专利名称：基于网络的低成本模糊神经元控制方法
技术领域：
本发明涉及控制技术，具体涉及基于网络的低成本模糊神经元控制方法。
模糊控制已被实践证明是实现智能算法的简单有效的方法，在许多工业控制问题中得到广泛应用。其优点是容易构造，对硬件的结构和内存空间要求不高，所以可在简单低成本的诸如内嵌控制器的设备控制器上实现。例如，市场上已有多种专用于模糊控制的芯片并被用于各种控制设备、控制装置中；其缺点是不容易对模糊算法进行改进，缺少一个对其进行优化的系统的方法，而且，其模糊控制的有效性往往局限于十分具体的工作状况。另一方面，神经元网具有公认的学习功能，已被成功地用于许多复杂问题的智能控制中。基于神经元网的控制系统，可随工况的变化而变，取得多种工况下的有效控制。单神经元网的主要问题是不知其工作原理(黑箱方式)，同时，算法和结构复杂，很难在简单小内存的内嵌系统上实现，国外曾有开发过神经元网芯片，但由于高成本和使用的复杂性而难以商业应用。
本发明的目的是提供一种基于网络的低成本模糊神经元控制方法，可以将神经元网的学习功能和模糊控制实现的简捷性加以结合，有效克服现有技术的缺点，使神经元网络的自适应学习可以有效地通过模糊规则形式以较低的成本实现控制方法。
本发明的目的是这样实现的，构造一种基于网络的低成本模糊神经元控制方法，包括以下步骤利用模糊控制规则描述设备控制程序；在设备控制器实现模糊控制程序；在与所述设备连接的网络服务器中，将所述模糊控制规则描述的设备控制程序转化成与之等价的模糊神经元网程序，将所述设备控制器运行数据通过网络送到所述网络服务器对该模糊神经元网络进行学习优化，将经过学习优化的神经元网恢复为模糊规则形式下载到所述设备控制器；由设备控制器根据经过优化的模糊规则对被控设备进行控制。
在按照本发明提供的方法中，所述网络服务器包括通过本地网络连接的集散控制系统的本地服务器或者通过远程网络连接的远程厂家控制服务器。
本发明提供的一种基于网络的低成本模糊神经元控制方法，其特征在于，包括以下步骤本地硬件执行基于模糊规则的控制；网络连接的服务器上的软件对在所述本地硬件上执行的模糊规则进行优化刷新。
在上述按照本发明提供的方法中，其特征在于，所述网络连接的服务器上的软件对在所述本地硬件上执行的模糊规则进行优化刷新，包括以下步骤在所述服务器中，对设备控制程序转化成与之等价的模糊神经元网程序，将所述设备运行数据通过网络送到所述服务器对所述模糊神经元网进行学习优化，将经过学习优化的神经元网恢复为模糊规则形式，并下载传送给所述被控设备。
实施本发明提供的基于网络的低成本模糊神经元控制方法，可以在本地网络连接的家庭集散控制系统中的本地(控制)服务器或者是远程网络连接的远程厂家(控制)服务器中，利用本发明提供的这种方法，可以通过动态数据学习修改控制策略并直接反映到设备控制性能的改进，例如，可方便地实现根据不同环境自适应地变化，从而实现个性化、区域化和季节化的智能控制，进一步使在网络环境下以较低成本实现智能化的控制成为可能结合附图和实施例，进一步说明本发明的特点，附图中
图1是说明本发明方法的结构示意图；图2是典型的两个输入、一个输出的9规则模糊神经元网的示意图；图3是简单神经元网的输入量隶属函数的说明示意图；图4是简单神经元网的模糊推理过程的示意图；图5是简单神经元网的输出量控制综合的示意图。
结合附图1，具体说明本发明的步骤如下如图1所示，本地设备控制器1通过通信网络2与服务器3连接，该服务器3可以是本地网络服务器，也可以是远程网络服务器。其中，本地控制器1是以模糊控制规则描述的当地设备控制的“简单实现”，服务器上进行基于模糊神经元网络的远程“复杂的优化过程”其中，信息流4将本地控制器中的运行数据通过通信网络2传送给远程服务器3，利用模糊神经元网对模糊控制程序进行优化，信息流3表示将优化结果(如控制参数、规则、程序等)通过通信网络2传送给本地控制器1。具体说明如下1、首先，利用模糊规则描述各种控制程序，并在本地硬件上实现。对多数控制问题，特别是一般家用设备的控制问题，有许多有效的方法来完成这一步。
2、在家庭集散控制系统或者是厂家远程控制服务中心，将用模糊规则描述的控制程序转化成等价的模糊神经元网程序，利用通过网络采集到的数据进行学习优化，学习完后，将神经元网恢复到模糊规则形式。如此，控制程序的性能得以改进，并可根据其不同的环境自适应地变化，从而实现个性化、区域化和季节化的智能控制。
其中，第1步体现了“当地简单”的硬件实现思想，而第2步体现了“远程复杂”的软件实现思想。
图2给出一个典型的双输入单输出，具有9个模糊控制规则的多层模糊神经元网。它采用的构造是模块化，可以对其中一个模块的简单神经元网，用神经元网分别描述其(a)输入量的隶属函数(图3)；(b)模糊逻辑推理(图4)，和(c)输出量控制综合(图5)。
直接根据模糊控制规则构成，不需要训练或学习。学习只有在对控制进行改进时才进行。利用这种方法，还可以给服务器或代理服务器加入新的控制规则或者去掉多余无用的规则。
利用本发明的方法，可以将简洁的模糊控制与复杂神经元网系统通过网络环境下的本地简单的硬件控制器与远程服务器上复杂的软件优化有机地结合一起。也就是说，通过远程服务器模糊神经元网对控制程序进行优化，解决了硬件，特别是内嵌控制系统的优化控制的实现问题，从而使低成本智能控制成为可能。
权利要求
1.一种基于网络的低成本模糊神经元控制方法，其特征在于包括以下步骤利用模糊控制规则描述设备控制程序；在设备控制器实现模糊控制程序；在与所述设备连接的网络服务器中，将所述模糊控制规则描述的设备控制程序转化成与之等价的模糊神经元网程序，将所述设备控制器运行数据通过网络送到所述网络服务器对该模糊神经元网络进行学习优化，将经过学习优化的神经元网恢复为模糊规则形式下载到所述设备控制器；根据经过优化的模糊规则对被控设备进行控制。
2.根据权利要求1所述方法，其特征在于，所述网络服务器包括通过本地网络连接的集散控制系统的本地控制代理服务器。
3.根据权利要求1所述方法，其特征在于，所述网络服务器包括通过本地网络连接的集散控制系统的本地控制服务器。
4.根据权利要求1所述方法，其特征在于，所述网络服务器包括通过远程网络连接的远程厂家控制服务器。
5.根据权利要求1所述方法，其特征在于，所述网络服务器包括通过远程网络连接的远程厂家控制代理服务器。
6.一种基于网络的低成本模糊神经元控制方法，其特征在于，包括以下步骤本地硬件执行基于模糊规则的控制；网络连接的服务器上的软件对在所述本地硬件上执行的模糊规则进行优化刷新。
7.根据权利要求7所述方法，其特征在于，所述网络连接的服务器上的软件对在所述本地硬件上执行的模糊规则进行优化刷新，包括以下步骤在所述服务器中，对设备控制程序转化成与之等价的模糊神经元网程序，将所述设备运行数据通过网络送到所述服务器对所述模糊神经元网进行学习优化，将经过学习优化的神经元网恢复为模糊规则形式，并下载传送给所述被控设备。
8.根据权利要求6所述方法，所述本地硬件是被控设备控制器。
9.根据权利要求8所述方法，所述设备控制器是内嵌控制器。
全文摘要
一种基于网络的低成本模糊神经元控制方法,在本地设备控制器1实现模糊控制程序;在通过通信网络2与设备控制器1连接的网络服务器3中,将模糊控制规则转化成模糊神经元网程序,而设备控制器运行数据(4)通过网络送到网络服务器对该模糊神经元网络进行学习优化,最后将优化神经元网恢复为模糊规则下载(5)到设备控制器运行。这种控制方法可通过动态数据学习修改控制策略并直接反映到设备控制程序性能的改进,使得低成本实现优化控制成为可能。
文档编号G06N3/06GK1361505SQ00130888
公开日2002年7月31日 申请日期2000年12月25日 优先权日2000年12月25日
发明者王飞跃, 黄小池 申请人:广东科龙电器股份有限公司, 中国科学院自动化研究所