-22 |
|
2.3.2 神经网络的学习方式 |
22-23 |
|
2.3.3 神经网络的学习算法 |
23-24 |
|
2.4 小结 |
24-25 |
|
第三章 模糊神经网络 |
25-38 |
|
3.1 模糊神经网络模型 |
25-28 |
|
3.1.1 模糊神经网络的典型模型 |
25-27 |
|
3.1.2 基于线性清晰化的模糊神经网络 |
27-28 |
|
3.2 自适应神经模糊推理系统 |
28-31 |
|
3.2.1 网络模型的描述 |
28-29 |
|
3.2.2 网络模型结构的确定 |
29-31 |
|
3.3 一种新型模糊神经网络 |
31-37 |
|
3.3.1 问题的描述与假设 |
31-32 |
|
3.3.2 通用逼近性证明 |
32-33 |
|
3.3.3 新型模糊神经网络的结构 |
33 |
|
3.3.4 基于优选聚类算法的新型网络的结构辨识 |
33-35 |
|
3.3.5 新型网络的学习算法 |
35-37 |
|
3.4 小结 |
37-38 |
|
第四章 仿真研究 |
38-43 |
|
4.1 固定模糊规则的FNN建模仿真 |
38-39 |
|
4.2 带有减法聚类算法的FNN建模仿真 |
39-40 |
|
4.3 新型模糊神经网洛的建模结果 |
40-41 |
|
4.4 仿真结果分析 |
41-42 |
|
4.5 小结 |
42-43 |
|
结论 |
43-44 |
|
致谢 |
44-45 |
|
参考文献 |
45-47 |
|
详细摘要 |
47-53 |
|
| 【DOI】 | LunWen.ID:2.2008.388158 |
