طراحي كنترل كننده عصبي- فازي نوع-2

Type-2 Fuzzy- Neural Controller Design

چكيده: در اين مقاله يك كنترل كننده تطبيقي غيرمستقيم عصبي - فازي نوع-2 براي كنترل كلاسي از سيستم هاي غيرخطي، با استفاده از نظريه فيدبك خطي ساز و شبكه هاي عصبي- فازي نوع-2 ارايه مي شود. در اين روش ابتدا توسط دو شبكه عصبي - فازي نوع-2 ورودي كنترلي فيدبك خطي ساز تقريب زده مي شود. به منظور آموزش شبكه از الگوريتم گراديان نزولي با نرخ يادگيري تطبيقي استفاده شده است. در اين مقاله روش پيشنهادي براي ساده سازي شبكه هاي عصبي - فازي نوع-2 كاهش تعداد قواعد فازي مي باشد كه با كاهش تعداد قواعد از پيچيدگي مدل عصبي - فازي نوع-2 كاسته مي‌شود. با استفاده از نظريه پايداري لياپانوف، با بيان يك قضيه پايداري سيستم حلقه بسته تضمين مي شود و قوانين تطبييقي لازم براي تنظيم پارامترهاي شبكه عصبي- فازي نوع-2 به دست مي آيد. در قسمت شبيه سازي، سيستم دوتانك در حضور داده هاي نويزي با كنترل كننده پيشنهادي و شبكه عصبي- فازي تطبيقي شبيه سازي مي شود. نتايج شبيه سازي كارآيي روش پيشنهادي را نشان مي دهد.

Abstract: This paper presents an indirect adaptive type-2 fuzzy neural controller to control a class of nonlinear systems using feedback linearization theory and type-2 fuzzy neural networks. In this method, feedback linearization control input using two type-2 fuzzy neural networks is approximated. The gradient descent learning algorithm with adaptive learning rate is used for learning phase. In this paper, reduction in the number of fuzzy rules is proposed to simplify type-2 fuzzy neural network. By reducing the number of fuzzy rules, model complexity is diminished. Using Lyapunov stability theory, with the expression theorem, adaptation laws for tuning type-2 fuzzy neural networks is derived and stability of the closed loop system is guaranteed. Finally, the proposed controller is applied to twin-tank system in the presence of noisy data. Results are compared with Adaptive-Network-Based Fuzzy Inference System (ANFIS). Simulation results show the ability of the proposed method.