中国电机工程学报 2007, 27(19) 87-92  DOI:      ISSN: 0258-8013 CN: 11-2107/TM
本期目录 | 下期目录 | 过刊浏览 | 高级检索                                                            [打印本页]   [关闭]
电力系统
扩展功能
本文信息
Supporting info
PDF(320KB)
[HTML全文]
参考文献[PDF]
参考文献
服务与反馈
把本文推荐给朋友
加入我的书架
加入引用管理器
引用本文
Email Alert
文章反馈
浏览反馈信息
本文关键词相关文章
模糊神经控制
神经辨识
混沌机制
改进遗传算法
本文作者相关文章
PubMed
基于改进学习算法的模糊神经网络控制系统
刘美俊
湖南工程学院电气与信息工程系
摘要： 针对一类复杂非线性系统，提出一种模糊神经网络(FNN)控制方案。系统中采用模糊神经网络控制器和神经网络辨识控制器相结合的结构，介绍一种改进的学习算法，对学习公式进行推导，利用改进的遗传算法来优化已经获得的隶属度函数，并结合误差补偿以提高控制精度。同时将混沌机制引入常规BP算法，利用混沌机制固有的全局游动，逃出权值优化过程中存在的局部极小点，解决了网络训练易陷入局部极小点的问题。用该方法对某非线性动态系统进行辨识和控制，仿真结果表明控制精度和实时性优于常规模糊控制器。
关键词： 模糊神经控制   神经辨识   混沌机制   改进遗传算法  
A Fuzzy Neural Network Control System Based on Improved Learning Algorithms
Abstract: A fuzzy neural network (FNN) control scheme for a class of complicated nonlinear systems was presented. In this scheme it has the structure that combines a FNN controller with neural network identification controller, a new improved learning algorithm was derived theoretically. Based on the error-compensation method and using the modified genetic algorithm for optimizing the membership functions, the accuracy of the algorithm was improved. Then chaotic mechanism was introduced to normal BP algorithm, and the problem of local limit value for network was solved by using global moving characteristic of chaotic mechanism. The simulation results show that this design has a better performance than normal fuzzy controller.
Keywords: fuzzy neural control   neural identification   chaotic mechanism   modified genetic algorithm  
收稿日期 2006-12-30 修回日期 1900-01-01 网络版发布日期  
DOI:
基金项目:

通讯作者: 刘美俊
作者简介:
作者Email: liumeijun@21cn.com;lmj@mail1.hnie.edu.cn;liumeijun210@126.com;lmj@hnie.edu.cn
参考文献：
本刊中的类似文章
Copyright by 中国电机工程学报