|
|||||
|
|
| 基于增广输入变量的T-S 模糊模型建模 | |
| 引用本文： | 杨马英,张书桂.基于增广输入变量的T-S 模糊模型建模[J].控制与决策,2016,31(1):165-168. |
| 作者姓名： | 杨马英 张书桂 |
| 作者单位： | 浙江工业大学信息工程学院，杭州310023. |
| 基金项目： | 浙江省重大科技专项项目(2012C01035-8). |
| 摘 要： | 针对现有T-S 模糊模型建模精度与计算效率之间的矛盾, 提出一种利用增广输入变量进行T-S 模糊模型建模的方法. 对输入变量进行多项式增广处理后, 以核模糊?? 均值聚类算法配合聚类评价指标自适应获得最佳聚类数及相应的模糊划分, 并通过递推最小二乘计算得出T-S 模糊模型的后件参数. 提出可利用后件参数反推断前件结构的方法来快速有效地确定前件结构. 最后通过仿真验证了上述方法的有效性. |
| 关 键 词： | T-S 模糊模型|增广输入变量|核模糊?? 均值聚类|聚类评价指标 |
| 收稿时间： | 2014/9/15 0:00:00 |
| 修稿时间： | 2014/12/22 0:00:00 |
T-S fuzzy modeling based on augmented input variables |
|
| YANG Ma-ying ZHANG Shu-gui.T-S fuzzy modeling based on augmented input variables[J].Control and Decision,2016,31(1):165-168. | |
| Authors: | YANG Ma-ying ZHANG Shu-gui |
| Abstract: | To solve the problem of conflicting between accuracy and efficiency in T-S fuzzy modeling, a method of establishing T-S fuzzy model by using the augmented input variables is proposed. After the input variables are augmented, the best clustering number and fuzzy partition are automatically obtained by using kernel fuzzy ??-means(KFCM) and a clustering evaluation function, and the consequent parameters are determined by using recursive least-square algorithm. In order to calculate the antecedent structure more efficiently, the input parameters are anti-inferenced according to consequent parameters. Finally, simulation examples illustrate the effectiveness of the method. |
| Keywords: | T-S fuzzy model|augmented input variables|kernel fuzzy ??-means|clustering evaluation function |
| 点击此处可从《控制与决策》浏览原始摘要信息 | |
| 点击此处可从《控制与决策》下载全文 | |