AND-OR模糊神經網絡研究及在船舶控制中的應用.pdf

1、模糊邏輯控制和神經網絡作為控制器相輔相成，共生互補，因此它們的結合具有一定的必然性，而且其產物-模糊神經網絡已經成為當今智能控制領域的研究重點。然而，模糊神經網絡強大的功能離不開全體神經元的共同作用，因此有關模糊神經元的研究也成為重要內容，涌現(xiàn)出大量的成果。本文基于由T模和S模組成的AN7D、OR神經元，提出了一種新型的模糊神經網絡-AND-OR模糊神經網絡。然而一種新的網絡的提出，不能將原來的理論完全照搬套用，必須對其進行全面的分析考

2、察論證，為此本文做了如下的工作： 分析研究AND、OR模糊神經元的內部結構組成特點，得出了AND、OR模糊神經元本身具有數字電路中“與”，“或”門的特點，并具有自動縮小輸入空間的能力。 定義了模糊神經元的入度、出度和層連通度的概念，利用Zadeh算子為全新的AND-OR模糊神經網絡每一層推導出輸入輸出的映射關系，從而為AND-OR模糊神經網絡后續(xù)研究奠定了基礎。 對AND-OR模糊神經網絡進行深入地理論研究，證明

3、了AND-OR模糊神經網絡與復合模糊規(guī)則等價，其推理過程能夠等價于廣義模糊加權Mandani推理法，即包含著全局權和局部權的Mandani推理法。在Weierstrass定理的基礎上，分四種情況證明了AND-OR FNN具有逼近連續(xù)函數的能力。 分析了常用梯度尋優(yōu)方法存在的幾項問題，根據AND-OR模糊神經網絡自身特點提出了一種分段混合尋優(yōu)的方法，主要包括三個部分，首先采用了自組織優(yōu)化初步確定隸屬函數的位置和形狀，采用遺傳算法和

4、剪枝算法對AND-OR模糊神經網絡的結構進行了優(yōu)化，完成了縮小模糊劃分的數目和自動提取最優(yōu)模糊規(guī)則的任務。最后為了應用梯度法，將Zadeh算子(∧，∨)改為乘積和及概率和的形式對所有參數進行精細修正。為使計算方便提出了矩陣概率和運算方法，并給出了運算規(guī)律。 船舶運動控制是船舶操縱控制系統(tǒng)中至關重要的研究領域，許多專家學者一直致力于該方向的研究，其最終目的是能成功地實現(xiàn)真正意義上的船舶航行的無人智能駕駛。模糊控制、神經網絡和遺傳算

5、法等象征著智能控制的諸多算法已經成為該領域的研究重點。針對船舶模型的非線性、時變性和不確定性的特點，從船舶操縱運動線性和非線性數學模型入手，將模糊理論和神經網絡相結合，提出一種基于AND-OR模糊神經網絡新型的船舶航向控制系統(tǒng)，設計了航向控制器，采用了分段混合學習方法，不僅縮小輸入空間，而且自動壓縮控制規(guī)則數，減少了常用梯度優(yōu)化的參數，從而大大提高了優(yōu)化的速度。以一艘10萬噸的油輪航行為例，從航向跟蹤、航向保持和參數攝動三個角度對船舶航