1、隨著科學技術的發(fā)展,現代工業(yè)生產過程的一個共同特征是控制系統(tǒng)的復雜性和不確定性日趨明顯,即各個子系統(tǒng)之間或其內部會有較強的關聯性,參數的高維性、時變性和隨機性,且系統(tǒng)和環(huán)境具有許多未知的和不確定的因素,這些因素還會隨環(huán)境、工況和時間等發(fā)生不可預料的變化.因此己不可能利用那些基于定量數學模型的傳統(tǒng)控制方法對其實現有效的控制,必須尋求新的控制策略.模糊控制是一種不依賴于被控過程數學模型的仿人思維的控制技術.它可以利用領域專家的操作經驗或知識

2、建立被控系統(tǒng)的模糊規(guī)則,有較好的知識表達能力.但在工程實際應用中卻缺乏自學習或自調整的能力.盡管神經網絡是一類黑箱式的非線性映射,但它具有良好的自學習能力.將二者有機結合起來,取長補短,用以提高整個系統(tǒng)的學習能力和表達能力.目前這個方向的研究正方興未艾.本文首先對模糊控制、神經網絡及模糊神經網絡的發(fā)展、背景和原理等進行了綜述.對于大滯后非線性系統(tǒng)控制品質要就比較高的場合,模型辨識是至關重要的,針對大滯后非線性系統(tǒng)難以用經典方法辨識的原因

3、,模擬人腦記憶事物的過程,本文提出了一種新型聯想記憶神經網絡結構,作為建模工具,以再現被控對象的特征,為控制做好鋪墊.針對溫度控制系統(tǒng)的非線性特點,本文利用模糊神經網絡控制器,應用多層前饋網絡構造模糊變量隸屬函數和模糊椎理控制模型,使神經網絡不再表現為黑箱式映射,其所有節(jié)點和參數都具有模糊系統(tǒng)等價意義.該算法可根據在線調整確定初始隸屬函數和發(fā)現規(guī)則的存在,并可優(yōu)化調整隸屬函數,獲得理想輸出.本文利用該控制策略進行了仿真研究.結果表明,該