| 路径规划; 态势评估; 模糊逻辑; 贝叶斯网络 |
| |
| 引用本文： | 徐春梅,尔联洁,刘金琨. 路径规划; 态势评估; 模糊逻辑; 贝叶斯网络[J]. 控制与决策, 2005, 20(2): 226-229 |
| |
| 作者姓名： | 徐春梅 尔联洁 刘金琨 |
| |
| 作者单位： | 1. 北京航空航天大学,电气工程与自动化学院,北京,100083;北京交通大学,电气工程学院,北京,100044
2. 北京航空航天大学,电气工程与自动化学院,北京,100083 |
| |
| 基金项目： | 国家自然科学基金项目(69874037). |
| |
| 摘 要： | 针对非线性动态系统辨识和控制的特点，对4层模糊神经网络进行了优化和改进，形成了动态模糊神经网络，提高了网络的稳定性和对动态系统的辨识能力，同时给出了基于Lyapunov函数稳定收敛定理的各权向量以及权矩阵学习速率的自适应调整算法．应用于非线性动态系统的辨识和控制仿真试验表明，改进后的动态模糊神经网络与模糊神经网络相比，可取得更好的辨识精度和跟踪控制效果。
|
| 关 键 词： | 动态模糊神经网络 控制 自适应学习算法 非线性动态系统 |
| 文章编号： | 1001-0920(2005)02-0226-04 |
| 修稿时间： | 2004-03-09 |
Dynamic fuzzy-neural and its fast adaptive learning rate |
| |
| XU Chun-mei. Dynamic fuzzy-neural and its fast adaptive learning rate[J]. Control and Decision, 2005, 20(2): 226-229 |
| |
| Authors: | XU Chun-mei |
| |
| Affiliation: | XU Chun-mei~ |
| |
| Abstract: | A new dynamic recurrent fuzzy-neural network(DRFNN) is proposed based on the fuzzy neural networks(FNN). In inputing layer, a special mapping function is adopted to guarantee the stability when DRFNN is applied to control systems. Also, a dynamic recurrent layer is used to improve the stability and identification ability. An adaptive parameter learning algorithm is deduced based on Lyapunov function. Simulation results demonstrated that DRFNN is better than FNN used in identification and control of nonlinear dynamic systems. |
| |
| Keywords: | dynamic fuzzy-neural networks control adaptive learning algorithm nonlinear dynanic system |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载免费的PDF全文 |
