T-S模糊模型辨识研究

《T-S模糊模型辨识研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要摘要模糊模型是当前系统辨识方法中经常用到的模型，它具有能够有效地综合利用专家知识和系统输入输出数据的能力，并且得到的模型相对其它黑箱模型来说具有可解释性。目前为止，己经有很多模糊建模方法被提出来，然而，仍然存在着许多待解决的问题。T—S模糊模型采用线性方程去表示每一个局部区域的局部规则，以局部线性化为基础，通过模糊推理的方法实现全局的非线性。由于其良好的逼近性能，T—S模糊模型得到了广泛的应用。本文围绕T-S模糊模型的辨识，将前件部分和结论部分分开进行。基于三角形隶属函数对输入空间的均匀划分，将遗传算法应用于后件规则参数的辨识。针对遗传算法求解T-S模糊模型后件规则参数时，

2、待寻优参数较多、普通比例规则后件法寻找自由规则困难的问题，提出用矩阵分解的方法，利用满秩分解，将减少待寻优参数和寻找自由规则一同处理。同时，提出了后件规则简化算法，剔除对最后输出结果的影响可以忽略的规则。仿真结果表明，算法能以较快的进化速度辨识出模糊模型后件规则参数，在保证精度的同时，减少了冗余规则。关键词：T-S模糊模型非线性系统辨识满秩分解遗传算法规则简化AbstractFuzzymodelhasbeenrecognizedasapowerfultoolwhichcanfacilitatetheeffectivedevelopmentofmodelbycombiningin

3、formationfromdifferentsources，suchasempiricalmodels，theexpertknowledgeorthesysteminput—outputdata．Andtheresultmodelismoreinterpretablethanotherblack—boxmethods．Bynowtherearemanywaystobuildthefuzzymodel，buttherealsoaresomeunsolvedproblems．Takagi—Sugeno(T—S)FuzzyModelillustratesthelocal—rulefo

4、reverylocalareawithalinearequationandachievesglobalnonlinearitybasedonlocallinearitybyfuzzyinference。AndT—Sfuzzymodelhasbeenwidelyusedbecauseithasgoodapproximationperformance．CloselysurroundstheidentificationofT-Sfuzzymodel，itisusedtoseparatethepremiseidentificationfromtheconsequenceidentifi

5、cationinthisthesis．BasedonequablyfuzzypartitionofinputspacewithTrianglemembershipfunctions，GAhesbeenusedtoidentifytheconsequentialrulesparameters．AstheoptimizationparametersaremoreandthefreerulesaredifficulttofindwhenusingGAtoidentifytheparametersofT-Sfuzzymodel’Sconsequentialrules，thesoluti

6、on，usingmaximumrankdecomposition，isproposedtoreducetheoptimizationparameters．Meanwhile，alsogivesasimplificationalgorithmofconsequentialrulestoeliminatetheruleswhichhavelittleeffectontheresults．Simulationresultsshowthatthealgorithmcouldidentifytheparametersofthefuzzymodelwithconsequentrulerap

7、idlyandreducetheredundantruleswhileensuringtheaccuracy．Keywords：T-SfuzzymodelnonlinearsystemidentificationmaximumrankdecompositionGArulesimplificationII东南大学学位论文独创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果