模糊神经控制

模糊神经控制（fuzzy neuro control），工学-控制科学与工程-智能控制-智能控制-模糊控制-人工神经网络，一类将模糊控制与神经网络相结合的计算机数字控制技术。由于神经网络具有自组织、自适应和自学习的特点，模糊神经控制不仅克服了模糊系统知识获取不足及学习能力低下的缺点，还提高了控制系统的适应性能。将模糊技术与神经网络相结合的思想，最早是由日本著名的神经网络专家甘利俊一提出的。此后，应用神经网络分别成功实现模糊逻辑推理和模糊控制。模糊神经控制通常按照如下3种组合模式构造：①将神经网络引入到模糊推理，解决隶属度最优设计、知识自动获取等问题。②将模糊推理引入到神经网络设计，改善神经网络结构。③模糊推理与神经网络各自独立工作，分别实现系统不同的功能。应用不同神经网络结构来映射模糊控制器的输入输出，可得到各种不同模糊神经网络。在神经网络的万能逼近理论的基础上，将模糊逻辑系统表示成一个3层前馈网络系统，采用反向传播学习算法（BP算法）对网络进行训练。