模糊控制与神经网络的应用研究

马洲达

摘要：随时人工智能的不断发展，模糊控制与神经网络技术在科研领域越来越受到人们的重视，并且渗透到了例如工程建设与工业生产等领域。本文通过重点分析模糊控制与神经网络技术在实际生产过程中的应用与设计过程中需要重点关注的问题，提出了智能化系统中的硬件设计方案。

关键词：模糊控制；神经网络；技术发展

1 神经网络模糊控制器概述

1.1 模糊控制器结构

在进行神经网络设计的过程中需要对现场的实际情况进行分析，根据实际的特征建立控制模拟器。由于模糊控制器复杂的结构化设计，所以在进行控制器选择操作的过程中首先要选择质量达标的硬件设备，具有足够大的内存，可以保证系统运行过程中所产生的所有数据可以随时进行更新操作，进而避免由于存储空间不足的原因出现数据的自动更新删除操作。控制器在进行工作过程中首先会捕捉到所需要的控制信息，然后会根据控制信息进行数据模糊分析，形成所需要的数据库，并与此同时进行模糊分析运算，并将结果再次转换为可以被系统识别的数字信号模式。此功能是通过数学模型进行建模处理然后根据人体神经元系统的分布特征对数据进行快速的模糊处理与解模糊处理操作，进而实现数据的完美转换。在模糊控制过程中，探测器与存储硬盘是两个最为重要的组成设备，其中存储硬盘中通常会嵌入软件程序，与此同时与单片机控制模块的有机结合，便可以轻松应对大型工程生产设计过程中对于模糊处理的技术要求。

1.2 神经网络控制器

模糊控制器会随时捕捉网络环境中的各种信息，并对捕捉到的有用信息进行数据分析处理，与此同时通过建立模糊神经网络以实现全面的控制功能。通过设置信息在网络平台中的传输方式，来完成信息在不同领域之间的交互。由于神经网络控制器对自身对于信息处理的特点，通常在精密仪器控制行业中应用较为广泛，例如对于航空航天精密零部件的检测。根据现场不同设备之间之间的关系与分布图，需要对各个控制层面作出分层与分区处理操作，并通过对于实际工作环境的分析建立总神经元控制层。与此同时，对各个不同区域的控制曾进行细致测划分，使各个控制处理程序能够处于平行状态，各个控制器之间协同合作互补干扰，并将得到的所有数据传输到总控制层。由于网络控制器安装数量相对较多，为了能够有效的降低损耗，减少设备的维护成本，通常情况下我们需要对设备进行简化操做。因此无论是神经网络控制过程当中还是在模糊控制过程中，都需要对硬件设备记性简化设计，提升软件系统的使用效率，降低成本。

2 模糊控制神经网络仿真实验

一般情况下，我们需要通过网络仿真实验对模糊控制与神经网络技术构建的神经系统进行模拟试验，观察在程序的正常运行过程当中网络环境对于程序的影响，防止因自身漏洞而造成巨大的安全隐患。仿真实验虽然可以建立起运行时的生产环境，但是更加需要对在实际生产使用过程中中产生的分析进行监控分析，在后台需要对各项指标进行实时记录，计算出控制器的使用指数，增强自身的风险防御能力。模糊控制神经网络在功能检测过程当中，主要的对使用环境进行模拟，但是在设备的使用过程中风险往往是不确定的，于是需要在硬件设备中预留出一部分空间，用于后期的补丁更新功能。随着风险隐患的不断改变，控制器会在网络环境中下载新的补丁，对自身系统进行完善处理，以便可以正常的运行工作。为了能够在网络环境中自动整理下载，完善自己资源数据库，在进行数字建模操作过程中通常会采用重量法与学习法进行建模处理。在实际网络环境中，可能会由于各种实际情况造成信息传输不及时，在系统数据更新的过程中出现误差，因此在设计编程过程中需要对通过合理的技术手段规避此风险。通过有效的仿真实验，可以有效的保证系统能够正常的运行，可以通过二次开发运用到实际生产过程当中。如果在仿真实验过程中发现系统存在漏洞，此时我们需要采取技术手段对出现的漏洞进行修补操作，完成操作以后对系统再次进行仿真实验，达到要求后方可使用。

3 模糊控制神经网络检验

虽然现在的技术手段可以保证模糊控制器与神经网络之间组织结构不受内在因素的影响，但是外界环境的突然改变仍然会给整体的智能化设备带来严重的打击，因此在实际的模糊控制神经网络安全监测系統中会加强对于控制器的实际运行环境的模拟监测，以防给系统带来致命性的打击。为了保证模糊控制与神经网络系统的运行环境安全，网络监测者将会将监测目标重点放在排查网络的安全性问题上，并将数据进行记录，整理成数据档案，防患于未然。当黑客通过不正当手段对网络环境进行恶意攻击时，魔术控制与神经网络系统会通过分析原始数据对问题作出反馈，并会根据实际情况对整体数据作出初始化操作，以保证整体运行的安全性，因此检测者通过对数据进行分析研究得出实际的网络运行环境与系统架构的稳定性。通过对实际运行环境的数据分析，构建出符合运行环境的病毒防火墙，在保证系统正常运行的情况下对网络环境进行排查，并一并通过技术手段将系统防御体系中的病毒进行删除隔离。为了能够减少数据在抵御病毒过程中的数据的回复所消耗的时间，模糊控制器将会结合神经网络系统对智能化系统做出数据分析，根据不同情况下产生的数据对控制距离做出系统的分析，进而提升数据在传输过程中的精准度。通过此数据分析所得出的数据更能够准确反映出现场生产任务，并根据生产环境做出有效的调控操作。通过对上面实际工作问题中的各项问题进行分析实验，通过不断的对硬件设施进行优化，不但可以有效的提高实际工作性能，更能够为模糊控制与神经网络的系统优化提供理论依据。

4 结语

本文通过对模糊控制与神经控制进行对比分析，探究模糊神经控制在人工智能控制领域中发展方向。模糊神经控制在未来的发展将会极大的改变人们日常生活，方便人们的衣食住行，通过对模糊逻辑的研究分析，深入对神经网络的探索。通过对BP算法与遗传算法的系统研究分析，将实验结果应用在模糊神经控制研究领域将会极大的提高模糊神经控制的现实意义。深入研究系统的稳定性、能观性以及平衡吸引子、混沌现象等非线性动力学特性，将实验结果应用在未来的人工智能控制软硬件中，将会极大的造福于人类。

参考文献：

[1]路平，刘凯，王龙.基于神经网络模糊控制理论的转台伺服系统控制设计[J].计算机测量与控制，2016，24（7）：8689.