基于T-S模糊模型的辨識方法的研究.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，導(dǎo)致最終得到系統(tǒng)整體參數(shù)只是T-S模糊模型辨識目標(biāo)函數(shù)的一個局部最優(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，對將前件參數(shù)和后件參數(shù)同時基于T-S模糊模型辨識目標(biāo)函數(shù)進(jìn)行優(yōu)化的數(shù)據(jù)驅(qū)動辨識方法進(jìn)行了探討

2、。通過三個著名的基準(zhǔn)數(shù)據(jù)集的仿真實例來驗證數(shù)據(jù)驅(qū)動算法的性能，并證明其用于非線性系統(tǒng)建模的有效性。相對于傳統(tǒng)辨識方法，數(shù)據(jù)驅(qū)動辨識算法能夠顯著地提高T-S模糊模型的辨識精度，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。
　　通過對數(shù)據(jù)驅(qū)動辨識算法原理分析發(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。為了解決這一問題引入遺傳算法對得到的系統(tǒng)T-S模糊模型

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