利用模糊神經網絡控制解決問題的原理及方法

1、利用模糊神經網絡控制解決問題的原理及方法通過課程學習,我了解了模糊控制和神經網絡控制解決問題的基本原理和方法。通過查閱資料,了解到模糊控制和神經網絡控制在實際生活中如何解決問題。我參考火災探測系統(tǒng)為例,介紹模糊控制解決問題的原理及方法。首先,簡要介紹一下Bp神經網絡控制和模糊控制的原理。Bp神經網絡的結構及算法BP網絡可以有多層,但為敘述簡捷以三層為例導出計算公式。設BP網絡為三層網絡,輸入神經元以i編號，隱蔽層神經元以j編號，輸出層神經元以k編號，示意圖如圖1-1所示，其具體形式在下面給出，隱蔽層第j個神經元的輸入為:=iijijownet，第j個神經元的輸出為(jjnetgo=，輸出層第k

2、個神經元的輸入為E=jkjkownet，相應的輸出為(kknetgo=，式中g為sigmoid型函數(shù)，g(x=(11(+-+=xexg，式中O為閾值或偏置值。O0則使sigmoid曲線沿橫坐標左移，反之則右移。因此,各神經元的輸出應為Z+-+=ijijijowo(exp(l(l、Z+-+=jkjkjkowo(exp(1(1輸入層曉厳層輻出層圖1-1神經網絡結構圖BP網絡學習過程中的誤差反向傳播過程是通過使一個目標函數(shù)(實際輸出與希望輸出之間的誤差平方和最小化來完成的,可以利用梯度下降法導出計算公式。在學習過程中,設第k個輸出神經元的希望輸出為pkt,而網絡輸出為pko,則系統(tǒng)平均誤差為ZZ-=

3、pkpkpkotE2(21,為了表示方便,省去下標p,平均誤差可寫成E-=kkkotE2(21,式中平均誤差E也稱為目標函數(shù)。根據梯度下降法,權值的變化項Akjw與BE/Bkjw成正比，即Akjw=-OE/Okjw，由上述各公式可得:Akjw=-OE/Okjw=jkkkkkjkkkkooootnetoE1(-=dddddd-nn,記jkkkkkoooot1(-=8,對于隱含層神經元，也可寫成Ajiw=-OE/Ojiw=ijjjjijjjjoooEnetoEl(_dd_=dddddd_nn,1(jjjjooE-dd-=8,由于OE/Ojo不能直接計算,而是以參數(shù)的形式表示,即-OE/Ojo=-Z

4、ZZZZ=dd-=dddd-=ddddkkjkkjkkjjjkjkkjkkkwwEowEnetE8(,則導出各個權重系數(shù)的調整量為Akjwjkkkkoooot1(-=n,Ajiw=ijon8,式中幵稱為學習效率,l(jjkkjkjoow-=88,1(kkkkkooot-=8BP網絡的學習算法的具體步驟如下：從訓練本集中取某一樣本,把它的輸入信息輸入到網絡中由網絡正向計算出各層節(jié)點的輸出計算網絡的實際輸出與期望輸出的誤差從輸入層起始反向計算到第一個隱層,按一定原則向減小誤差方向調整網絡的各個聯(lián)接權值對訓練樣本集中的每一個樣本重復以上步驟,直到對整個訓練樣本集的誤差達到要求為止。模糊控制的結構與算

5、法課程所學我們知道模糊控制器的設計原則如下定義輸入輸出變量定義所有變量的模糊化條件設計控制規(guī)則庫設計模糊推理結構選擇精確化策略的方法模糊控制解決問題的方法為：1.模糊化過程2.模糊規(guī)則3.模糊推理4.清晰化過程模糊控制系統(tǒng)的原理框圖如圖2-1所示。圖2-1模糊控制原理框圖可以看出其結構與一般計算機數(shù)字控制系統(tǒng)基本類似。只是其控制器為模糊控制器。模糊控制系統(tǒng)由以下幾部分組成:輸入輸出接口、執(zhí)行機構、檢測裝置、被控對象及模糊控制器。模糊控制器是模糊控制系統(tǒng)的核心,也是模糊控制系統(tǒng)區(qū)別于其他自動控制系統(tǒng)的主要標志,下面對模糊控制器三個主要階段做簡要的介紹:2.1輸入模糊化模糊化是把系統(tǒng)輸入的精確量轉

6、化為模糊控制器中所需的模糊量的過程,為了完成輸入的模糊化,我們必須知道輸入精確值對模糊集的隸屬函數(shù)(這里不作說明。模糊集的個數(shù)可根據被控對象的不同而不同,例如,可分成正大,正中,正小,零,負小,負中,負大七種。隸屬函數(shù)的形狀可根據實際情況而定,要求不高的一般可取三角形或梯形。2.2模糊推理決策模糊控制器的主要工作是依據語言規(guī)則進行模糊推理決策。因此在進行模糊規(guī)則推理之前,先要指定好語言控制規(guī)則。實際上控制規(guī)則是根據操作者或專家的經驗知識來確定的,它們也可以在試驗過程中不斷進行修正和完善。規(guī)則的形式很像計算機程序設計語言常用到的條件語句“IF.THEN.”。模糊控制規(guī)則隨著模糊控制器的輸入輸出維

7、數(shù)的不同采用不同的形式。1單輸入單輸出型:其控制規(guī)則為IFX=A,THENY=B2多輸入單輸出型:其控制規(guī)則為IFX1=A1,AND(ORX2=A2,.AND(ORXN=AN,THENY=B3多輸入多輸出型:IFX1=A1,AND(ORX2=A2,.AND(ORXN=AN,THENY=B1,AND(ORY2=B2,.AND(ORYN=BN這里的AND和OR在模糊推理中相應于“交”“并”運算2.2.3逆模糊化輸出逆模糊化就是將語言表達的模糊量恢復到精確的數(shù)值,也就是根據輸出模子集的隸屬度計算出確定的數(shù)值。下面介紹三種主要的方法1最大隸屬度法:這種方法就是選取模糊子集隸屬度最大的元素作為控制量。如

8、果最大點有幾個,則取它們的平均值。例如有兩個模糊子集分別為6.08.02.03.01.01+-+-=U,8.0115.02.01+-+-=U,在U1中，元素1的隸屬度最大，則取u=1為輸出量;而在U2中，元素0和1的隸屬度都為最大，則取u=(0+1/2=0.5作為輸出量。選擇最大隸屬度方法簡單易行,算法實時性好，但它利用的信息量較少，會引起一定的不確定性。2加權平均法:此法又稱重心法，有兩種形式。第一種是普通加權平均法，其控制量的精確值u由下式決定：=iiniiiuuuu11(卩卩.第二種是算術加權平均法，其控制量的精確值u由下式求出:SZ=iiniiikuku11，其中k的選擇可根據實際情況

9、來決定。3取中位法:為了充分利用所有信息，求出將模糊集隸屬函數(shù)曲線與橫坐標之間的面積平分為兩等的數(shù)，用此數(shù)作為逆模糊化的結果。模糊控制的算法步驟根據當前采樣得到的系統(tǒng)的輸出值，計算所選擇的系統(tǒng)的輸入變量將輸入變量的精確值變?yōu)槟：浚茨：幚?根據輸入模糊變量及模糊控制規(guī)則,按模糊推理合成規(guī)則計算控制模糊量,即進行推理決策4由上述得到的控制模糊量計算精確的控制量,即模糊化處理Bp神經網絡串聯(lián)模糊控制在火源探測方面的應用.1火源探測硬件系統(tǒng)火源探測系統(tǒng)由溫度-火焰復合探測器，放大濾波,A/D轉換，微處理器識別和數(shù)據輸出五部分組成,系統(tǒng)結構如3-1圖所示。圖3-1火災探測系統(tǒng)結構框圖本文的火災探

10、測系統(tǒng)主要應用于電路,變壓器間和配電室等室內封閉空間。當發(fā)生火災時,室內產生高溫以及高強度的火焰輻射,系統(tǒng)前端采用溫度-火災復合探測器進行構建,將探測到的溫度及火焰輻射通過一定的信號預處理電路進行放大,濾波和A/D轉換得到的數(shù)字信號送入微處理器中進行分析判斷。3.2模糊神經網絡與火災探測在火災探測中,單純依靠模糊邏輯或神經網絡都存在一定的局限性,不能達到理想的辨識效果,如將兩者結合則具有廣闊的前景。因此本文采用模糊神經網絡進行火災信號的識別。3.2.1基本結構本文建立的模糊神經網絡采用串聯(lián)型結構,模糊神經網絡的基本結構如圖3-2所示圖3-2模糊神經網絡的基本結構框圖圖3-2中,模糊神經網絡各層

11、的作用如下:1輸入層:溫度-火焰復合探測器的輸出信號（即目標溫度,環(huán)境溫度和紅外輻射作為網絡的輸入數(shù)據。2信號處理層:對網絡的輸入數(shù)據進行放大，濾波和A/D轉換，需要指出的是對輸入量進行歸一化處理,可以防止小數(shù)值被大數(shù)值淹沒而影響網絡矯正過程3預測層:通過輸入訓練樣本來調節(jié)連接權值4）模糊推理層：完成對網絡輸出有火概率與無火概率的模糊推理5）輸出層：最終的輸出為火災概率，對火災概率應用門限法進行判斷，將閾值設為0.5，即大于0.5輸出報警信號，判斷有大火發(fā)生。3.2.2構建模糊神經網絡過程對前端傳感器的輸出信號（目標溫度，環(huán)境溫度，紅外輻射）進行信號預處理，獲得較為理想的數(shù)據，從而根據獲得的數(shù)

12、據進行模糊神經網絡的構建，構建過程如下：1）建立一個三輸入，兩輸出，隱含層為七層的三層BP神經網絡，輸入信號為目標溫度，環(huán)境溫度和紅外輻射，輸出為有火概率和無火概率。將現(xiàn)場采集的試驗數(shù)據分成兩部分，200組作為訓練樣本，200組作為檢驗樣本。通過誤差方向傳遞算法對訓練樣本進行訓練，修改權值達到預定的目標誤差，然后對檢驗樣本進行仿真，得到200組輸出，包括有火與無火概率。2）模糊推理的進一步處理包括輸入量和輸出量的模糊量化和標定，建立控制規(guī)則以及精確化過程。輸入量為神經網絡輸出的有火與無火概率Pl、P2,輸出量為火災發(fā)生的概率P。首先將它們轉化為模糊量，并給出Pl、P2和P的上下限（均為0,1）作為論域U根據經驗和火災數(shù)據統(tǒng)計，神經網絡輸出的Pl、P2分成三級，即大、中、小。火災發(fā)生概率P分成兩級，即大、小，均采用高斯函數(shù)作為隸屬函數(shù)。構建模糊集Ai、Bi和Ci，其中Ai、Bi分別表示神經網絡的輸出Pl，P2在隸屬度函數(shù)作用下的值域范圍，Ci表示火災概率P在隸屬度函數(shù)作用下的值域范圍，i表示模糊規(guī)則數(shù)，本文建立了三條模糊規(guī)則分別如下：If（有火概率PlisPSand（無火概率P2isPLTHEN（火災概率PisPSIf（有火概率PlisPmand（無火概率P2isPmTHEN（火災概率PisPlIf（有火概率Plis