基于模糊神经网络的移动机器人沿墙导航控制
B，C为模糊化层，即使用模糊语言来反应输入量的变化，隶属函数采用高斯函数，隶属度计算公式如下：
连接权重We、Wd决定了隶属函数的形状。
D层为模糊推理层，目的是将输入量进行综合处理，共采用了25条规则，它们由C，D，E的连接表示出来。模糊规则如下：
lf △di is M andθis N，then Vl is K and Vris L．
其中M=NB，NS，Z，PS，PB；N=L，LS，Z，RS，R；K，L=TL，G，TR。
E、F、G层为去模糊化层。F层有10个神经元，5个对应移动机器人的左轮速度，5个对应右轮速度。F层的结果隶属函数使用三角形隶属函数，目的是把在E层模糊语言描述的隶属函数转化为具体数值的隶属度。G层求解模糊结果，采用重心法，也叫加权平均法。求解过程是以控制作用论域上的点vi(i=l，2，…，n)对控制作用模糊集的隶属度u为权系数进行加权平均而求得模糊结果，对于离散论域vi：
3 沿墙导航控制计算模型
图l所示即为本文采用的BP前馈型神经网络结构，计算模型如下(I为该神经元的输入值，O为输出值，上标表示神经元所在的层)：
D层：由输入变量自动生成模糊规则。
F层：输出隶属函数使用三角形函数，隶属度计算公式如下：
加入微信
获取电子行业最新资讯
搜索微信公众号：EEPW
或用微信扫描左侧二维码
