模糊神经网络的结构设计概念

 
模糊神经网络的结构设计概念
 
 
模糊神经网络的结构就是确定输入输出变量。在环境试验箱系统中，主要控制空气的温度及相对湿度。以温湿交变实验为例，对温度和湿度进行控制。
本论文中的输入变量有两个，分别是温度误差信号和湿度误差信号．网络的四个输出分别为风机，压缩机，加热器和加湿器的实际运行功率与功率的比值。
首先对温度，湿度模糊化处理。模糊化的过程是将数值映像到语言的论域中，并相应于论域的具体元素。只有通过模糊化处理后才能得到语言变量的隶属度，然后才能对条件语句的语言变量进行正确推理。将温度偏差记为ET 相对湿度误差记为EH。
本系统将温度和湿度的控制范围分为模糊控制区和固定控制区。温度误差在±2℃以内采用模糊控制，在±2℃以外采用固定控制。在模糊控制区，系统按模糊控制规则自动调节温度：在固定控制区，系统进行强制冷却或加热。
对于相对湿度控制，当相对湿度误差在±3RH 以内采用模糊控制，在±3RH 以外采用固定控制。在模糊控制区内，系统按模糊规则自动调节相对湿度：在固定控制区，系统强制进行去湿或增湿。在模糊控制区内，将温度误差和相对湿度误差划分为7 个模糊子集，分别为PB（正大），PM（正中），PS（正小），Z（零），NS（负小），NM（负中），NB（负大）。对于相对湿度误差EH 模糊子集的划分，其隶属函数如下：
输出量分别为风机，压缩机，加湿器，加热器工作功率与功率的比值，划分为5 个模糊子集，分别为PA（全功率），PB（较大功率），PC（中等功率），PD（较一模糊规则的确定为保证系统输出响应的动静态特性达到较优。系统的模糊规则的权重必须是可以动态调节的，这一点在改进的自适应模糊神经网络中已经提到。由于系统有俩个输入变量，且把每个输入变量划分为7 个模糊子集，因此系统共有49 条模糊控制规则。