Radial basis function artificial neural networks for the inference process in fuzzy logic based control

Abstract

This paper illustrates the fuzzy logic based approach to the control of a plant or a system, and discusses some of the possible shortcomings of the usual inference mechanisms. Radial basis function artificial neural networks have been shown to be effective in a number of applications, and have the advantage that network training is a very rapid process due to their structure. In fact, this is usually accomplished by the solution of a system of linear equations, a process for which fast and reliable algorithms are available. Radial basis function networks are shown to provide a means of constructing an ‘inference engine’ capable of handling a rule base in which plant state and control actions are specified in terms of fuzzy sets. The resulting inference mechanism is shown to avoid the phenomena of ‘rule overlap’ which can be a feature of fuzzy control algorithms. It is interesting to note that in this application of radial basis function networks, the usual problems on the number and location of centres do not arise. The paper concludes with a brief discussion of some experimental results achieved.

Zusammenfassung

Dieser Artikel illustriert den auf Fuzzy-Logik basierenden Ansatz zur Steuerung eines Systems and diskutiert einige der möglichen Nachteile der üblichen Inferenzmechanismen. Es wurde gezeigt, daß neuronale Netzwerke mit radialen Basisfunktionen für viele Anwendungen sehr effektiv sind und den Vorteil haben, daß das Trainieren des Netzwerkes wegen seiner Struktur ein sehr schneller Prozeß ist. Praktisch wird dies für gewöhnlich durch das Lösen eines linearen Gleichungssystems durchgeführt, ein Schritt für den schnelle und robuste Verfahren verfügbar sind. Es wird gezeigt, daß neuronale Netzwerke mit radialen Basisfunktionen ein Mittel zur Konstruktion einer Inferenzmaschine sind, wobei eine Regel-Basis zur Steuerung von Systemzuständen und Systemänderungen durch Fuzzy-Logik dargestellt wird. Der resultierende Inferenzmechanismus vermeidet das Phänomen der Regelüberlappung, das bei Fuzzy-Logic-Steueralgorithmen auftreten kann. Es ist interessant, daß bei dieser Anwendung von neuronalen Netzwerken mit radialen Basisfunktionen die üblichen Probleme bei der Anzahl und Plazierung der Zentren nicht auftreten. Der Artikel schließt mit einer zusammenfassenden Diskussion und einigen experimentellen Ergebnissen.