56、非线性系统辨识的遗传动态模糊神经网络与自适应鲁棒神经网络控制

非线性系统辨识的遗传动态模糊神经网络与自适应鲁棒神经网络控制

1 遗传动态模糊神经网络（GDFNN）概述

1.1 DFNN 结构

DFNN 由五层组成，分别是输入层、隶属函数（MF）层、隐藏层、归一化层和输出层。输出层采用 Takagi - Sugeno - Kang（TSK）模型，隶属函数采用高斯函数，它是径向基函数（RBF）的一种。为简化，这里主要考虑多输入单输出情况，不过 DFNN 也可扩展为多输入多输出。
- 输入层 ：不进行数学运算，仅将输入传递到下一层，输入表示为 (x_i)，(i = 1, 2, \cdots, k)。
- 隶属函数层 ：将输入映射到高斯函数，隶属函数数量由神经元生成准则确定，公式为 (\mu_{ij} = \exp\left(-\frac{(x_i - c_{ij})^2}{2\sigma_{ij}^2}\right))，其中 (i = 1, \cdots, k)，(j = 1, \cdots, u)。
- 隐藏层（规则层） ：将隶属函数层的输出相乘，输出称为激发强度，公式为 (R_j=\exp\left(-\sum_{i = 1}^{k}\frac{(x_i - c_{ij})^2}{2\sigma_{ij}^2}\right))。
- 归一化层 ：将激发强度归一化到 [0, 1] 范围，公式为 (\varPhi_j=\frac{R_j}{\sum_{j = 1}^{u}R_j})。
- 输出层 ：将归一化输出与权重向量相乘得