一種新的制導炸彈智能控制系統
加入技術交流群
2 NSFIS的參數學習算法
模糊推理系統是高度非線性系統，在對復雜系統建模的過程中，其內部參數
主要依靠某種學習算法對輸入一輸出數據對進行訓練來確定。目前，用于模糊推理系統的學習算法主要是梯度下降算法和遞推最小二乘算法。梯度下降算法簡單易行、運算量小，但收斂速度慢，容易陷入局部極值，且對信號的譜性依賴較大；遞推最小二乘算法收斂速度很快，對信號譜性無依賴，但其結構復雜、運算量大且存在長期數值穩定的問題。從工程的角度考慮，因為非單點模糊推理系統的計算復雜度本身就較大，所以運算量大的遞推最小二乘算法不適合采用。為了彌補梯度下降算法的缺點，文中引入遺傳算法。遺傳算法是模擬生物進化過程的一種全局優化搜索算法，其目標函數既不要求連續，也不要求可微，僅要求問題可計算，而且它的搜索始終遍及整個解空間，容易得到全局最優解。用梯度下降算法和遺傳算法同時并行的搜索解空間，并定期交換信息。這樣不僅避免了陷入局部極值的缺點，而且加快了收斂速度。雖然由于遺傳算法的加入，運算量增加了，但由于遺傳算法和梯度下降算法并行工作，所以沒有降低算法的實時性。采用減法聚類的方法設置初始參數，進一步加快了算法的收斂速度。文中所設計的非單點模糊推理系統參數學習算法如下：步驟1：設置初始參數。采用減法聚類算法對訓練數據[X，y]進行聚類處理，得M到個聚類中心
構造非單點模糊系統初始參數：選取聚類中心向量Xlc中的各個分量元素
作為式(2)中相應
的初始值；以
與最近的另一個聚類中心歐式距離的一半
作為式(2)中
作為式(2)中相應的初始值；已知訓練數據含有大量噪聲的情況下，取步驟2：(1)采用梯度下降算法調整參數
(推導過程省略)。本文引用地址：http://www.104case.com/article/163460.htm
(2)同時采用遺傳算法搜索最佳參數
1)對參數編碼。以減法聚類確定的初始參數值為參考，考慮參數的解空間在初始參數值的正負s倍范圍內，將解空間轉換為二進制，對各參數進行交叉組合編碼；
2)隨機生成20個個體作為初始群體；
3)將準則函數的數學期望E[φ(e(t))]映射為適應度函數
用該適應度函數對群體中個體的適應度進行評估，當適應度達到標準Ff,max時，進化停止；
4)遺傳操作：采用適應度比例方法進行選擇，兩點交叉方法進行交叉，采用基本變異算子進行變異。
評論