7、模糊系统实现：带额外或层的模糊神经网络设计与应用

模糊系统实现：带额外或层的模糊神经网络设计与应用

1. 引言

在模糊系统建模与控制领域，为解决高阶模糊系统在神经网络实现中对硬件要求高、学习速度慢的问题，提出了一种新的模糊系统。该系统基于Takagi - Sugeno模糊系统改进，引入了额外的或（OR）层，使得局部线性系统可关联多个输入模糊区域，适合高阶复杂系统建模与控制，且具备规则生成能力。

2. 输入维空间划分

输入维子空间划分是一种传统的模糊划分方法，先将输入空间的每个维子空间划分为多个模糊区域，输入模糊划分是所有输入维子空间划分的乘积，划分依赖于隶属函数的形状。

以二维输入模糊系统为例，输入向量$x = [x_1, x_2]^T$，假设在维度1有三个模糊集$A_1$、$A_2$、$A_3$，隶属函数分别为$\mu_{A_1}(x_1)$、$\mu_{A_2}(x_1)$、$\mu_{A_3}(x_1)$；在维度2有两个模糊集$B_1$、$B_2$，隶属函数分别为$\mu_{B_1}(x_2)$、$\mu_{B_2}(x_2)$，隶属函数形式为：
[
\mu_{ij}(x_i) = \exp\left(-\frac{(x_i - w_{ij})^2}{2\sigma_{ij}^2}\right)
]

模糊规则的前提条件如下：
- $R_1$：如果$x_1$是$A_1$且$x_2$是$B_1$，则…
- $R_2$：如果$x_1$是$A_1$且$x_2$是$B_2$，则…
- $R_3$：如果$x_1$是$A_2$且$x_2$是$B_1$，则…
- $R_4$：如果$x_1$是$A_2$且$x_2$是$B_2$，