The rule base block is connected to

The rule base block is connected to the neural network block.Back propagation algorithm is used to train the neural network to select the proper set of rule base. For developing the control signal, the training is a very important step in the selection of the proper rule base. Once the proper rules are selected & fired, the control signal required to obtain the optimal outputs is generated.The output of the NN unit is given as input to the de-fuzzification unit and the linguistic variables are converted back into the numeric form of data in the crisp form.
In the fuzzification process, i.e., in the first stage, the crisp variables, the speed error & the change in error are converted into fuzzy variables or the linguistics variables. The fuzzification maps the 2 input variables to linguistic labels of the fuzzy sets.The fuzzy coordinated controller uses the linguistic labels. Each fuzzy label has an associated membership function. The membership function of triangular type is used in our work & is shown in the Fig. 8. The inputs are fuzzified using the fuzzy sets & are given as input to ANFIS controller. The rule base for selection of proper rules using the back propagation algorithm is written as shown in the table II.

結果 (中文) 1:

规则基块连接到神经网络块。反向传播算法用于训练神经网络，选择适当的一组规则库。对于发展中的控制信号，培训是规则的非常重要的步骤，在选择适当库。一旦适当的规则是选定 & 解雇，获得最优的产出所需的控制信号生成。作为消除模糊化单元的输入给出了神经网络单元的输出和语言变量将转换回脆表单中的数据的数字形式。模糊化过程中，即在第一阶段、 脆变量、 速度误差及误差变化转换成模糊变量或语言学变量。模糊化将 2 输入的变量映射到模糊集的语言学上的标签。模糊协调的控制器使用的语言的标签。每个模糊的标签有一个关联的成员函数。三角型的隶属度函数用在我们的工作与图 8 所示。投入模糊化使用模糊集及给出了作为自适应神经模糊控制器的输入。基地使用反向传播算法的适当规则选择规则是写如表二所示。

結果 (中文) 3:

该规则块连接到神经网络块。BP算法训练神经网络来选择一组适当的规则库。开发的控制信号，训练是在适当的规则库的选择非常重要的一步。一旦正确的规则选择&发射产生所需要的，以获得最佳的输出控制信号。的神经网络单元的输出作为输入的模糊化单元和语言变量转换成在清脆的表单数据的数字形式。
在模糊化的过程，即，在第一阶段，清脆的变量，速度误差&在错误的变化转换为模糊变量或语言学变量。图2输入变量模糊化的模糊语言标签。模糊协调控制器使用语言标签。每个标签都有一个相关的模糊隶属度函数。三角型隶属函数是用在我们的工作&在图8所示。输入模糊化，利用模糊集&作为输入给定的模糊控制器。对于使用反向传播算法选择适当的规则的规则库是写在表二所示。