結合CMAC神經網路與模糊邏輯以控制複雜的非線性系統

Abstract

此論文提供一結合CMAC(Cerebellar Model Arithmetic Computer)神經網路與模糊邏 輯的方法來控制複雜的非線性系統。模糊控制器扮演一個回授穩定器(stabilizer)的 角色，它的設計是以控制系統的語言化(linguistic)描述為基礎，目的在盡可能的達 到控制目標。然而，常常因為沒有完整的設計知識，使得它可能沒辦法保證精確的控 制。CMAC神經網路則應用在前授(feedforward) 路徑上，學習計算系統的反向動態 (inverse dynamics)。CMAC的學習過程必須得到模糊邏輯控制器的幫助，一旦CMAC的 學習結束，正確的控制便可達成。一連串的事例研究(case study)用以評估此控制演 算法，結果顯示此控制方法甚適用於複雜的非線性系統之追蹤(tracking)控制。為了 解釋為什麼此控制演算法可以工作，和探討CMAC和模糊邏輯如何彼此互補而達精確的 蹤控制，我們也提供一個初步的理論分析。