论文部分内容阅读
分析CMAC神经网络和模糊控制的特性，给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器，该控制器采用高斯函数作为模糊隶属函数，利用神经网络实现模糊推理并可对隶属函数进行实时调整，从而使其具有学习和自适应能力；针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足，提出了一种混合学习算法，即首先利用混沌遗传算法全局搜索的特点来离线优化神经网络的参数，再利用BP算法较强的局部搜索能力对网络参数进行在线调整；仿真结果表明了该方法的可行性和有效性。