適應性模糊邏輯類神經網路控制器

Abstract

本文旨在利用「類神經網路」(neural network)來實現適應性模糊邏輯(fuzzy logic ) 控制器。此模糊類神經網路機構是一即時控制系統，同時具有學習控制法則和適應 系統變化之能力。我們首先研擬出一簡單模糊類神經網路推理(inference) 系統。透 過此一架構，模糊法則(fuzzy rule)可以藉由網路中的權重(weights) 來表示，模糊 推理在高度平行分散式(parallel distributed)的處理下能夠有效快速的執行。此一 架構不僅能從經驗中學習知識法則、並且具有調整模糊法則中從屬函數(membership function) 的能力。接下來，我們提出一以模糊類神經網路推理系統為控制器的適應 性模糊類神經網路控制系統。此系統使用一類神經網路來模擬受控體之動態特性，並 藉由此類神經網路判別器(identifier)，隨時不斷修正控制信號達到即時控制之目的 。我們分別將模糊類神經網路推理系統和適應性模糊類神經網路控制系統應用在模糊 模型判別(fuzzy modeling)以及倒單擺(inverted pendulum) 控制上。實驗結果顯示 ，前者對一非線性系統提供了良好的判別品質，而後者具有從經驗中學習控制法則和 承受系統參數變化以及控制法則不足之能力。