模糊控制與神經網絡的應用研究

馬洲達

摘要：隨時人工智能的不斷發展，模糊控制與神經網絡技術在科研領域越來越受到人們的重視，并且滲透到了例如工程建設與工業生產等領域。本文通過重點分析模糊控制與神經網絡技術在實際生產過程中的應用與設計過程中需要重點關注的問題，提出了智能化系統中的硬件設計方案。

關鍵詞：模糊控制；神經網絡；技術發展

1 神經網絡模糊控制器概述

1.1 模糊控制器結構

在進行神經網絡設計的過程中需要對現場的實際情況進行分析，根據實際的特征建立控制模擬器。由于模糊控制器復雜的結構化設計，所以在進行控制器選擇操作的過程中首先要選擇質量達標的硬件設備，具有足夠大的內存，可以保證系統運行過程中所產生的所有數據可以隨時進行更新操作，進而避免由于存儲空間不足的原因出現數據的自動更新刪除操作。控制器在進行工作過程中首先會捕捉到所需要的控制信息，然后會根據控制信息進行數據模糊分析，形成所需要的數據庫，并與此同時進行模糊分析運算，并將結果再次轉換為可以被系統識別的數字信號模式。此功能是通過數學模型進行建模處理然后根據人體神經元系統的分布特征對數據進行快速的模糊處理與解模糊處理操作，進而實現數據的完美轉換。在模糊控制過程中，探測器與存儲硬盤是兩個最為重要的組成設備，其中存儲硬盤中通常會嵌入軟件程序，與此同時與單片機控制模塊的有機結合，便可以輕松應對大型工程生產設計過程中對于模糊處理的技術要求。

1.2 神經網絡控制器

模糊控制器會隨時捕捉網絡環境中的各種信息，并對捕捉到的有用信息進行數據分析處理，與此同時通過建立模糊神經網絡以實現全面的控制功能。通過設置信息在網絡平臺中的傳輸方式，來完成信息在不同領域之間的交互。由于神經網絡控制器對自身對于信息處理的特點，通常在精密儀器控制行業中應用較為廣泛，例如對于航空航天精密零部件的檢測。根據現場不同設備之間之間的關系與分布圖，需要對各個控制層面作出分層與分區處理操作，并通過對于實際工作環境的分析建立總神經元控制層。與此同時，對各個不同區域的控制曾進行細致測劃分，使各個控制處理程序能夠處于平行狀態，各個控制器之間協同合作互補干擾，并將得到的所有數據傳輸到總控制層。由于網絡控制器安裝數量相對較多，為了能夠有效的降低損耗，減少設備的維護成本，通常情況下我們需要對設備進行簡化操做。因此無論是神經網絡控制過程當中還是在模糊控制過程中，都需要對硬件設備記性簡化設計，提升軟件系統的使用效率，降低成本。

2 模糊控制神經網絡仿真實驗

一般情況下，我們需要通過網絡仿真實驗對模糊控制與神經網絡技術構建的神經系統進行模擬試驗，觀察在程序的正常運行過程當中網絡環境對于程序的影響，防止因自身漏洞而造成巨大的安全隱患。仿真實驗雖然可以建立起運行時的生產環境，但是更加需要對在實際生產使用過程中中產生的分析進行監控分析，在后臺需要對各項指標進行實時記錄，計算出控制器的使用指數，增強自身的風險防御能力。模糊控制神經網絡在功能檢測過程當中，主要的對使用環境進行模擬，但是在設備的使用過程中風險往往是不確定的，于是需要在硬件設備中預留出一部分空間，用于后期的補丁更新功能。隨著風險隱患的不斷改變，控制器會在網絡環境中下載新的補丁，對自身系統進行完善處理，以便可以正常的運行工作。為了能夠在網絡環境中自動整理下載，完善自己資源數據庫，在進行數字建模操作過程中通常會采用重量法與學習法進行建模處理。在實際網絡環境中，可能會由于各種實際情況造成信息傳輸不及時，在系統數據更新的過程中出現誤差，因此在設計編程過程中需要對通過合理的技術手段規避此風險。通過有效的仿真實驗，可以有效的保證系統能夠正常的運行，可以通過二次開發運用到實際生產過程當中。如果在仿真實驗過程中發現系統存在漏洞，此時我們需要采取技術手段對出現的漏洞進行修補操作，完成操作以后對系統再次進行仿真實驗，達到要求后方可使用。

3 模糊控制神經網絡檢驗

雖然現在的技術手段可以保證模糊控制器與神經網絡之間組織結構不受內在因素的影響，但是外界環境的突然改變仍然會給整體的智能化設備帶來嚴重的打擊，因此在實際的模糊控制神經網絡安全監測系統中會加強對于控制器的實際運行環境的模擬監測，以防給系統帶來致命性的打擊。為了保證模糊控制與神經網絡系統的運行環境安全，網絡監測者將會將監測目標重點放在排查網絡的安全性問題上，并將數據進行記錄，整理成數據檔案，防患于未然。當黑客通過不正當手段對網絡環境進行惡意攻擊時，魔術控制與神經網絡系統會通過分析原始數據對問題作出反饋，并會根據實際情況對整體數據作出初始化操作，以保證整體運行的安全性，因此檢測者通過對數據進行分析研究得出實際的網絡運行環境與系統架構的穩定性。通過對實際運行環境的數據分析，構建出符合運行環境的病毒防火墻，在保證系統正常運行的情況下對網絡環境進行排查，并一并通過技術手段將系統防御體系中的病毒進行刪除隔離。為了能夠減少數據在抵御病毒過程中的數據的回復所消耗的時間，模糊控制器將會結合神經網絡系統對智能化系統做出數據分析，根據不同情況下產生的數據對控制距離做出系統的分析，進而提升數據在傳輸過程中的精準度。通過此數據分析所得出的數據更能夠準確反映出現場生產任務，并根據生產環境做出有效的調控操作。通過對上面實際工作問題中的各項問題進行分析實驗，通過不斷的對硬件設施進行優化，不但可以有效的提高實際工作性能，更能夠為模糊控制與神經網絡的系統優化提供理論依據。

4 結語

本文通過對模糊控制與神經控制進行對比分析，探究模糊神經控制在人工智能控制領域中發展方向。模糊神經控制在未來的發展將會極大的改變人們日常生活，方便人們的衣食住行，通過對模糊邏輯的研究分析，深入對神經網絡的探索。通過對BP算法與遺傳算法的系統研究分析，將實驗結果應用在模糊神經控制研究領域將會極大的提高模糊神經控制的現實意義。深入研究系統的穩定性、能觀性以及平衡吸引子、混沌現象等非線性動力學特性，將實驗結果應用在未來的人工智能控制軟硬件中，將會極大的造福于人類。

參考文獻：

[1]路平，劉凱，王龍.基于神經網絡模糊控制理論的轉臺伺服系統控制設計[J].計算機測量與控制，2016，24（7）：8689.