線上基因演算之模糊類神經網路及其在非線性系統辨識與控制之應用(2/2)

Abstract

在本文中，提出一種簡單式的基因演算法(Simplified Genetic Algorithm)用來調整模糊類經網路中的權重值及BMF(Bspline Membership Function)控制點。傳 統模糊類神經網路透過梯度下降法學習，在學習過程中可能會產生落入區域極值的現象。在不同領域，基因演算法搜尋最佳值的特性已經受到廣泛的注意。因此許多研究者利用基因演算法來克服傳統梯度下降法所產生的問題。但是，傳統的基因演算法對於處理大量變數 (超過100) 編碼解碼的過程中會有兩個重大的缺點：第一個是過程中需要大量的計算，第二個是經過此過程照成精確度的偏差。在本文中，提出的簡易型基因演算法藉由循序搜尋交配點來保證子代的適應力會優方於母代。染色體由實數的方式組成，包括了模糊類經網路中的權重值及BMF控制點。SGA 可以快速收斂到模糊類神經網路的最佳值已經在本文中証實。近年來，線上即時控制是一個重要的研究方向，但是以基因演算法做為基礎的線上即時控制，因為速算量過大會有控制力延遲的問題而無法做更進一步的研究。本文藉由SGA 快速收斂的特性設計線上即時間接型及直接型適應控制器來控制機械手臂及倒單擺系統在模擬中得到不錯的效果。