基于T-S模糊模型的辨識(shí)方法的研究.pdf

1、本文主要研究的是基于T-S模糊模型的辨識(shí)方法。在由模糊c均值聚類算法和遞推最小二乘算法組成的傳統(tǒng)辨識(shí)方法的中，前、后件參數(shù)分別基于不同的目標(biāo)函數(shù)來辨識(shí)，導(dǎo)致最終得到系統(tǒng)整體參數(shù)只是T-S模糊模型辨識(shí)目標(biāo)函數(shù)的一個(gè)局部最優(yōu)解。且模糊c均值聚類算法受初始值影響較大，不同的初始值會(huì)導(dǎo)致得到不同的前件參數(shù)，給系統(tǒng)建模帶來一定的不確定性。為了解決這些問題，對(duì)將前件參數(shù)和后件參數(shù)同時(shí)基于T-S模糊模型辨識(shí)目標(biāo)函數(shù)進(jìn)行優(yōu)化的數(shù)據(jù)驅(qū)動(dòng)辨識(shí)方法進(jìn)行了探討

2、。通過三個(gè)著名的基準(zhǔn)數(shù)據(jù)集的仿真實(shí)例來驗(yàn)證數(shù)據(jù)驅(qū)動(dòng)算法的性能，并證明其用于非線性系統(tǒng)建模的有效性。相對(duì)于傳統(tǒng)辨識(shí)方法，數(shù)據(jù)驅(qū)動(dòng)辨識(shí)算法能夠顯著地提高T-S模糊模型的辨識(shí)精度，并且在規(guī)則數(shù)一定的情況下得到的系統(tǒng)模型具有確定性。
　　通過對(duì)數(shù)據(jù)驅(qū)動(dòng)辨識(shí)算法原理分析發(fā)現(xiàn)該算法中新規(guī)則的中心是從模型的訓(xùn)練數(shù)據(jù)中選出來的，這樣會(huì)帶來一定的局限性，分析認(rèn)為在新規(guī)則中心的周圍還存在更優(yōu)的點(diǎn)。為了解決這一問題引入遺傳算法對(duì)得到的系統(tǒng)T-S模糊模型

3、的整體參數(shù)進(jìn)行精調(diào)，通過仿真實(shí)驗(yàn)結(jié)果證明經(jīng)遺傳算法優(yōu)化后的模型有更高的辨識(shí)精度和泛化能力。同時(shí)，還將由傳統(tǒng)辨識(shí)和數(shù)據(jù)驅(qū)動(dòng)辨識(shí)得到的系統(tǒng)模型經(jīng)遺傳算法優(yōu)化后的模型進(jìn)行了比較，證明了數(shù)據(jù)驅(qū)動(dòng)辨識(shí)算法和遺傳算法組成的混合辨識(shí)方法具有更高的辨識(shí)精度和泛化能力。
　　最后將這種混合辨識(shí)算法應(yīng)用到了光纖陀螺穩(wěn)定平臺(tái)的外環(huán)框架系統(tǒng)的建模中。仿真實(shí)驗(yàn)結(jié)果顯示，相對(duì)于傳統(tǒng)的辨識(shí)方法，數(shù)據(jù)驅(qū)動(dòng)辨識(shí)方法能夠獲得更高辨識(shí)精度的模型，經(jīng)遺傳算法優(yōu)化后的T-