T-S模糊模型可辨識條件及其應用.pdf

1、由于傳統(tǒng)方法不能有效地對復雜和不確定系統(tǒng)進行建模，因此需要尋找一種能夠描述非線性系統(tǒng)的全局函數(shù)或解析結(jié)構(gòu)。模糊建模是一種有效描述復雜或病態(tài)、非線性、不確定性系統(tǒng)的方法。本文緊緊圍繞著非線性系統(tǒng)模糊建模和辨識方法展開討論和研究。 首先，本文對模糊辨識方法中遇到的基本定義和原則給予了介紹。在此基礎上，對模糊系統(tǒng)的分類和逼近性能做了介紹。 其次，討論使用模糊系統(tǒng)方法辨識的可辨識性問題。首先，選用標準的Mamdani型模糊系統(tǒng)，

2、劃分模糊模型的輸入空間，選取隸屬度函數(shù)，確定該模糊系統(tǒng)的規(guī)則數(shù)目和規(guī)則，使用遞推最小二乘算法進行辨識。研究了該辨識方案的有關性能，給出了模型參數(shù)的估計值收斂到其真實值所需的持續(xù)激勵條件。利用對二階非線性移動平均模型的辨識驗證了持續(xù)激勵條件的有效性，并給出了均方誤差。其次，研究了用T-S模糊系統(tǒng)實現(xiàn)非線性系統(tǒng)建模的可辨識性問題。在已確定輸入空間的情況下，研究模糊建模的可辨識條件，給出了基于列主元QR分解的判別方法。采用該方法對非線性系統(tǒng)進

3、行建模研究，實驗結(jié)果表明了所提出方法的有效性。 第三，討論采用檢驗模型擬合優(yōu)度法確定模糊模型的結(jié)構(gòu)。在實際系統(tǒng)中，通過采樣得到的輸入輸出測量數(shù)據(jù)往往具有噪聲、干擾和變量之間耦合等不確定因素，使得描述系統(tǒng)的模糊關系矩陣，其列間可能存在線性相關性。針對上述問題，提出了利用目標函數(shù)確定非線性系統(tǒng)結(jié)構(gòu)和參數(shù)的方法。首先，通過目標函數(shù)與參數(shù)估計一起進行遞推計算，進而實現(xiàn)對模糊模型結(jié)構(gòu)簡化。采用了U-D分解方法確定模糊模型的結(jié)構(gòu)，降低了計算