B，C為模糊化層，即使用模糊語言來反應輸入量的變化，隸屬函數采用高斯函數，隸屬度計算公式如下：

連接權重We、Wd決定了隸屬函數的形狀。
D層為模糊推理層，目的是將輸入量進行綜合處理，共采用了25條規(guī)則，它們由C，D，E的連接表示出來。模糊規(guī)則如下：
lf △di is M andθis N，then Vl is K and Vris L．
其中M=NB，NS，Z，PS，PB；N=L，LS，Z，RS，R；K，L=TL，G，TR。
E、F、G層為去模糊化層。F層有10個神經元，5個對應移動機器人的左輪速度，5個對應右輪速度。F層的結果隸屬函數使用三角形隸屬函數，目的是把在E層模糊語言描述的隸屬函數轉化為具體數值的隸屬度。G層求解模糊結果，采用重心法，也叫加權平均法。求解過程是以控制作用論域上的點vi(i=l，2，…，n)對控制作用模糊集的隸屬度u為權系數進行加權平均而求得模糊結果，對于離散論域vi：

3 沿墻導航控制計算模型
圖l所示即為本文采用的BP前饋型神經網絡結構，計算模型如下(I為該神經元的輸入值，O為輸出值，上標表示神經元所在的層)：

D層：由輸入變量自動生成模糊規(guī)則。

F層：輸出隸屬函數使用三角形函數，隸屬度計算公式如下：