1.3.3　模糊神經網絡控制

模糊控制利用專家積累的豐富知識和實踐經驗建立模糊集、隸屬度函數和模糊推理規(guī)則等以實現(xiàn)復雜系統(tǒng)的控制。在模糊控制系統(tǒng)設計中，人們很容易將專家的知識轉化為模糊控制規(guī)則，但由于專家知識的局限性以及環(huán)境的可變性，無法得到一個最佳的控制規(guī)則。神經網絡具有高度的非線性映射能力和自學習能力等優(yōu)點，已在非線性系統(tǒng)的控制中得到較好的應用，然而神經網絡的主要缺陷是無法處理語言變量，也不可能將專家的經驗知識注入神經網絡控制系統(tǒng)的設計中去。

為了充分發(fā)揮模糊控制和神經網絡控制各自的優(yōu)點，實現(xiàn)優(yōu)勢互補，可以將模糊控制引入神經網絡之中，實現(xiàn)模糊控制規(guī)則的自組織和自適應，其具體方法是：將模糊控制思想與神經網絡的學習能力進行結合，利用神經網絡的學習功能優(yōu)化模糊控制規(guī)則及其相應的隸屬度函數，并將一些知識預先分布到神經網絡的權中去，使得模糊控制規(guī)則及其隸屬度函數能夠通過對樣本數據的學習來自動生成，從而克服人為主觀選擇模糊控制規(guī)則的缺陷。同時，發(fā)揮模糊控制易于將專家積累的經驗加到系統(tǒng)中去的特點，提高神經網絡自身的控制能力。這樣，模糊神經網絡既能處理模糊信息，完成模糊推理功能，又具有神經網絡的并行處理、自適應等能力。