Моделирование нейронечеткого контроллера активной колебательной системы тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Буйвал, Александр Константинович

• Буйвал, Александр Константинович
• кандидат технических наук
• 2004

Оглавление диссертации кандидат технических наук Буйвал, Александр Константинович

ВВЕДЕНИЕ.

Глава 1 Анализ путей автоматизации управления колебательными системами.

1.1. Анализ колебательных систем на примере систем подвешивания транспортных средств.

1.1.1. Классификация колебательных систем (систем подвешивания транспортных средств).

1.1.2. Пассивное подвешивание.

1.1.3 Полноактивное подвешивание

1.1.4 Полуактивное подвешивание.

1.1.5. Системы принудительного наклона кузова вагона в кривых.

1.2. Анализ автоматических систем управления.

1.2.1 Классические методы синтеза систем управления.

1.2.2 Робастные системы управления.

1.2.3 Адаптивные системы управления.

1.2.4 Системы управления, основанные на принципах нечеткой логики.

1.3. Выводы по главе.

Глава 2 Построение и исследование модели активной колебательной системы.

2.1. Модель нечеткого контроллера активной системы подвешивания.

2.2. Математическая модель активной колебательной системы.

2.3. Реализация математической модели в системе Simulink.

2.4. Сравнительный анализ пассивной и активной колебательных систем.

2.4.1 Тестирование контроллера при возмущающем воздействии в виде одиночного скачка.

2.4.2. Тестирование контроллера при возмущении в виде двухгорбовой неровности.

2.4.3. Тестирование контроллера при случайном возмущающем воздействии

2.5. Выводы по главе.

Глава 3 Модель неГфонечеткого контроллера.

3.1. Математическая модель нейронной сети нечетко-нейронного контроллера.

3.2. Настройка параметров нейронечеткой сети методом обратного распространения ошибки.

3.3. Генетический алгоритм настройки нейронечеткого контроллера колебательной системы.

3.4. Выводы по главе.

Глава 4 Программный модуль настройки нейронечеткого контроллера.

4.1. Формирование функциональных и структурных требований к программному ^ модулю.

4.2. Разработка принципов программного представления нейронечеткой модели

4.3. Функциональные характеристики программного модуля.

4.4. Структура и принципы функционирования программного модуля и описание входящих в него подсистем.

4.5. Схема взаимодействия MATLAB-IIM-Simulink.

4.6. Общая схема функционирования программного модуля.

4.7. Тестирования разработанного программного модуля.

4.7.1 Тестирование ГА при целевой функции минимизации отклонения от профиля пути при возмущении в виде одиночного скачка.

4.7.2 Тестирование ГА при целевой функции минимизации максимального ^ ускорения колебаний от профиля пути при возмущении в виде одиночного скачка.

4.8. Использование нейронечеткого контроллера для управления вертикальными колебаниями пассажирского вагона.

4.9. Выводы по главе.

Введение диссертации (часть автореферата) на тему «Моделирование нейронечеткого контроллера активной колебательной системы»

В современных условиях основное направление повышения качества функционирования большинства сложных систем лежит через автоматизацию их управления. Одним из больших классов среди технических систем, требующих автоматизации управления, являются колебательные системы, например, системы подвешивания транспортных средств. Особо стоит отметить, ч^о большинство колебательных систем являются вообще не управляемыми, т.е. пассивными. Разработка активных колебательных систем и средств управления ими сопряжена со значительными трудностями, к которым можно отнести:

• сложность математической модели большинства реальных колебательных систем;

• наличие значительных неопределенностей в характере воздействий внешней среды на колебательную систему;

• высокие требования к скорости и качеству работы контроллера активной колебательной системы.

Системы автоматического управления, построенные по традиционным методам, требуют достаточно точной математической модели системы, что влечет за собой повышение требований к контроллеру, а при наличии неопределенно-ф) стей создание точной математической модели либо вообще невозможно, либо сопряжено с высокой трудоемкостью. При использовании же в математических моделях различного рода допущений приводит либо к снижению качества управления, либо к неоправданности применения автоматического управления вообще.

Таким образом, ключевой задачей при создании контроллера активной колебательной системы является выбор такого принципа управления, при котором:

• не требуется точной математической модели колебательной системы;

• модель контроллера реализуема на базе современных вычислительных устройств;

• модель контроллера устойчива к неопределенностям в возмущениях внешней среды;

• модель контроллера имеет возможность настраивать свои параметры для улучшения качества управления.

В связи с этим можно сделать вывод об актуальности работ, направленных на исследование и построение математических и компьютерных моделей контроллеров активных колебательных систем, использующих в своем функционировании принципы искусственного интеллекта.

Целыо диссертационной работы является разработка, исследование и программная реализация модели контроллера активной колебательной системы, функционирующей при неопределенном характере возмущающего воздействия, как основы для управления плавностью хода транспортных средств.

При выполнении исследований и решении поставленных задач использовались основные научные положения теории автоматического управления; математический аппарат и методы теории нечетких множеств и лингвистических переменных; математический аппарат и методы теории искусственных нейронных сетей, а также методы генетической оптимизации. При разработке программного модуля использовалась объектно-ориентированная технология проектирования.

Научная новизна работы состоит в методологии использования принципов нечеткой логики, искусственных нейронных сетей и генетических алгоритмов для моделирования активных колебательных систем, а именно:

1. Разработана модель контроллера активной колебательной системы с использованием принципов нечеткой логики на примере системы подвешивания транспортного средства.

2. Предложена методика использования принципов искусственных нейронных сетей и генетических алгоритмов для настройки параметров нечеткого контроллера.

3. Предложено использование специализированной структуры искусственной нейронной сети для реализации алгоритма нечеткого логического вывода типа Мамдани и вариант адаптации генетического алгоритма для настройки сети в системах управления.

4. Предложена оптимальная для подобных задач форма функций принадлежности термов лингвистических переменных нечеткого контроллера.

Практическую ценность работы составляют:

1. Реализованная на базе ЭВМ и программного комплекса МАТ-LAB/Simulink модель активной колебательной системы, иллюстрирующая значительное снижение колебаний объекта управления.

2. Библиотека классов, реализующих нейросетевое представление нечет-1ц> кого контроллера и алгоритмы его настройки.

3. Созданный программный модуль, интегрируемый в систему MATLAB, использующий принципы искусственных нейронных сетей и генетических алгоритмов, который позволяет проводить настройку параметров нечетких контроллеров.

Цель и поставленные задачи определили следующую структуру работы.

В первой главе рассматриваются варианты принципиальных схем колебательных систем используемых при построении современных систем подвешивания транспортных средств. В ходе проведенного исследования литературы, а именно работ Вертинского С.В., Данилова В.Н., Диментберга К.С., Селинова В.И. и др. было получено, что в силу значительного количества ограничений, на-ф} кладываемых на функционирование систем подвешивания, их конструкция носит компромиссный характер, что приводит к снижению качества их функционирования.

В свою очередь анализ зарубежных работ (Cai В., Konik D., Hwang S., Нео S., Kim H., Miller L.), а также некоторых отечественных работ (Черноусько Ф.Л., Акуленко Л.Д., Соколов Б.Н., Ильин Д.В.) показал возможность управления колебаниями, в общем, и построения активных и полуактивных систем подвешивания в частности. Проведенный сравнительный анализ данных работ позволил также сделать вывод об оправданности перехода к использованию в системах (Ц1 подвешивания активных колебательных систем.

Ф Помимо этого в данной главе рассматриваются варианты реализации системы автоматического управления активными колебательными системами. В результате анализа работ Гаврилова А.И., Деменкова Н.П., Мочалова И.А., Пупко-ва К.А., Егупова Н.Д, Fuller R., Mamdani Е. и др. делается вывод о неоправданности применения классических способов построения систем автоматического управления в подобных задачах в силу наличия большого количества неопределенностей и сложности математической модели объекта управления. В результате анализа было выявлено, что в качестве наиболее адекватных принципов построения контроллеров активных колебательных систем можно использовать .ty принципы нечеткой логики и искусственных нейронных сетей.

Вторая глава посвящена созданию математической модели активной колебательной системы и ее реализации в программном комплексе МАТ-LAB/Simulink. Модель активной колебательной системы в данной главе рассматривается на примере двухступенчатой системы подвешивания транспортного средства. При этом для обозначения основных узлов системы подвешивания и транспортного средства используется терминология, применяемая в вагоностроении. Помимо этого модель активной колебательной системы логически разделена на две части:

• модель колебательной системы (система подвешивания);

• модель контроллера, использующая принципы нечеткой логики.

Также в этой главе рассматривается структура базы правил системы управления и проводится исследование вопроса о выборе оптимального типа функций принадлежности. Глава завершается сравнительным анализом пассивной и активной колебательных систем при различных видах возмущающего воздействия.

В третьей главе рассматриваются вопросы использования принципов теории искусственных нейронных сетей и генетических алгоритмов для настройки параметров нечеткого контроллера колебательной системы. В данной главе, на основании разработанной в главе 2 модели нечеткой контроллера и ма-'Ц' тематической модели базовой нейронечеткой структуры создана модель нейронной сети со специальной структурой и описаны параметры данный модели, позволяющие реализовать нечеткий логический вывод типа Мамдани. Затем в данной главе исследован вопрос использования алгоритма обратного распространения ошибки для настройки параметров сети и сделан вывод о нецелесообразности его применения в подобных задачах. На основании сделанного вывода, в дальнейшем предлагается использовать для настройки параметров сети генетический алгоритм, адаптация которого описывается в заключительной части этой главы.

В четвертой главе на основании полученных математических моделей нейронечетких структур и рассмотренного адаптированного генетического алгоритма рассматриваются вопросы разработки программного модуля оптимизации структур нечеткого логического вывода в задачах управления. Требования к программному модулю формируются исходя из поставленных задач и с учетом интеграции его в программный комплекс MATLAB. Также определяются и формализуются основные понятия, связанные с представлением данных, и отношения между ними. Приводятся функциональные характеристики разработанного программного модуля, описание его структуры и принципов работы. Анализируются возможные направления развития и пути применения программного модуля.

Результаты исследований позволили сформулировать следующие положения, выносимые на защиту:

1. Модель контроллера активной колебательной системы с использованием принципов нечеткой логики, на примере системы подвешивания транспортного средства.

2. Методика использования принципов искусственных нейронных сетей и генетических алгоритмов для настройки параметров нечеткого контроллера.

3. Предложена оптимальная для подобных задач форма функций принадлежности термов лингвистических переменных нечеткого контроллера. ty 4. Реализованная на базе ЭВМ и программного комплекса МАТ

LAB/Simulink модель активной колебательной системы, иллюстрирующая значительное снижение колебаний объекта управления.

5. Библиотека классов, реализующих нейросетевое представление нечеткого контроллера и алгоритмы его настройки.

6. Программный модуль, интегрируемый в систему MATLAB, использующий принципы искусственных нейронных сетей и генетических алгоритмов, который позволяет проводить настройку параметров нечетких контроллеров.

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Буйвал, Александр Константинович

4.9. Выводы по главе

1. На основании разработанных в гл.2,3 моделей нейронечеткого контроллера и генетического алгоритма сформированы структурно-функциональные требования к программному модулю настройки параметров нейронечеткого контроллера.

2. Разработанный программный модуль интегрируется в систему MATLAB/Simulink и позволяет настраивать нечеткие контроллеры, использующие алгоритм нечеткого логического вывода Мамдани. Помимо этого программный модуль инвариантен по отношению к модели объекта управления и к целевой функции.

3. Сделан вывод о возможности использования программного модуля не только в задачах рассматриваемого классах, но и в любых других областях, где имеется необходимость настройки параметров нечеткого контроллера.

4. На основании тестирования нейронечеткого контроллера на манчестерской модели пассажирского вагона можно сделать вывод об его работоспособности в сложных системах и инвариантности к используемым моделям.

ЗАКЛЮЧЕНИЕ

При проведении научных исследований, связанных с темой диссертационной работы, и решении поставленных задач были достигнуты следующие результаты:

1. Разработана модель контроллера активной колебательной системы с использованием принципов нечеткой логики, тестирование которого показало повышение качество функционирования объекта управления, на примере системы подвешивания транспортного средства

2. Предложена методика использования принципов искусственных нейронных сетей и генетических алгоритмов для настройки параметров нечеткого контроллера, позволяющая снизить время и трудоемкость подбора параметров нечеткого контроллера активной колебательной системы.

3. Предложено использование специализированной структуры искусственной нейронной сети для реализации алгоритма нечеткого логического вывода типа Мамдани и вариант адаптации генетического алгоритма для настройки сети в системах управления.

4. Предложена оптимальная для подобных задач форма функций принадлежности термов лингвистических переменных нечеткого контроллера.

5. Реализована на базе ЭВМ и программного комплекса MATLAB/Simulink модель активной колебательной системы, иллюстрирующая значительное снижение колебаний объекта управления.

6. Предложена библиотека классов, реализующая нейросетевое представление нечеткого контроллера и алгоритмы его настройки.

7. Создан программный модуль, интегрируемый в систему MATLAB, использующий принципы искусственных нейронных сетей и генетических алгоритмов, который позволяет проводить настройку параметров нечетких контроллеров.

8. На основании тестирования нейронечеткого контроллера на манчестерской модели пассажирского вагона можно сделать вывод об его работоспособности в сложных системах и инвариантности к используемым моделям.

Основные положения диссертации опубликованы в работах [3-6, 15,16].

Список литературы диссертационного исследования кандидат технических наук Буйвал, Александр Константинович, 2004 год

1. Аверин А.Н. и др. Нечеткие множества в моделях управления и искусственного интеллекта /Под ред. Д.А. Поспелова. - М.: Наука, 1986. - 312с.

2. Андриевский Б.Р., Фрадков A.JT. Избранные главы теории автоматического управлениях примерами на языке МАТЬАВ.-СПБ.:Наука, 1999.-467С.

3. Буйвал А.К. Нечеткое управление подвешиванием транспортного средства /Проблемы информатики в образовании, управлении, экономике и технике: Сборник статей III Всероссийской научно-технической конференции. -Пенза, 2003.

4. Буйвал А.К., Гулаков В.К. Моделирование в системе MATLAB/Simulink нечеткого контроллера подвешивания транспортного средства /ж-л «Ехро-nenta Pro. Математика в приложениях» №2, 2004, С.28-33

5. Буйвал А.К., Гулаков В.К. Нечетко-нейронное управление подвешиванием транспортного средства / Информационные технологии, энергетика и экономика //Межрегиональная науч.-техн. конф. студентов и аспирантов: Материалы докладов в 4-х т. Смоленск, 2004.

6. Вериго М. Ф., Коган А. Я. Взаимодействие пути и подвижного состава. М.: Транспорт, 1986. 560 с.

7. Вершинский С.В., Данилов В.Н., Хусидов В.Д. Динамика вагона: Учеб. для вузов ж.-д. транспорта /Под ред. С.В. Вершинского. 3-е изд., перераб. и доп. - М.: Транспорт, 1991. - 360 с.

8. Вибрации в технике. Справочник, т. 3. Колебания машин, конструкций и их элементов/ Под ред. Ф. М. Диментберга, К. С. Колесникова. М.: Машиностроение, 1980. 544 с.

9. Головко В.А. Нейронные сети: обучение, организация и применение:учеб. пособие для вузов/Под общ. ред. А.И.Галушкина.-М.: изд. предприятие ред. журн. "Радиотехника",2001.-256С.

10. Горбань А.Н. Обучение нейронных сетей. М.: СП «ParaGraph», 1990. -160с.

11. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, Сиб. отделение, 1996. - 276 с.

12. Гулаков В.К., Буйвал А.К. Анализ классических и нечетких систем управления активным подвешиванием тележки пассажирского вагона / Вестник БГТУ № 1 2004, С. 113-123

13. Гулаков В.К., Буйвал А.К. Выбор оптимальных параметров нечеткого контроллера колебательной системы / ж-л Современные наукоемкие технологии №2, 2004, С.63-64.

14. Гультяев А. Визуальное моделирование в среде МАТЬАВ:Учеб.курс.Спб.и др.:Питер,2000.-430С.

15. Деменков Н.П., Мочалов И.А. Нечеткий логический регулятор в задачах управления. Промышленные АСУ и контроллеры. 1999. №2. С. 30-35.

16. Деменков Н.П., Мочалов И.А. О полезности и границах применимости нечеткого управления. Промышленные АСУ и контроллеры. 1999. №3.-С. 21-23.

17. Дьяконов В. Simulink 4. Специальный справочник. СПб.: Питер. 2001.

18. Дьяконов В. Математические пакеты расширения МАТЬАВ:спец. справ./В.Дьяконов,В.Круглов.-СПб. и др. Литер,2001.-475С.

19. Дьяконов В.,Круглов В. MATLAB. Анализ, идентификация и моделирование систем:спец. справ.-Спб. и др.:Питер,2002.-444С.

20. Ильин Д. В. Система принудительного наклона кузовов скоростного пассажирского поезда // Железнодорожный транспорт. -2003.-N 7. С. 31-34

21. Иманков В. С.,Частикова В. А. Генетические алгоритмы и поиск оптимальных решений // Автоматизация и современные технологии.2003.-ГЧ 6. -С. 39-45

22. Карпов Б., Баранова Т., С++: специальный справочник СПб: Питер, 2003. -480 с.

23. Карченко О. Ф., Шишкин А. Г. Нейросети и генетические алгоритмы в оптимизационных задачах инвестирования проектов // Газовая промышлен-HOCTb.-2003.-N 1. С. 32-36

24. Комашинский В.И., Смирнов Д.А. Нейронные сети и их применение в системах управления и связи.- М.-.ГОРЯЧАЯ ЛИНИЯ-ТЕЛЕКОМ,2003.93С.

25. Круглов В.В. Искусственные нейронные сети.теория и практика: на-уч.изд./В.В.Круглов,В.В.Борисов.-2-е изд.,стер.-М.:ГОРЯЧАЯ ЛИНИЯ-ТЕЛЕКОМ,2002.-3 81С.31 .Лазарян В. А. Динамика транспортных средств: Избранные труды. Киев: Наукова думка, 1985. 528 с.

26. Медведев B.C.,Потёмкин В.Г. CONTROL SYSTEM TOOLBOX:MATLAB 5 для студентов/Под общ.ред.В.Г.Потёмкина.-М. ДИАЛОГ1. МИФИ, 1999.287С.

27. Методы классической и современной теории автоматического управле-ния:Учеб.для вузов: В 3 Т. Пупков К.А.,Егупов Н.Д.,Баркин А.И .,Воронов Е.М.;Под ред. Н.Д. Егупова.-М.:Изд-во МГТУ им. Н.Э.Баумана, 2000.-748С.

28. Методы робастного, нейро-нечеткого и адаптивного управления: Учебник / Под ред. Н.Д. Егупова. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. -744с.

29. Нейронные сети: история развития теории: учеб.пособие для вузов/Под общ.ред. А.И. Галушкина, Я.З. Цыпкина.- М.: изд-во редакциижурн."Радиотехника",2001.-839С.

30. Нейросетевые системы управления / В.А. Терехов, Д.В. Ефимов, И.Ю. Тю-кин и др. СПб: Изд-во С.-Петербургского университета, 1999.-264 с.

31. Потемкин В.Г. MATLAB 5 для студентов.-М.:ДИАЛОГ-МИФИ, 1998.314С.

32. Прикладные нечеткие системы /К. Асаи, М. Сугено. /Под ред. Т.Тэрано -М.: Мир, 1993.-368 с.

33. Сейдж Э.П., Мелса Д.Л. Идентификация систем управления: Пер. с англ. -М.: Наука. Гл. ред. физ.-мат. лит., 1974. 248 с.

34. Селинов В.И. Проектирование подвешивания вагонов: учеб.пособие для вузов/БГТУ.-Брянск: Изд-во БГТУ,1999.-250С.

35. Современные системы управления / Р. Дорф, Р.Бишоп. Пер. с англ. Б.И. Копылова. М.: Лаборатория Базовых Знаний, 2002. - 832 с.

36. Шаммас М.К. Основы С++ и объектно-ориентированного программирования. К.: Диалектика, 1996. - 448с.

37. Anderson С. W., "Learning to control an inverted pendulum using neural networks," IEEE Contr. Syst. Mag., pp. 31-36, Apr. 1989.

38. Bellizzi, S. and Bouc, R., "Adaptive Sub-Optimal Parametric Control for NonLinear Stocastic Systems: Application to Semiactive Isolators," Probabilistic Methods in Applied Physics, 223-238, 1995.

39. Berenji H. R. "Learning and tuning fuzzy logic controllers through reinforcements," IEEE Trans. Neural Networks, vol. 3, no. 5, pp. 724-740, Sept. 1993.

40. Berenji H. R., Fuzzy logic Controllers // An Introduction to Fuzzy Logic Applications in Intelligent Systems, 1992, pp. 69-96.

41. Cai B, Konik D.: Intelligent Vehicle Active Suspension Control Using Fuzzy Logic // IF AC World Congress Sydney, 1993. - Vol.2.- P.231-236.

42. Chen S., Billings S.A. Neural networks for non-linear dynamic system modelling and identification // Int. J. Control. 1992. - Vol. 56, №2. -P. 319-349.

43. Eduardo D. Sontag, Some Topics in Neural Networks and Control / Department of Mathematics, Rutgers University New Brunswick, NJ 08903 July 6, 1993 Report Number LS93-02

44. Faisel J Uppal, Ron J Patton, Vasile Palade, Neuro-fuzzy based fault diagnosis applied to an electro-pneumatic valve / Control & Intelligent Systems Engineering, University of Hull, HU6 7RX United Kingdom, 2002

45. Fuller R. Neural fuzzy system. Abo 1995. 255 c.

46. He X., AsadaH. A new method for identifying orders of input-output models for nonlinear dynamic systems // Proc. of the American Control Conference. -San Francisco, 1993. P. 67-83.

47. Hunt K.J., Sbarbaro D. Neural Networks for nonlinear internal model control // IEEE proceedings. 1991. - Vol. 138, №5. - P. 431-439.

48. Hwang, S., Heo, S., Kim, H., and Lee, K., "Vehicle Dynamic Analysis and Evaluation of Continuously Controlled Semiactive Suspensions Using Hard-ware-in-the-loop Simulation," Vehicle System Dynamics, Vol. 27, No. 5-6, pp. 423-434, June 1997.

49. Jan Jantzen, Neural and Neurofuzzy Control / Technical University of Denmark, Tech. report № 99-H 999 (nnfcon), 4 Nov 2003.

50. Jan Jantzen, Neurofuzzy Modelling / Technical University of Denmark, Tech. report № 98-H-874 (nfmod), 30 Oct 1998.

51. Jinwoo Kim, Designing Fuzzy Net Controllers using Genetic Algorithms / Joint symposium of computer-aided control system design, Tucson, AZ, March, 1994

52. Lieh, J., "Semiactive Damping Control of Vibrations in Automobiles," Journal of Vibration and Acoustics, Vol. 115, No. 3, pp. 340-343, July 1993.

53. Lin C.T., Neural Fuzzy Control Systems with structure and Parameter Learning, World Scientific Publishing, Singapore, 1994

54. Mamdani E. H. Applications of fuzzy algorithms for simple dynamic plant. Pore. IEE. vol. 121, n. 12, pp. 1585-1588, 1974.

55. Margolis, D.L., "A Procedure for Comparing Passive, Active, and Semiactive Approaches to Vibration Isolation," Journal of the Franklin Institute, Vol. 315, No. 4, pp. 225-238, April 1983.

56. Margolis, D.L., "The Response of Active and Semiactive Suspensions to Realistic Feedback Signals," Vehicle System Dynamics, Vol. 11, No. 5-6, pp. 267282, December 1982.

57. Miller, L.R., "Tuning Passive, Semiactive, and Fully Active Suspension Systems," Proceedings of the 27th IEEE Conference on Decision and Control, December 1988.

58. Nawa N. E., Furuhashi Т., Fuzzy System Parameters Discovery by Bacterial Evolutionary Algorithm IEEE Trans on Fuzzy Systems №7 1999, pp. 608-616

59. Nouillant C., Assadian F., Moreau X., A cooperative control for car suspension and brake systems / International Journal of Automotive Technology, Vol. 3, No. 4 2002, pp. 147-155

60. Park D., Kandel A., Langholz G., GeneticBased New Fuzzy Reasoning Models with Application to Fuzzy Control // IEEE Trans on Systems, Man and Cybernetics №24 1992, pp. 79-88

61. Patricia Melin, Oscar Castillo, Soft Computing for Intelligent Control of Nonlinear Dynamical Systems(Invited Paper), International Journal of Computational Cognition fhttp://www.YangSky.com/yangijcc.htmj, Volume 2, Number 1, Pages 45-78, March 2004

62. Rene J. Jager. Fuzzy logic in control. Ph.D. thesis, Delft University of Te-chology. The Netherlands. 1995.

63. Seng T.L., Khalid M.B., Yusof R. Tuning of a Neuro-Fuzzy Controller by Genetic Algorithm // IEEE Trans, on Systems, Man, and Cybernetics №29 1999, pp. 226-236

64. Shi Y., Eberhart R., Chen Y., Implementation of Evolutionary Fuzzy Systems //IEEE Trans, on Fuzzy Systems №7 1999, pp. 109-119

65. Siarry P., Guely F., A Genetic Algorithm for Optimizing TakagiSugeno Fuzzy Rule Bases // Fuzzy Sets and Systems №99 1998, pp. 37-47

66. Teo Lian Seng, Marzuki Khaid, Rubiyah Yusof, Adaptive Neuro-fuzzy Control System by RBF and GRNN neutral networks, Journal of Intelligent and Robotic System, Vol. 23, pp.267-289, 1998

67. Wuwei Chen, James K. Mills, Le Wu, Neurofuzzy Adaptive Control for Semi-Active Vehicle Suspension / Department of Computer and Information Science, New Jersey Institute of Technology, Newark, NJ 07102-1982, USA