基于PNN与FNN模型神经网络控制器设计与分析

被引：6

作者：

王锴

王占林

付永领

祁晓野

机构：

[1] 北京航空航天大学自动化科学与电气工程学院

来源：

北京航空航天大学学报 | 2006年 / 09期

关键词：

模糊神经网络; 预测神经网络; 非线性自回归滑动平均模型;

D O I：

10.13700/j.bh.1001-5965.2006.09.018

中图分类号：

TP183 [人工神经网络与计算]; TM571 [控制器];

学科分类号：

080105 [动力学与控制]; 140502 [人工智能];

摘要：

模糊神经网络和预测神经网络分别是基于经验和学习的新型神经网络控制系统,通过在卧式电液仿真转台中框控制器上分别采用这2种控制方法来研究它们的控制特性和应用范围.其中,模糊神经网络结合了模糊控制的经验和神经网络的学习能力,但控制精度取决于人为经验;所研究的预测神经网络采用了基于非线性自回归滑动平均模型建立预测模型,实现在线学习和在线控制,但初始阶段控制精度不高.仿真研究证明,根据具体的控制对象采用适当的控制方法或是将2种方法合理地结合起来将会达到较高的控制精度.

引用

页码：1072 / 1076

页数：5