基于改进遗传算法的非线性系统模糊辨识新方法

提出一种基于改进遗传算法和递推最小二乘的非线性模糊辨识新算法.该辨识方法包含结构辨识辨出和参数辨识,结构辨识即输入空间的模糊划分,采用具有自适应性的广义高斯隶属函数;参数辨识包含前提参数和结论参数,用基于动态比例变换的改进遗传算法优化高斯函数的前提参数,用递推最小二乘辨识模糊模型的结论参数.最后通过著名的Box-Jenkins煤气炉数据仿真(仿真环境:MATLAB 6.5,计算机主频2.4 GHz,内存512 MB),并根据输入变量个数和模糊规则数,得到均方误差以证明本文方法的辨识精度,将该文辨识方法与其他方法进行比较,验证了该方法辨识精度更高.     

一种基于小波分解的非线性系统辨识的新方法

提出了一种结合小波理论和NARX模型的新辨识算法．该算法利用小波(多维小波)函数有效的逼近能力避免了通常确定NARX模型结构时的复杂过程，构成了一个相当通用且不依赖于系统先验信息的辨识框架．应用递推最小二乘算法估计模型参数时，该算法可实现系统的在线辨识．两仿真算例说明了这种算法的有效性．     

基于递阶分解聚类的非线性系统递推模糊辨识

提出一种基于递阶分解聚类的递推模糊辨识方法．采用半模糊化方法对论域内的样本进行归类,根据各子集“线性化”程度评判模糊聚类的有效性,通过对性能最差的子集进行分解并辨识新增子模型的参数,逐步完成整个样本空间的模糊划分和模型辨识过程．在线辨识时采用递推最小二乘算法对模糊规则进行修正,同时可根据建模精度的要求删除性能最差的规则,并确立新模糊规则．仿真研究表明了该方法的有效性．     

一种基于量子遗传算法的扩展T-S 模型辨识

在传统T-S模型的基础上,提出一种扩展T-S模型。该模型由一组模糊规则组成,由规则前件实现输入空间的划分,将成员函数及其函数变换引入规则后件以实现对输入子空间的非线性映射。对于该模型的建立,使用改进量子遗传算法优化规则前件,递推最小二乘法确定规则后件参数。通过对两个典型非线性系统辨识,仿真结果表明了该模型可以显著提高辨识精度,且具有很好的泛化性能。     

基于奇异值分解的非均匀采样非线性系统的模糊模型辨识

针对复杂、不确定、非均匀采样数据的非线性系统,提出一种基于矩阵奇异值分解(SVD)的模型结构辨识和参数估计的建模方法.首先,利用矩阵奇异值(SVD)分解算法分析各局部模型与奇异值、积累贡献率的关系,确定模糊模型的规则数,从而实现模型的结构优化;然后,为了克服递推最小二乘出现的误差积累、传递现象,采用奇异值分解的递推最小二乘估计模型的结论参数;最后,通过仿真实例验证所提出算法的有效性.     

一种基于模糊聚类的模糊辨识方法

介绍一种基于模糊聚类的模糊辨识方法。首先利用含有聚类准则函数的模糊聚类方法来确定模糊规则数和模型前提参数,然后利用最小二乘法来辨识模型的结论参数,最后采用梯度下降法来调整模型的参数。该方法应用于Box-Jenkins数据仿真实例,仿真结果表明该方法简单有效。     

基于正交最小二乘估计的非线性系统模糊辨识

提出了一种基于正交最小二乘的模糊模型结构和参数辨识方法．首先,基于正交最小二乘方法分析模糊模型的模糊关系矩阵．通过分析正交向量在模型中贡献的大小,确定模糊模型的结构,即确定模糊模型的规则数、规则．另外,再次通过正交最小二乘方法确定模糊模型的结论参数,实现模糊模型结构和参数的优化．为了证明该方法的有效性,采用该文方法对Box-Jenkins煤气炉数据系统进行建模研究,仿真结果表明该文方法能够对非线性系统进行辨识．     

含有色噪声的神经模糊Hammerstein模型分离辨识

针对实际工业过程中普遍存在的有色噪声,本文提出一种基于递推增广最小二乘算法的神经模糊Hammerstein模型辨识方法,突破了传统的Hammerstein模型迭代分离算法.首先,利用多信号源实现Hammerstein模型中静态非线性环节和动态线性环节的分离,大大简化了辨识过程,提高了串联环节参数的分离精度.其次,利用长除法将噪声模型用有限脉冲响应模型逼近,采用增广递推最小二乘法进行线性环节的参数估计.最后,采用神经模糊模型拟合静态非线性环节,同时设计了神经模糊模型参数的非迭代优化算法,改善了模型的使用范围.该方法保证了模型的预测精度,对含有色噪声的非线性系统具有较好的拟合效果.仿真结果验证了上述方法的有效性.     

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.     

非线性系统辨识

激光焊接过程是典型的具有噪声和扰动影响的非线性系统.利用Hammerstein模型的线性和非线性分离的特性可以建立起关于激光焊接过程的非线性模型,并以此为基础得到非线性系统参数的无偏估计,经阶跃响应验证,该模型有效地模拟了激光焊接过程.     

基于T-S模型的非线性系统模糊聚类辨识方法

提出一种基于T-S模型的非线性系统模糊聚类辨识方法,对T-S模糊模型的前提部分和结论部分进行分开辨识,既简化该模型的辨识步骤,又提高它的泛化能力,同时也解决了T-S模糊模型随辨识系统复杂程度提高而规则数增大的问题。对一个非线性系统辨识的仿真结果验证了这种模糊聚类辨识方法的有效性。     

基于模糊ARMAX模型的模糊建模

提出了一种利用MGS(modified Gram-Schmidt)算法建立模糊ARMAX模型的方法, 给出了基于MGS算法的模型结构和参数辨识的一体化方法. 利用MGS正交变换对通过GK模糊聚类的聚类结果进行变换, 确定对模型贡献大的规则, 删除对模型贡献小的规则, 同时对模型中的参数进行估计. 本文提出的方法能够实现模糊模型的结构和参数的优化. 仿真结果表明, 本文提出的方法能够建立非线性系统的模糊ARMAX模型.     

基于模糊竞争学习的非线性系统自适应模糊建模方法

提出了一种新的基于模糊竞争学习的自调整的模糊建模方法. 基于模糊竞争学习, 模糊系统能够进行自适应模糊推理. 在被调整模糊系统基础上, 提出了一种非线性系统在线估计参数的在线辨识算法. 为了证明提出算法的有效性, 最后给出了几个例子的仿真结果.     

A new identification method for fuzzy linear models of nonlinear dynamic systems

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.     

结合数据变换和启发式方法的模糊系统辨识

取代应用原始数据样本构造模糊模型的传统方法,提出应用数据变换技术和启发式方法简化模糊建模过程.对于变换后的数据,首先通过启发式方法确定模糊If-Then规则结论部分非模糊单值(即实数)的初始值,然后通过梯度下降学习方法进行精调.该方法不仅模型精度较高,而且收敛速度快.仿真实例验证了所提出的模型优于传统的方法.     

基于模糊子集合拟合对非线性系统的模糊控制

实际受控系统都存在非线性和不确定性，使得参数化模型控制算法难以实施．为此，提出一种非参数化模型的模糊控制算法，即在非线性系统中对局部过程实施模糊分段线性化，对分段线性化的过程进行联接，将分段线性化的模糊模型集合拟合为全局非线性模型．其控制律是由局部线性化的模糊控制律经模糊联接而构成整体非线性系统的模糊控制律．通过稳定性证明和仿真验证，论证了所给算法的有效性．     

Fuzzy functions based ARX model and new fuzzy basis function models for nonlinear system identification

In this study, auto regressive with exogenous input (ARX) modeling is improved with fuzzy functions concept (FF-ARX). Fuzzy function with least squares estimation (FF-LSE) method has been recently developed and widely used with a small improvement with respect to least squares estimation method (LSE). FF-LSE is structured with only inputs and their membership values. This proposed model aims to increase the capability of the FF-LSE by widening the regression matrix with lagged input–output values. In addition, by using same idea, we proposed also two new fuzzy basis function models. In the first, basis of the fuzzy system and lagged input–output values are structured together in the regression matrix and named as “L-FBF”. Secondly, instead of using basis function, the membership values of the lagged input–output values are used in the regression matrix by using Gaussian membership functions, called “M-FBF”. Therefore, the power of the fuzzy basis function is also enhanced. For the corresponding models, antecedent part parameters for the input vectors are determined with fuzzy c-means (FCM) clustering algorithm. The consequent parameters of the all models are estimated with the LSE. The proposed models are utilized and compared for the identification of nonlinear benchmark problems.     

一类完全模糊非线性系统同伦法求解

在现有三角模糊数表示及模糊运算规则基础上,采用参数变换法对一类模糊非线性系统做变换,得到同解的确定非线性系统。采用同伦法求解该确定非线性系统,进而给出原模糊非线性系统的近似解,并给出了具体算例。     

一种新的非线性离散时间系统的模糊辨识方法

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。     

Controller design of uncertain nonlinear systems based on T-S fuzzy model

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.