分別對調速，調壓，綜合系統加入FNN控制器，使PID的輸出達到最小值。其中關于FNN的理論部分，由于您已經以供了較多的文獻資料，這里就不再進行敘述，這里主要說明一下最后的仿真效果和S函數的大致設計流程。這里僅對調速模型進行設計說明。

為了對比加入FNN控制器后的性能變化，我們同時要對有FNN控制器的模型以及沒有FNN控制器的模型進行仿真，仿真結果如下所示：

非FNN控制器的結構：

其仿真結果如下所示：

FNN控制器的結構：

其仿真結果如下所示：

前面的是訓練階段，后面的為實際的輸出，為了能夠體現最后的性能，我們將兩個模型的最后輸出進行對比，得到的對比結果所示：

從上面的仿真結果可知，PID的輸出值范圍降低了很多，性能得到了進一步提升。

調速TS模型，該模型最后的仿真結果如下所示：

從上面的仿真結果可知，采用FNN控制器后，其PID的輸出在一個非常小的范圍之內進行晃動，整個系統的性能提高了80%。這說明采用模糊神經網絡后的系統具有更高的性能和穩定性。

即FNN模型在整個系統的結構如上圖所示。FNN采用S函數進行設計，這里，關于模糊神經網絡的基本設計理論依據，總結如下：

– – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – – –

模糊神經網絡的基本概念：

模糊神經網絡的設計主要包括如下幾個方面：

(1)選取模糊神經網絡控制器輸入端和輸出端變量；

(2)選取模糊神經網絡控制器輸入端和輸出端變量相關參數；

(3)計算模糊神經網絡集隸屬函數并總結模糊神經網絡控制器控制規則；

(4)確定模糊神經網絡控制器模糊化和清晰化集體算法。

總結

以上是生活随笔為你收集整理的模糊神经网络FNN「建议收藏」(模糊数学笔记)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。