论文部分内容阅读
针对多变量、强耦合、纯迟延系统,提出一种模糊神经网络的解耦方法,结合遗传算法、将多变量系统解耦成单变量系统。传统解耦方法对于非线性系统、变结构系统以及耦合关系和耦合强度随时间和负载变化的复杂系统经常无能为力,而这种综合了模糊逻辑和神经网络优势的解耦方法,由于具有非线性和自学习能力,使其解耦性能不受影响,弥补了传统解耦方法的缺陷,对复杂系统有着较好的解耦能力。且该方法不需要建立精确的数学模型,易于实现。文章最后通过仿真实验验证了该模型的解耦效果。