原文传递
AND-OR模糊神经网络研究及在船舶控制中的应用
| 论文题名： | AND-OR模糊神经网络研究及在船舶控制中的应用 |
| 关键词： | 模糊神经网络;船舶控制;神经元;分段混合学习;航向控制系统 |
| 摘要： | 模糊逻辑控制和神经网络作为控制器相辅相成，共生互补，因此它们的结合具有一定的必然性，而且其产物-模糊神经网络已经成为当今智能控制领域的研究重点。然而，模糊神经网络强大的功能离不开全体神经元的共同作用，因此有关模糊神经元的研究也成为重要内容，涌现出大量的成果。本文基于由T模和S模组成的AN7D、OR神经元，提出了一种新型的模糊神经网络-AND-OR模糊神经网络。然而一种新的网络的提出，不能将原来的理论完全照搬套用，必须对其进行全面的分析考察论证，为此本文做了如下的工作： 分析研究AND、OR模糊神经元的内部结构组成特点，得出了AND、OR模糊神经元本身具有数字电路中“与”，“或”门的特点，并具有自动缩小输入空间的能力。 定义了模糊神经元的入度、出度和层连通度的概念，利用Zadeh算子为全新的AND-OR模糊神经网络每一层推导出输入输出的映射关系，从而为AND-OR模糊神经网络后续研究奠定了基础。 对AND-OR模糊神经网络进行深入地理论研究，证明了AND-OR模糊神经网络与复合模糊规则等价，其推理过程能够等价于广义模糊加权Mandani推理法，即包含着全局权和局部权的Mandani推理法。在Weierstrass定理的基础上，分四种情况证明了AND-OR FNN具有逼近连续函数的能力。 分析了常用梯度寻优方法存在的几项问题，根据AND-OR模糊神经网络自身特点提出了一种分段混合寻优的方法，主要包括三个部分，首先采用了自组织优化初步确定隶属函数的位置和形状，采用遗传算法和剪枝算法对AND-OR模糊神经网络的结构进行了优化，完成了缩小模糊划分的数目和自动提取最优模糊规则的任务。最后为了应用梯度法，将Zadeh算子(∧，∨)改为乘积和及概率和的形式对所有参数进行精细修正。为使计算方便提出了矩阵概率和运算方法，并给出了运算规律。 船舶运动控制是船舶操纵控制系统中至关重要的研究领域，许多专家学者一直致力于该方向的研究，其最终目的是能成功地实现真正意义上的船舶航行的无人智能驾驶。模糊控制、神经网络和遗传算法等象征着智能控制的诸多算法已经成为该领域的研究重点。针对船舶模型的非线性、时变性和不确定性的特点，从船舶操纵运动线性和非线性数学模型入手，将模糊理论和神经网络相结合，提出一种基于AND-OR模糊神经网络新型的船舶航向控制系统，设计了航向控制器，采用了分段混合学习方法，不仅缩小输入空间，而且自动压缩控制规则数，减少了常用梯度优化的参数，从而大大提高了优化的速度。以一艘10万吨的油轮航行为例，从航向跟踪、航向保持和参数摄动三个角度对船舶航向进行仿真，仿真结果比较理想。 |
| 作者： | 隋江华 |
| 专业： | 轮机工程 |
| 导师： | 任光 |
| 授予学位： | 博士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2006 |
| 正文语种： | 中文 |
检索历史
应用推荐
