关 闭

新闻中心

EEPW首页 > 工控自动化 > 设计应用 > 神经模糊控制在SAW压力传感器温度补偿中的应用

神经模糊控制在SAW压力传感器温度补偿中的应用

作者:时间:2013-02-26来源:网络收藏

鉴于BP网络训练过程需要对所有权值和阀值进行修正,是一种全局逼近网络,但训练速度较慢,不适用实时性较强场合,故采取了局部逼近网络——径向基网络。算法训练关系式如下:

节点输出为

式中a1为节点输出;b为元阀值;Wij为接点连接权值;f为传递函数。

权值修正

式中z为新学习因子;h为动量因子;Ej为计算误差。

误差计算

式中tPI为i节点期望输出值;aPI为i节点计算输出值。

由于神经网络的神经元个数不确定性,经大量数据的实验验证,本文选取输入层有2个神经元,隐含层有4个神经元。输出层只有1个神经元。采用只有1个隐含层的三层网络对基进行学习记忆。把每条规则作为神经网络的样本进行训练学习,从而能实现这个规则基的神经网络权系数。

基于神经网络在推理方面不足,故借助于强大的推理功能,提取有效的条件语句,进而加快网络的训练速度。选取偏差E和偏差变化率△E作为输入和控制量U作为输出。偏差E和偏差变化率△E的量分别为大(L),中(M),小(S),创立描述条件推理表格如表1。

神经模糊控制在SAW压力传感器温度补偿中的应用

横行元素表示E的量,竖行表示△E的模糊量,两者交叉为控制量U的模糊量。根据表中数据,可知共有3×3种推理语句,采用推理法将条件语句表简化得出以下4条语句:

将产生贡献的语句选出,可能存在的个数为20,21,…,2n。这样,减少了冗余的推理语句,有利于网络训练速度的快速进行。



评论


相关推荐

技术专区

关闭