基于和聲搜索算法的T-S模型混合辨識(shí)方法.pdf

1、本課題受?chē)?guó)家自然科學(xué)基金項(xiàng)目資助，項(xiàng)目批準(zhǔn)號(hào)60874084。本文主要研究對(duì)象是基于T-S模型的辨識(shí)方法。
　　近年來(lái)，T-S模型因其在利用觀測(cè)數(shù)據(jù)建立非線性系統(tǒng)模型上的良好效果而受到了廣泛關(guān)注。通常，建立T-S模型包括輸入變量選擇、隸屬函數(shù)選擇以及參數(shù)優(yōu)化三個(gè)方面。當(dāng)模型的輸入變量以及隸屬函數(shù)確定后，T-S模型建模就轉(zhuǎn)變?yōu)橐粋€(gè)多維非線性參數(shù)優(yōu)化問(wèn)題。這也是目前許多T-S模型辨識(shí)方法所致力于解決的問(wèn)題。
　　傳統(tǒng)的T-S模型

2、辨識(shí)方法，如模糊C均值聚類(lèi)(FCM)算法與最小二乘法結(jié)合的辨識(shí)方法，常導(dǎo)致無(wú)法找到最優(yōu)解，因?yàn)槠鋬H基于一組前件參數(shù)得到最優(yōu)的后件參數(shù)。這種方法通常會(huì)在復(fù)雜多維的參數(shù)空間內(nèi)陷入局部極值點(diǎn)。為了解決這個(gè)問(wèn)題，本文設(shè)計(jì)了一種混和辨識(shí)算法(HIA)，通過(guò)將和聲搜索算法(HS)、FCM算法與最小二乘法有機(jī)結(jié)合，實(shí)現(xiàn)前件參數(shù)和后件參數(shù)的同時(shí)優(yōu)化。
　　HIA將待優(yōu)化參數(shù)空間分為前件參數(shù)子空間與后件參數(shù)子空間兩個(gè)部分，并在不同的子空間采用不同的

3、優(yōu)化方法：在前件參數(shù)子空間中采用和聲搜索算法進(jìn)行優(yōu)化，而在后件參數(shù)子空間中采用最小二乘法進(jìn)行優(yōu)化。和聲搜索算法作為一種后啟發(fā)式的隨機(jī)優(yōu)化算法，其引入使得HIA不依賴(lài)于待優(yōu)化函數(shù)的梯度信息以及初始點(diǎn)的選擇，并確保了整個(gè)優(yōu)化過(guò)程向著全局最優(yōu)點(diǎn)的方向收斂。同時(shí)，HIA中通過(guò)誤差反饋建立兩個(gè)優(yōu)化過(guò)程之間的內(nèi)在聯(lián)系，使得算法的搜索效率及辨識(shí)精度都得到很大的提高。
　　本文采用三個(gè)例子對(duì)HIA的性能進(jìn)行仿真驗(yàn)證，然后將HIA應(yīng)用到了光纖陀螺穩(wěn)