航空工艺技术
AERONAUTICAL MANUFACTURING TECHNOLOGY
1999年　第3期　No.3 1999



模糊神经网络控制器
Fuzzy Neural Network Controller
赵轶苗　周向荣
　　自1965年美国学者L.A.Zadeh教授提出模糊集合论以来，模糊系统理论得到很大的发展。1974年英国剑桥的E.H.Mamdani首次应用模糊控制实现了对蒸汽机的控制，引起人们对模糊控制的极大热情。近20年来，模糊控制经历了重大的发展与演变，现已深入到自组织控制、预测控制、多变量控制等方面。但是，无论是何种模糊控制系统，其核心都集中于模糊推理框架。如何将模糊规则表达与近似推理有机地结合起来，实现调整动态推理，一直是尚待解决的问题。
　　近年来随着人工神经网络理论的发展，人们开始将神经网络和模糊控制结合起来，构成模糊神经网络系统(FNNS)。模糊神经网络系统是当前颇受人们关注的最新颖的控制策略研究方向之一。由于采用不同的控制思想和策略，引出的模糊神经网络控制器(FNNC)的结构形式将有所不同。本文通过对几种典型的模糊神经网络控制器结构形式的分析，指出不同结构形式的FNNC的特点。从FNNC结构形式的变迁，可以预测，随着动态推理过程知识流动理论的研究，把知识流动过程与网络结构形式的完美结合，形成能更加准确地表达人类思维过程，有一定思维能力的智能控制器，将是FNNC结构的发展趋势。

1　模糊系统的联结主义表达构成的FNNC
　　将模糊系统处理非统计不确定性的方法，与神经网络的联结主义结构和学习算法结合起来，使其构成的模糊神经网络具有模糊表达、似然推理、联结主义学习以及分布式信息处理等特点。这种结构的模糊神经网络根据模糊系统的模糊化、模糊推理、模糊判决3大模块把它们以联结主义表达，就构成了相应的FNNC。其典型结构如图1所示(e：误差；d/dt：误差微分；Yd：参考量)。


图1　模糊系统的联结主义表达
　　构成的FNNC结构形式
Fig.1　The FNNC structure formed by 
connectionism expression of Fuzzy system
　　一个具体的FNNC结构形式与系统的描述，如模糊控制规则的条数及隶属函数有关，同时还因网络的学习算法及点函数选取的不同而异。但形成这种结构的思想是模糊控制系统在神经网络上的实现。FNNC通过一定的学习算法自动产生隶属函数的合适形状及模糊规则。有些FNNC由于采用自学习模糊算法，使其能实现模糊规则的在线辨识及隶属函数的自动更新，具有自学习能力。

2　采用神经网络记忆模糊规则构成的FNNC
　　模糊控制器的模糊推理并不能十分令人满意地表达经验知识，模糊量也缺乏一个明确准则用以确定隶属度函数曲线。人们借鉴人类思维过程，把抽象的“概念”对应着模糊量，并与抽象的经验相联系。由于神经元之间具有不同程度的兴奋强度，可以用来记忆这些联系，同时神经网络是以并行方式工作的，可以从根本上解决模糊控制在控制时间上的限制，这样就出现了采用神经网络记忆模糊规则构成的FNNC。其结构形式见图2。


图2　采用神经网络记忆模糊规则
　　构成的FNNC结构图
Fig.2　The FNNC structure formed by 
memory fuzzy rules of neural network
　　这种FNNC与模糊逻辑控制器有相同的框架，但各部分实现的方法不同。神经网络部分是一个多层神经网络。在使用前，采用BP算法通过“概念”的表达，将抽象化的经验转化成样本，经训练调整网络的权重，使网络能存储抽象的经验规则。网络具有的这种记忆功能，即使当网络输入为非样本时，其输出与该输入较近的样本的输出也非常相似。

3　自适应模糊神经网络控制器
　　前面阐述的两种结构形式的FNNC，虽然在不同的控制策略指导下形成的FNNC结构有所差异，但FNNC的总体框架有许多相似的地方，主要区别在于用不同的手段来实现模糊推理。利用人工神经网络(ANN)作为建模工具，对非线性系统静态建模、动态辨识，并把ANN和FNN(模糊神经网络)相结合，形成了自适应模糊神经网络控制器。这种结构的FN-NC在自组织学习过程中，为了达到自适应控制的目的，采用不同的方法，如通过测试、控制量校整、在线辨识未知受控对象，对受控对象工作状况的预测等，获取FNNC的自调整信息。这种FNNC一般由两个以上的网络单元构成，一个用于控制器的设计，另一个用于自调整信息的获取。这种FNNC的典型结构如图3所示。


图3　自适应模糊神经网络控制结构图
Fig.3　The control structure diagram of 
adaptive fuzzy neural network
　　随着科学技术的发展，要求有更完善的控制系统出现。今后，控制理论面临的突出问题是既要继续发展自身理论，又要在应用方面留下实实在在的成果；用神经网络实现模糊人工智能，以最大限度发挥人的智慧和能力；随着对人的思维过程理论研究的逐步深入，FNNC的结构与算法完美的结合，使FNNC实现具有直感、联想、意识等各种功能，具有综合处理问题和创造性工作的能力。要使FNNC具有创造性工作的能力，单一的一个网络决不能胜任，它应是具有不同结构形式的FNNC的各种形式组合，形成一个FNNC群。
　　目前，不论模糊控制理论还是人工神经网络理论，都有待深入研究。模糊逻辑可以把人们的柔性思想模型化，通过严格处理，使FNNC实现人-机交流。随着人工神经网络理论的发展，将使这一交流更加符合人类的行为。
作者单位：清华大学
(责编　根　山)　
