《模糊神经网络建模方法及其应用研究》由会员分享，可在线阅读，更多相关《模糊神经网络建模方法及其应用研究（65页珍藏版）》请在金锄头文库上搜索。
1、华东理工大学硕 士学 位论 文第 I页模糊神经网络建模方法及其应用研究摘要模糊神经网络在控制领域中有着广泛的应用。 本文基于T S K型模糊神经网络提出了 混 合棍沌优化方法 ( H C O A ) 用于复杂过程的模糊建模。 该方法利用变尺度混沌优化方法 ( 或混沌优化方法) 搜索前件参数，同时利用最小二乘法估计后件参数。首先利用H C O A对儿个复杂过程进行了建模仿真研究， 仿真结果证明了该方法简单有 效，所建模型具有良 好0 勺 精度。其次，针对甲醉合成这一多输入多输出的复杂化工过程， 通过重要性分析方法计算各输入量的重要性， 选择模型的输入， 然后采用H C O A建立模型， 取得了
2、较好的实验效果。对于具有较多输入的多输入单输出 过程， 采用多阶段模糊神经网 络 ( M S F N N ) 建模， 仿真结果表明M S F N N对于输入变量较多的情况是有效的， 模型具有 较好的精度和稳定性。 最后通过简单的实验对H C O A在参数自 适应校正中的可用性进行了初步的探讨，仿真结果表明该方法是可行的。 关 键 词 : 模 糊 粤,# 经 M i-li 系 锣模 混 a ft 化 方 法第 1 1页华东理工大学硕 学 位 论 文S t u d i e s o n A Me t h o d o f F u z z y N e u r a l N e h v o r k Mo d
3、 e l i n g a n d A p p l i c a t i o n s人BS TRACTF u z z y n e u r a l n e t w o r k ( F N N ) h a s b e e n w i d e l y u s e d i n c o n t r o l fi e l d . B a s e d o n T S K t y p e F N N , a h y b r i d c h a o s o p t i m i z a t i o n a l g o r i t h m ( H C O A ) i s p r o p o s e d i n t h
4、i s t h e s i s , w h i c h c o m b i n e s c h a o s o p t i m i z a t i o n a l g o r i t h m o r m u t a t i v e s c a l e c h a o s o p t i m i z a t io n f o r s e a r c h i n g t h e a n t e c e d e n t p a r a m e t e r s w i t h l e a s t s q u a r e e s t i m a t e s ( L S E ) f o r e s t i
5、 m a t i n g t h e c o n s e q u e n t p a r a m e t e r sF i r s t l y , s e v e r a l s i m u l a t i o n s h a v e b e e n d o n e f o r c o m p l e x p r o c e s s m o d e l i n g . T h e r e s u l t s d e m o n s t r a t e t h e s i m p l i c i t y a n d e f f e c t i v e n e s s o f t h i s m
6、e t h o d . T h e e s t a b l i s h e d m o d e l s h a v e h i g h a c c u r a c y . S e c o n d l y , f o r m e t h a n o l s y n t h e s i s , w h i c h i s a c o m p l e x m u l t i - i n p u t a n d m u l t i - o u t p u t c h e m i c a l p r o c e s s , t h e i n p u t s o f m o d e l h a s b
7、e e n s e l e c t e d b y t h e i m p o r t a n c e a n a l y s i s m e t h o d , w h i c h i s u s e d t o d e t e r m i n e t h e i m p o r t a n c e o f e a c h i n p u t , a n d t h e n t h e F N N m o d e l i s s e t u p b y u s i n g H C O A . T h e s i m u l a t i o n r e s u l t i s s a t i
8、s f y i n g . M o r e o v e r , t h e s i m u l a t io n o f MS F N N h a s b e e n s t u d i e d w h e n MI S O p r o c e s s h a s t o o m a n y i n p u t s . T h e r e s u l t s h o w s i n t h i s c i r c u m s t a n c e t h e M S F N N m o d e l i s e f f e c t i v e , w i t h b e t t e r a c c
9、 u r a c y a n d s t a b i l i t y . I n t h e e n d , t h e u s a b i l it y o f H C O A i n t h e a d a p t i v e a d j u s t i n g o f p a r a m e t e r s h a s b e e n s i m p l y r e s e a r c h e d . A n d t h e r e s u l t s s h o w t h a t t h i s m e t h o d i s f e a s i b l e i n t h e a
10、d j u s t i n gK e y w o r d s : f u z z y l o g i c n e u r a l n e tw o r k s y s t e m m o d e l i n g c h a o s o p t i m i z a t i o n a l g o r i t h m作者声阴我郑重声明;本人洛守学术道德，崇尚 严谨学风。 所呈交的学位论文，是本人在导师的指导下， 独立进行 研究工作所取得的结果。除文中明确注明和 # 用的内容外， 本论文不包含任何他人己 经发表域撰写过的内 容。论文为本人亲自 撰写，并对所写内容负责。论文作者签名2 0 0 ; 年:
11、枷 飞l 月7 日华东 理工大学硕 士 学 位 论 文第 1页第 1 章 绪论1 . t建模技术的研究意义所谓模型 ( m o d e l )就是把关于实际过程的本质的部分信息简缩成有用的描述形式 E y k h o 氏1 9 7 4 。 它是用来 描述过程的运动规律， 是分析过程和预报、 控制过程行为 特性的 有力工具。模型表现形式有: “ 直觉” 模型、物理模型、图表模型和数学模型。计算机仿 真中主要采用数学模型。 常用的数学模型有代数方程、 微分方程、 差分方程和状态方程等. 建立过程的数学模型有两种基本方法 I I I : 机理分析法和测试法。机理分析方法也称作理论建模，通常需要通过分
12、析过程的运动规律，运用一些已知的 定律、定理和原理， 如化学动力学原理、生物学定律、牛顿定理、 物料平衡方程、能量平 衡方程和传热传质原理等，才能建立过程的数学模型。机理分析法只能 用于简单过程的建 模， 对于比较复杂的实际生产过程来说有很大的局限性。 这是因为进行机理建模时，对所 研 究 的 对 象必 须 提出 合 理 M 简 化 假 定， 否 则 会 使问 题 过 于 复 杂 化， 然 而 这 些 假定 往 往 不 一 定能符合实际情况，另外，过程的某些因素也可能在不断变化， 而又难以 精确描述。测试法即辨识。过程的输入输出信号一般总是可以 测量的， 过程的动态特性被认为必 然表现在这些输
13、入输出数据之中。 所谓辨识就是通过测取研究对象在人为输入作用下的输 出响应，或正常运行时的输入输出数据记录， 加以必要的数据处理和数学计算， 估计出 对 象的 数 学模型。 因 为 无须 深入了 解 过程的 机 理， 因 此 就某 种 意义 上说， 测 试 法较 机理 分 析 法有一定的优越性。 但是这又不是绝对的。 测试法的关键之一是设计一个合理的实验，以 获得过程所含的最大信息量，这往往又是非常困难的。实际使用时，两种方法应该是相互 补充， 而不能互相代替。 理论建模问 题被称作“ 白 箱” 问 题; 辨识建模问 题被称作“ 黑箱” 问题; “ 灰箱”理论即把理论建模和辨识建模两种方法结合
14、起来使用， 机理己知的部分采 用理论建模的方法， 机理未知的部分采用辨识建模的方法， 充分发挥两种方法各自 的优点。状态空间表达式可以完全描述线性系统的全部动态行为，也 可给出非线性系统的一般 但却难于分析与设计的表达式。除此以外， 对于线性系统， 传递函数矩阵提供了定常系统的黑箱式输入输出模型。在时域中，利用自 回归滑动平均模型 ( A R M A ) ,通过各种参数估计 方法， 也可给出 系统的输入输出描述。 但对于非线性系统， 基于非线性自 回归滑动平均模型 K A R M A ， 却难于找到一个恰当 的参数估计方法， 传统的非线性控制系统辨识方法，在理论研究和实际应用中都存在极大的困
15、难。在现代复杂工业过程控制中，由 于被控对象通常具有复杂的多变量、严重的非线性、强合、大滞后、分布参数时变以及种类繁多的干扰，使得基于精确数学模型的常规控制方法己无法获得满意的动静态控制效果。 智能控制不同于经典控制理论和现代控制理论的处理方法， 控制器不再是单一的数学解析模型， 而是数学解析模型与知识系统相结合的广义 模型。 智能 控制以 控制 理论、 计 算机科学、 人工智能、 运筹学等学科为基础， 扩展了 相第z 页华东 理工大 学硕 士 学 位 论 文关的理论和技术。智能控制技术特别是神经网络技术和模糊控制技术的产生和发展同时也 拓展了 过程建模的方法，出现了 恭于模糊逻辑的定性建模技
16、术，以 及以 人工神经网 络理论为荃础的各种具有学习功能的建模方法。模糊集合论创立者 Z a d e h教授 ( 1 9 9 5 ) 在第 6届 I F S A世界大会上所作题为“ N e w F r o n t i e r s i n F u z z y L o g ic “( 模糊逻辑新前沿)中指出:软计算中主要的I具是模糊逻辑( F L ) 、神经计算 ( N C ) 和概率推理 ( P R ) ，以及后来包含的遗传算法 ( G A ) ,混沌系统、 信度网络和部分学习理论。 在影响力与可见性方面迅速增长的是F L , N C和G A的综合而 非单独应用， 这导致了 所i 7 的混合智能系统( H y b r i d I n t e l l i g e n t S y s t e m s ) 。 将模糊逻1 4 与神 经网络进行结合研究并且辅以其它的学习算法，由此构成的神经模糊系统是模拟人类在非 精确和不确定性环境中进行决策的智能机器研究的重要方向之一。1 . 2神经模糊技术人2神经元网络12 1 ( A rt i f i c i a l N e
