[发明专利]模糊神经网络控制器

权利要求书

1.一种模糊神经网络控制器，其特征在于：信号采集器(1)连接有模糊神经网络控制器(2)的输入端，计算机(3)也与所述糊神经网络控制器(2)的输入端连接，所述糊神经网络控制器(2)的输出端连接信号处理器(4)，所述信号处理器(4)连接机械手模型(5)，所述信号采集器(1)与所述机械手模型(5)连接，所述机械手模型(5)连接有数据采集器(6)，所述数据采集器(6)与所述糊神经网络控制器(2)连接，所述糊神经网络控制器(2)的输出端通过信号返回器(7)连接有指示灯(8)，所述指示灯(8)设置在所述信号采集器(1)与所述模糊神经网络控制器(2)之间。

2.根据权利要求1所述一种模糊神经网络控制器，其特征在于：所述机械手模型(5)包括基座(5-1)，所述基座(5-1)上设有支撑座(5-2)，所述支撑座(5-2)的上端通过第一旋转关节(5-3)连接有第一连杆(5-4)的一端，所述第一连杆(5-4)的另一端通过第二旋转关节(5-5)连接有第二连杆(5-6)的一端。

3.根据权利要求1所述一种模糊神经网络控制器，其特征在于：所述模糊神经网络控制器(2)的模糊神经网络结构分为五层结构，分为两个模糊神经网络子网；

第1层为模糊神经网络的输入层，该层有4个节点，输入范围分别是e₁，ec₁,e₂，ec₂变论域，它们的论域均为[-6,6]，节点的输入为

^kf₁(i)＝x_ki (2)

其中i＝1,2；k＝1,2。x_ki表示第k个子网的第i个输入，^kf₁(i)表示第k个子网的第1层输出。

第2层为模糊神经网络的模糊化层，即隶属度函数生成层，每个输入e₁，e₂，ec₁，ec₂分为7个节点，即7个模糊语言集，分别为正大、正中、正小、零、负小、负中、负大，此层共有28个节点；采用Gaussian函数作为隶属函数，与7个模糊语言集对应的Gaussian函数的中心值分别为{6，4，2，0，-2，-4，-6},宽度均为2；

其中^kc_ij和^kb_j分别表示第k个子网的第i个输入变量第j个模糊集合的中心值和宽度，^kf₂(i,j)表示第k个子网的第二层输出；

第3层为模糊神经网络的推理层，在此网络中用乘法代替取小运算；

^kf₃(i,j)＝^kf₂(1,i)^kf₂(1,j) (4)

其中i＝1,2,…,7；j＝1,2,…,7，^kf₃(i,j)表示第k个子网的第三层输出；

第4层为模糊神经网络的去模糊化层，采用加权平均法去模糊化；

其中^kw_ij⁽³⁾表示第k个子网中三层与四层之间的连接权值系数；

第5层为模糊神经网络的输出层，该层表示机械手两关节之间耦合关系；

其中表示四层与五层之间的权值系数，它反映了各关节间的耦合作用。