共查询到18条相似文献,搜索用时 93 毫秒
1.
赵宝江 《计算机工程与应用》2011,47(21):153-156
基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。 相似文献
2.
3.
基于蚁群聚类算法的非线性系统辨识 总被引:1,自引:0,他引:1
基于T-S模型提出一种非线性系统的模型辨识方法.利用蚁群聚类算法进行结构辨识,确定系统的模糊空间和模糊规则数.在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现了参数辨识.仿真结果验证了所提出方法的有效性,表明该方法能够实现非线性系统的辨识,而且辨识精度较高. 相似文献
4.
针对模糊神经网络的系统辨识问题,提出了一种具体的模糊神经网络模型,使用模糊聚类方法确定模糊神经网络的结构,仿真研究证明该方法是有效的和可行的。 相似文献
5.
在建立模糊辨识器的一般数学模型后,利用最近邻聚类算法对样本数据进行分组,然后再将每一组数据视为一个数据对对系统进行在线训练辨识,从而使模糊辨识器能较快的收敛于起初系统。 相似文献
6.
7.
针对模糊聚类算法中数据和运算耗时很长,不适于在线建模与控制的问题,基于模糊聚类型隶属函数和EUM方法,提出了一种新的模糊辨识算法。该方法省去了求解聚类中心的迭代过程,计算时间显著减少。采用该方法对Box—Jenkins煤气炉数据和Mackey—Glass混沌时间序列进行了仿真,结果证明了该方法的有效性。 相似文献
8.
采用改进PSO的非线性系统T-S模糊模型辩识 总被引:1,自引:0,他引:1
提出了一种新的T-S模糊模型的非线性系统辨识方法。采用自适应模糊C均值聚类算法确定模糊模型的前件结构及参数,用改进的粒子群优化(PSO)算法来辩识模糊模型的结论参数以获得系统参数的最优估计。仿真结果表明该方法是有效的。 相似文献
9.
针对模糊神经网络的系统辨识问题,提出了一种具体的模糊神经网络模型,使用模糊聚类方法确定模糊神经网络的结构。仿真研究证明该方法是有效的和可行的。 相似文献
10.
基于T-S模糊模型的神经网络的系统辨识 总被引:4,自引:4,他引:4
基于T-S模糊模型,提出了利用神经网络实现非线性系统的辨识。首先,利用一种无监督的聚类算法分析输入输出数据生成初始的结构模型,确定系统的模糊空间和模糊规则数,构造神经网络辨识模型前提参数,使前提参数自适应变化,有较好的自学习能力和优化能力,采用最小二乘法取得结论参数。仿真结果验证了该方法是有效和可行的。 相似文献
11.
A robust control for uncertain nonlinear systems based on T-S fuzzy model is discussed in this paper. First, a T-S fuzzy system is adopted to model the uncertain nonlinear systems. Then, for the system with input variables adopting standard fuzzy partitions, the efficient maximal overlapped-rules group (EMORG) is presented, and a new sufficient condition to check the stability of T-S fuzzy system with uncertainty is derived, which is expressed in terms of Linear Matrix Inequalities. The derived stability condition, which only requires a local common positive definite matrix in each EMORG, can reduce the conservatism and difficulty in existing stability conditions. Finally, a simulation example shows the proposed approach is effective. 相似文献
12.
13.
14.
15.
16.
The most promising methods for identifying a fuzzy model are data clustering, cluster merging and subsequent projection of the clusters on the input variable space. This article proposes to modify this procedure by adding a cluster rotation step, and a method for the direct calculation of the consequence parameters of the fuzzy linear model. These two additional steps make the model identification procedure more accurate and limits the loss of information during the identification procedure. The proposed method has been tested on a nonlinear first order model and a nonlinear model of a bioreactor and results are very promising. 相似文献
17.
对一类非线性离散时间系统提出一种新的模糊的辨识方法。该方法在假设逼近误差界已知的情况下,基于死区函数对模糊逻辑系统中的未知参数设计自适应学习律;在逼近误差界未知的情况下,基于时变死区函数对模糊逻辑系统中的未知参数设计自适应学习律,并对时变死区进行自适应调节。证明了所设计的自适应学习律均可使辨识误差收敛到原点的一个小邻域内。仿真结果表明了该算法的有效性。 相似文献