一种新的TS模型辨识算法

合集下载

一种新的T-S模糊模型辨识算法

ｐａｔｃｂｌｙｏｈｓｍｅｈｄｉｄｍｏｓｒｔｄｂｈｉｌｔｎｒｓｌｏｏ —ｅｋｎａｕｎｃａａｒｃｉａｉｔｆｔｉｔｏｓｅｎｔａｅｙｔｅｓｍｕａｉｅｕｔｆｘＪｎｉｓｇｓｆｒａｅｄｔｉｏＢ
ａｏｉｅｒｓｓｅｎｄａｎｎｌｎａｙｔｍ．Ｋｅｒｙｗｏｄｓ：ｆｚｒｉｉｎｓｕｚｙｃｕｓｅｉｇ，Ｔ— ｕｚｄｌｕｚｙｉｎｉｉａｉｎｕｚｙｐａｔｔｏ，ｆｚｌｔｒｎＳｆｚｙｍｏｅ，ｆｚｄｅｔｆｃｔｏ
第９卷第４期２１００年８月
江南大学学报（自然科学版）
ＪｕｎｌｆｉｎｎｎＵｎｖｒｉ（ａｕａｃｅｃｉｏ）ｏｒａａｇａｉｅｓｙＮｔｒｌｉｎｅＥｄｔｎｏＪｔＳｉ
Ｖｏ．Ｎｏ．１９４Ａｕｇ２０１．０
件参数，小二乘法对模糊模型的后件参数进行辨识。用ＢｘＪｎｉｓ气炉数据和一个非线性最应ｏ．ｅｋｎ煤
系统进行仿真实验，结果证明了该方法的有效性与实用性。
关键词：模糊划分；糊聚类； — 糊模型；模ＴＳ模模糊辨识中图分类号：Ｐ２３文献标识码：文章编号：６１—７４（００）４—０６Ｔ７Ａ１７１７２１０４６—０５
为解决多维模糊推理过程中推理规则过于庞大的问题，９５年Ｔｋｇ—ｕｅｏ出了ＴＳ１８ａａｉｇｎ提Ｓ — 模糊模

基于TS模型的非线性系统模糊辨识算法

Ｖ１２Ｎ．ｏ．９ｏ６Ｄｃ２１ｅ．００
基于ＴＳ模型的非线性系统模糊辨识算法
张伟，张蛟龙，宋运忠
４４０）５００（南理工大学电气工程与自动化学院，河南焦作河
摘要：对一类采样数据较均匀的非线性系统，提出一种基于Ｔｓ模型的系统辨识算法．首先利用等分区间法对输入空间进行前提结构的划分，并根据所选定的隶属度函数确定每个输入
０引言
在实际的工业过程控制中，经常存在各种各样的非线性、干扰及不确定性等因素，传统的建模方
法很难建立起系统的数学模型．而模糊建模适于表达复杂系统的动态特性，已经成为非线性系统建模中的一种重要工具Ｈ．在模糊模型中较流行的是Ｔｋｇ —Ｓｇｎａａｉｕｅｏ模型严格证明Ｔｓ模糊模型可以任意精度逼近定义在紧致集上的非线性函数接起来，形成描述非线性函数的全局模糊模型．（称Ｔ简Ｓ模型），有学者已．ＴＳ模型类似于一个近似
ＡｂｔａｔＡｎｉｅｔｃｔｏｌｏｉｈｂｓｄｏｕｚｏｅｓｐｏｏｅｏｈｏｌｎａｙｔｍｓＦｉｓ．ｓｒｃ：ｄｎｉａｉｎａｇｒｔｍａｅｎＴＳｆｚｙｍｄｌｗａｒｐｓｄｆｒｔｅｎｎｉｅｒｓｓｅｉｆｒｔ
Ｓｍｕａｉｎｒｓｌｓｓｏｔａｈｔｄｉｆｅｔｖｎｄｈｉｈｒｐｅｉｉｎ．ｉｌｔｅｕｔｈｗｈｔｔｅｍｅｈｏｓｅｆｃｉｅａｇｅｒｃｓｏｏ

基于T-S模糊模型的模型参考自适应逆控制

基于T-S模糊模型的模型参考自适应逆控制刘福才;刘砚;窦金梅;张艳欣【摘要】针对非线性系统,提出一种基于T-S模糊模型的模型参考自适应逆扰动消除控制方法.所提方法根据模糊辨识理论与模型参考自适应逆控制各自的特点,将两者相结合.首先,根据模糊系统理论,分别采用模糊对角线划分和递推最小二乘算法进行前提和结论参数辨识,离线辨识得到对象模糊模型和逆对象模糊模型.将辨识出的对象逆设为原始控制器,与被控对象串联；为了分离出系统扰动信号,将辨识出的对象模型与被控对象并联,通过被控系统与对象模型输出做比较,再通过逆对象模型反馈到系统输入端,组成扰动消除环节.用最小均方差算法在系统运行过程中在线调节逆对象模糊模型参数,使其输出误差最小.最后,使用所提方法对一混合非线性系统及输入/输出非线性系统进行仿真试验,仿真结果验证了所提方法的有效性.【期刊名称】《系统工程与电子技术》【年(卷),期】2013(035)009【总页数】8页(P1940-1947)【关键词】T-S模糊模型;模型参考自适应逆控制;扰动消除;最小均方差滤波算法【作者】刘福才;刘砚;窦金梅;张艳欣【作者单位】燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004;燕山大学工业计算机控制工程河北省重点实验室,河北秦皇岛066004【正文语种】中文【中图分类】TP130 引言文献[1]提出的自适应逆控制不同于以往给出的自适应控制方式和传统反馈控制，而是借助于自适应滤波技术建立起来的一种控制方式——自适应逆控制，这种控制方法容易应用和理解。

其基本思想是用非线性对象传递函数的逆作为控制器去驱动对象，若对象是未知的，就必须先辨识出对象的逆。

由此可见，自适应逆控制本质上是一种开环控制，避免了因传统的反馈可能引起的不稳定问题。

T_S模糊模型的一种简单辨识算法

广义的 Hough 变换方法是, 对任意形状区域的边界, 在区域内找到一特征点, 取边界上任意一个边界点, 连接特征点与边界点之间的线段定
义为它们的差向量, 将边界点的切线方向与差向量的夹角进行 n 种可能状态的离散化# 如果一个区域边界上大部分点都具有这 n 种可能的夹角, 那么描述这条边界曲线形状特征的直线就可以确定# Hough 变换的过程其实是设计了一个累加器, 依照变换关系计算了( r 0, H0) 可能的参考轨迹, 并在累加器中统计了参考点数, 而要找的点 ( r 0, H0) 就是累加次数最多的参考点#
师#
3 06
东北大学学报( 自然科学版)
第 28 卷
种改进的算法#虽然也将输入数据归类, 但不像聚类方法那样需要寻找聚类的中心点#本算法只考虑了数据点与直线的接近程度, 并以此得到某个输入数据点归属某一类的隶属度; 同时考虑输入数据点邻近直线对该点输出的影响程度, 得到 T- S 模型的输出#本算法不用对输入数据进行大量的循环计算, 所以辨识算法简单#
本文利用文献 [ 9] 的思想, 针对一非线性 SISO 系统得到如图 1 所示的直线#
图 1 利用 Hough 变换在图形中得到直线 Fig. 1 Linear segments obtained by Hough tr ansform
这里将每条直线的参数用作模糊模型的后件参数, 同时这些直线依次的交点将输入数据分割成若干个区间, 即这些直线已经把输入数据进行了分类#至此 T- S 模糊模型的前件结构的辨识和后件参数的辨识已经完成#
( 结构辨识) 以及输入变量对各个模糊子集的隶属度 ( 前件参数辨识 ) 和后件部分 bij 的值 ( 后件参数辨识) [ 1, 8] #

基于智能优化算法的T-S模糊模型辨识

ｐｒｏｄｄｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅｄｅｓｃｒｉｂｅｄｍｅｔｈｏｄｓａｒｅａｐｐｌｉｅｄｔｏｔｈｅｍｏｄｅｌｉｎｇｏｆａｎｏｎｌｉｎｅａｒｄｙｎａｍｉｃｓｙｓｔｅｍ，ａｎｄｔｈｅｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓａｒｅａｎａｌｙｚｅｄｉｉｆｄｅｔａｉｌ．Ｔｈｉｓｐａｐｅｒｐｒｏｖｉｄｅｓａｎｏｐｐｏｒｔｕｎｉｔｙｆｏｒａｆｕｒｔｈｅｒｕｎｄｅｒｓｔａｎｄｉｎｇｏｆｔｈｅｅｆｆｅｃｔｓｏｆｔｈｅｓｅｍｅｔｈｏｄｓｏｎｔｈｅｐｒｏｃｅｓｓｏｆｐａｒａｍｅｔｅｒｓｏｐｔｉｍｉｚａｔｉｏｎｉｎｆｕｚｚｙｍｏｄｅｌｉｎｇ．
文章编号：１００１５０６ｘ（２０１３）１２２６４３ — ０８
网址：ｗｗｗ．ｓｙｓｅｌｅ．ｃｏｎｒ
基于智能优化算法的Ｔ — Ｓ模糊模型辨识
刘福才，窦金梅，王树恩
（燕山大学工业计算机控制工程河北省重点实验室，河北秦皇岛０６６００４）
第３５卷
第１２期
系统工程与电子技术
ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇａｎｄＥｌｅｃｔｒｏｎｉｃｓ

遗传算法在T-S模糊模型参数辨识中的应用

遗传算法在T-S模糊模型参数辨识中的应用
乔孟丽;张景元
【期刊名称】《福建电脑》
【年(卷),期】2006(000)003
【摘要】介绍了T-S模糊模型的建模过程,在现有T-S模糊模型参数辨识方法的基础上,提出了一种先应用最小二乘法对结论参数进行粗略辨识,以确定参数的大致范围之后,再应用遗传算法对前提参数和结论参数同时优化的参数辨识方法.通过MATLAB对本算法进行了仿真,并对非线性函数进行了逼近实验,所取得的结果令人满意.
【总页数】3页(P89-91)
【作者】乔孟丽;张景元
【作者单位】临沂师范学院,信息学院,山东,临沂,276005;山东理工大学,计算机科学与技术学院,山东,淄博,255049
【正文语种】中文
【中图分类】TP3
【相关文献】
1.T-S模糊模型在锅炉汽包水位建模中的应用 [J], 陈宇;吴楠;王志宇;张春龙
2.遗传算法在模糊模型参数辨识中的应用 [J], 张景元
3.T-S模糊模型在跳汰机排料系统中的应用 [J], 付家才;滕吉荣
4.基于T-S模糊模型的预测控制算法在城轨列车制动控制中的应用 [J], 王晓侃; 王
琼
5.遗传算法在T-S模糊模型辨识中的应用 [J], 廖俊;朱世强;林建亚;任德祥
因版权原因，仅展示原文概要，查看原文内容请购买。

集员辨识与T—S模型相结合的非线性系统建模及其故障检测算法

模和故障检测与诊断的难度。文献［］集员辨识６将方法成功的应用于数学模型不精确已知系统的故障检测问题，直接讨论的是参数线性模型，但未涉及非
线性系统建模问题。本文讨论了带有未知但有界
而精确的给出实际系统输出的区间估计，系统的为
为了划分输入空间，需要引入模糊聚类算法。输入给定样本集，，， ∈ Ｒ设聚类数 … ”，为Ｃ，义如下广义目标函数：定
Ｉ，＝∑ ∑ （）一ｉＩ露ＩＩ
数。由于建模误差和系统噪声有界，识Ｔｓ模型辨．
Ｙ＝∑ ｙ一厶ｙｉ
（ｚ２）
的结论参数可以转化为参数线性的集员辨识问题。这样做的好处是：１算法只要求噪声幅值有界，（）不受其统计特性的影响；２可以给出结论参数的集合（）估计，由此可估计出Ｔｓ模型的逼近精度，而方便 — 进
其中，是输入变量，＝［，，，ｆｃＲ１２ … ＾ ”；］
Ａ是第ｉ模糊集合，的中心向量露个Ａ＝［露露
…
，
露，隶属度函数］其
＝Ａ（， … ，，露，
（Ｂ）声的非线性系统的建模及其故障检测问ＵＢ噪
法的性能。
关键词：辨识；非线性系统；集员；ＴＳ模糊模型；故障检测．

一种基于改进FCM划分算法的T—S模型辨识

领域中取得较好的应用效果。关键词：糊聚类；糊辨识建模；Ｓ模型；糊划分模模Ｔ— 模
中图分类号：２３４ＴＰ７＋．
文献标识码：Ａ
文章编号：１７ —０ｘ（ｏ９Ｏ —４７０６３８８２ｏ）６０８— ３
ａｇｒｔｍ，Ｓｓｔｋｈｅｕｔｏａｔｉｎａｃｓｐｓｉｌｅｅｄｏｈｉｔｉｕｉｇｏａｄｔ．ＴｈｎｌｏｉｈＯａｏｍａｅｔｅｒｓｌｆｐｒｉｏｓｍｕｈａｏｓｂｅｄｐｎｎｔｅｄｓｒｂｔｆｒｗａａｔｎｅｔｅｆｚｙｐｒｉｏｌｏｉｍｆｒｍｅｔｎｄｉｕｅｏｃｒｙｏｔｔｅｆｚｙｉｅｔｉａｉｎｍｏｅｉｇｏｈｙｔｍｈｕｚａｔｔｎａｇｒｔｉｈａｏｅｎｉｅｓｓｄｔａｒｕｈｕｚｄｎｉｃｔｄｌｆｔｅｓｓｅｏｆｏｎ
ＡｉｆｉｅｉｉａｉｎｆｒＴ— ｏｌｂｓｄｏｋｎｄｏｄｎｔｆｃｔｏｏＳｍｄｅａｅｎ
ｉｐｏｅｍｒｖｄＦＣＭａｔｔｏｌｏｉｈｐｒｉｉｎａｇｒｔｍ
ＣＨＥＮ，ＮＯＮＧ — ｉｇＹｅＹｉｎｎ
（ｃｏｌｆＥｅｔｏｉＥｇｎｅｉｇ，ｉｎＵｎｖｒｉｆＥｅｔｏｉＴｅｈｏｏｙＳｈｏｌｃｒｎｃｎｉｅｒｏｎＧｕｌｉｅｓｔｏｌｃｒｎｃｃｎｌｇ，Ｇｕｌ４０４Ｃｈｎ）ｉｙｉｎ５１０，ｉａｉ

基于T-S模型的模糊辨识方法及其应用研究

基于T-S模型的模糊辨识方法及其应用研究随着工业自动化技术的快速发展，越来越多的复杂系统被应用于现实生活中。

这些系统的复杂性使得传统的模型预测和控制方法难以胜任。

模糊辨识方法作为一种新兴的非线性系统建模和控制技术近年来得到了广泛应用。

其中，基于 T-S 模型的模糊辨识方法是一种常用的方法，它将系统的状态空间划分为一系列的子空间，并通过构建模糊规则来实现系统的建模。

一、T-S 模型简介T-S 模型是由 Takagi 和 Sugeno 在 1985 年提出的，它是一种特殊的前向神经网络。

T-S 模型是基于线性子模型的一种混合系统建模方法，它将非线性系统划分为一系列的线性子模型，并在每个子模型上进行线性建模，然后将所有的线性子模型通过模糊规则进行组合，从而得到一个全局的非线性模型。

在T-S 模型中，每个子模型包含了一个线性输出和一组参数，这些参数通过模糊规则进行调节。

T-S 模型的主要优点是可以有效地处理非线性系统，并且可以对系统中的不确定性进行建模和控制。

二、T-S 模型的模糊辨识T-S 模型的模糊辨识通常包括以下五个步骤：1. 确定 T-S 模型的结构：包括模糊集的选择、模糊规则的生成、模糊子系统的数量等。

2. 确定模糊子系统的参数：包括模糊规则的隶属度函数、模糊子系统的输入变量和输出变量、模糊子系统的权重系数等。

3. 构建初始模型：通过 T-S 模型的线性化方法得到初始模型。

4. 模型训练和优化：通过仿真和实验数据的反馈，利用最小二乘法、遗传算法等方法对模型进行优化。

5. 模型验证和应用：对模型进行验证并应用于实际工程问题。

如控制、诊断等领域。

三、应用案例基于 T-S 模型的模糊辨识方法已经应用于许多领域，如控制、诊断、故障检测等。

下面以控制领域中的应用为例。

某工厂生产过程中需要对裁切机进行控制，以确保产品的质量和生产效率。

但是由于生产过程中存在各种不确定性，传统的PID 控制方法不够精确。

因此，研究人员采用了基于 T-S 模型的模糊辨识方法来建立控制模型。

T-S模糊模型

X
Y
R1
1
R3 R2
4 4.5 7.0 8.5 10
small
middle big
X
4
7
8.5
10
R1 If x 是
big
4 10
Then y = 0.2x + 9
7
R2 If x 是
R3 If x 是
small
0
Then y = 0.6x + 0.2 Then y = 1.2x - 3
middle
i ( z (t ))表示z (t )属于M i的隶属函数，同时也表示第i条规则的试用度.
反模糊化
工业控制中广泛使用的反模糊方法为加权平均法，则可得整个系统的状态方程为：
例：假设已知三条T-S模糊规则，分别为R1、R2、R3，如下： R1： if x1 is mf1 and x2 is mf3 then y1=x1+x2； R2： if x1 is mf2 then y2=2x1；

If X为 small and Y为 small then Z -x y -3
If X为 small and Y为 big then Z x y 1
If X为 big and Y为 small then Z -2y 2
If X为 big and Y为 big then Z 2x y 6
传统模糊系统：变量模糊化 T-S 模糊模型：系统模型模糊化逻辑推理解模糊化线性函数逻辑推理解模糊化模糊值
如图用3条线性规则逼近原函数。输入-输出对的数据已知，这里假定只有1个输入变量,它被划分为3个模糊集合,即大、中、小。可描述的规则如下：

一种新的T—S模糊模型数学建模方法

关键词：Ｔ—Ｓ模糊模型；泰勒级数；麦克劳林级数；非线性
中图分类号：Ｃ９３４．１文献标志码：Ａ文章编号：１６７３— ０５６９（２０１４）０３— ０２６５— ０５
０引言
Ｔａｋａｇｉ和Ｓｕｇｅｎｏ在１９８５年提出了基于模型的模糊控制系统，简称为Ｔ—Ｓ模糊模型 … ，一些文章中证明了Ｔ—Ｓ模糊系统可以以任意精度逼近的任意一个闭集上的连续函数．这样就可以利用线性系统
的理论与方法分析和设计模糊控制系统，该方法可以将非线性系统的稳定性分析转化为局部的线性时变
ｅｘｔｒｅｍｅ ” 子系统的稳定性分析．这样许多非线性系统可以用Ｔ— Ｓ模糊系统表示并且使设计者可以利用传统的线性系统方法去分析和设计模糊控制系统．Ｔ— ｓ模糊控制是基于模型的模糊控制研究平台的最流行最有前途的方法之一．目前，Ｔ—Ｓ模糊控制是非线性系统控制研究非常流行的方法之一【３一．
＝
对于非线性系统（１）中的非线性项来讲，出现较多的就是ｓｉｎｘ，ＣＯＳＸ，ｓｉｎ，ＣＯＳ等三角函数的非线性
项，在数学建模过程中对于它们的处理方法也有很多，如结合扇形非线性的方法将ｓｉｎｘ和ＣＯＳＸ等项进行约束．在这种模型的计算中，很明显，它的模型很精确，但是模糊规则的数量却很多，这对于控制器的设计会带来很大的困难，尤其是对于非线性项很多的系统．有的文献中对于ｓｉｎｘ等非线性项的处理方法是运用ｓｉｎ＋ＣＯＳ＝１这一性质，但需要ｓｉｎｘ和ｃｏｓｘ的次数相等才能计算，对于ｓｉｎｘ和ＣＯＳＸ的次数不同的情

一种T-S模糊模型的辨识方法

一种T-S模糊模型的辨识方法
王凡;杨公训
【期刊名称】《微计算机信息》
【年(卷),期】2006(000)09S
【摘要】将一种基于三角形隶属函数的T-S模糊系统用于非线性系统的辨识中。

该方法可以很方便地确定输入空间的划分及隶属函数的形状，并且对于给定的输入量系统输出的计算只需要少量的推理规则参与，减少了计算量。

最后通过仿真实例说明本方法的有效性。

【总页数】3页(P290-292)
【作者】王凡;杨公训
【作者单位】中国矿业大学（北京）,北京100083
【正文语种】中文
【中图分类】TP18
【相关文献】
1.规则递归T-S模糊模型及其辨识方法 [J], 梁炎明;刘丁
2.比例规则后件的T-S模糊模型辨识方法 [J], 赵奇;刘开第;侯朝桢
3.一种T-S模糊模型的聚类分析与辨识方法 [J], 刘翠
4.基于移动率的T-S模糊模型的结构辨识方法 [J], 李晶皎;许哲万;郭先日;李海朋
5.一种T-S模糊模型的辨识方法 [J], 王凡;杨公训
因版权原因，仅展示原文概要，查看原文内容请购买。

T-S模糊模型的辨识

两类T-S 模糊模型的建模方法T-S 模糊模型的辨识有两种方法：通过运动方程建立T-S 模糊模型和通过输入输出数据利用模糊C 均值聚类算法、最小二乘法、遗传算法等拟合算法辨识模型参数。

1. 通过运动方程建立T-S 模糊模型。

这种方法首先要对系统进行运动分析，然后得到运动状态的状态空间形式（非线性），再利用T-S 模糊模型分段近似，得到系统的T-S 模糊模型。

实例：一级倒立摆系统的模型建立[模糊控制系统的设计及稳定性分析P45]现在利用一般的线性化方法构造局部模型。

假设系统的真值模型为：()()x f x g x u =+ （1）其中x 是系统的状态变量，u 是系统的输入，(),()f x g x 均是关于x 的非线性函数。

为了方便，记(,)()()F x u x f x g x u ==+ （2）将(,)F x u 在工作点00(,)x u 用泰勒级数展开法可得：00000,000(,)()|()|()...x x x x u u u u F Fx F x u F x u x x u u x u ====∂∂==+-+-+∂∂ （3）上式中00000(,)()()F x u f x g x u =+，记00|x x u u F A x ==∂=∂，00|x x u u FB u ==∂=∂，并忽略式（3）中的高次项得：0000((,))x Ax Bu F x u Ax Bu =++-- （4）1.1若00(,)(0,0)x u =且是系统的平衡点，则00(,)(0,0)0F x u F ==，此时可得平衡点00(,)(0,0)x u =处的一个局部线性化模型x Ax Bu =+ （5）其中0000|x x u u F A x ====∂=∂，0000|x x u u FB u ====∂=∂。

1.2若00(,)x u 既不是平衡点，又不满足00(,)(0,0)x u =，我们采用下面的线性化方法。

规则递归T-S模糊模型及其辨识方法

ｕｉｇａｆｚｙｃｕｔｒｎｌｏｉｈｔａａｅｎｔｅｆｒｎｔｅｇｈｏｈｕｅｓｎｕｚｌｓｅｉｇａｇｒｔｍｈｔｂｓｓｏｈｉｉｇｓｒｎｔｆｔｅｒｌ，ｗｈｌａａｔｒｉｐｒｍｅｅｓｅｏｈｃｎｅｕｎｎｈｅｕｓｏｒｃｉｖｄｂｎｉｔｇａｅｄｎｉｉａｉｎｍｅｈｄｔａｆｔｅｏｓｑｅｔａｄｔｅｒｃｒｉｎａｅａｈｅｅｙａｎｅｒｔｄｉｅｔｃｔｔｏｈｔｆｏ
（安理工大学自动化与信息工程学院，７０４，西安）西１０８
摘要：针对传统ＴＳ模糊模型不能较好描述系统时变特性的问题，出了一种基于递归策略的动 — 提态ＴＳ模糊模型及其辨识方法．规则递归ｒＳ模糊模型在传统ＴＳ模糊模型基础上，＿ｒ．＿增加了具有
ｆｉｇｓｒｎｔ．Ｔｈｓｔｅｆｒｎｓｒｎｔｆａｒｌａｉｓｄｎｍｉａｌｎｒｃｒｉｅｙａｄｉｎｔｅｇｈｒｕ，ｈｉｉｇｔｅｇｈｏｕｅｖｒｅｙａｃｌａｄｅｕｓｖｌ，ｎｙ
ｅｆｃｉｅｙｄｓｒｂｓｔｅｄｎｍｉｐｏｅｓｏｈｙｔｍ．ＩｒｅｏｍａｅＴＦＭ＿ｆｅｔｌｅｃｉｅｈｙａｃｒｃｓｆｔｅｓｓｅｖｎｏｄｒｔｋＲＲａｅｒｈｓｆｗｅｒｌｓａｄｇｏｅｅａｉａｉｎｃｐｂｌｉｓｐｒｍｅｅｓｏｈｎｅｅｅｔｏｕｅａｅａｈｅｅｕｅｎｏｄｇｎｒｌｔａａｉｔ，ａａｔｒｆｔｅａｔｃｄｎｆａｒｌｒｃｉｖｄｚｏｉｅ

基于T-S模型的非线性系统模糊聚类辨识方法

维普资讯
ＣｍｕｅｎｅｒｇａｄＡｐｉａｏｓｏｐｔｒＥｎｅｉｎｐｌｔｎ计算机工程与应用ｎｃｉ
２０，３２）２９０７４（９３
基于ＴＳ模型的非线性系统模糊聚类辨识方法 —
李目，２刘祖润２年晓红３谭文２，，
ＬＩｕ，ＵＺｕ— ｕＮＩｎＬＩｒｎ，ＡＮＸｉｏｈｎ。ｔａ．ｅｈｄｆｎｎｉｅｒｙｔｍｓｄｎｉｃｔｏｗｉｆｚｙｌｓｅｉｇａｅｏａ－ｏｇｅ１ｔｏｏｏｌａｓｓｅｉｅｔａｉｎＭｎｉｆｔｕｚｃｕｔｒｎｂｓｄｎｈ
ｆｃｔｉａｉａｔｅｈｖｅｍｐｏｅｔｇｎｅａｉａｉｎｂｉｉａｓｈａｅｅｏｖｄｈｅｙｔｍｐｒｂｌｍｏｈｃｍｐｌａｔｄｏｎ，ｎｄｈｎａｉｒｖｄｈｅｅｒｌｚｔｏａｌｔｌｏｙ，ｖｒｓｌｅｔｓｓｅｏｅｆｔｅｏｉｅｄｅｒｅｘ］ｃｇｅｅａ一
ＴａａｉＳｇｎｄ１ｍｐｔｒＥｎｉｅｒｎｎｋｇ－ｕｅｏｍｏｅ．ＣｏｕｅｇｎｅｉｇａｄＡｐｐｉａｉｎ，０７，３２：３－４．ｌｔｓ２０４（９）２９２１ｃｏ
ＡｂｓｒｔＡｍｅｈｏｏｎｉａｓｓｅｓｄｅｔｆｃｔｏｗｉｈｕｚｙｌｓｅｉｓｄｎｔａｃ：ｔｄｆｎｏｌｎｅｒｙｔｍｉｎｉａｉｎｉｔｆｚｃｕｔｒｎｇｂａｅｏＴ－Ｓｍｏｌａｂｅｐｒｏｅｉｔｉｐ — ｄｅｈｓｅｎｏｐｓｄｎｈｓａ

一种新型T-S模糊模型辨识方法[发明专利]

专利名称：一种新型T-S模糊模型辨识方法
专利类型：发明专利
发明人：张楠,薛小明,姜伟,曹苏群,孙娜,施丽萍申请号：CN202010486173.4
申请日：20200601
公开号：CN111898628A
公开日：
20201106
专利内容由知识产权出版社提供
摘要：本发明涉及复杂非线性系统建模领域，公开了一种新型T‑S模糊模型辨识方法，该方法结合模糊C回归聚类算法和最小二乘支持向量机提出一种新型聚类算法，在此基础上，运用本发明设计的改进启发式优化算法进一步优化模糊模型前件参数，最后采用最小二乘法进行后件参数辨识。

与现有技术相比，本发明设计的新型T‑S模糊模型辨识方法，采用最小二乘支持向量机描述聚类子模型，可有效提高聚类算法的空间划分能力，同时运用一种改进启发式优化算法优化前件参数，能得到更精确的辨识参数，显著提高模型的建模精度。

申请人：淮阴工学院
地址：223005 江苏省淮安市经济技术开发区枚乘东路1号
国籍：CN
代理机构：淮安市科文知识产权事务所
代理人：李锋
更多信息请下载全文后查看。

T-S模糊模型的一种简单辨识算法

T-S模糊模型的一种简单辨识算法
常晓恒;井元伟;姜雪梅;刘晓平
【期刊名称】《东北大学学报（自然科学版）》
【年(卷),期】2007(028)003
【摘要】讨论了T-S模糊模型的辨识问题,以直线作为数据分类的目标,提出了一种改进的简单辨识算法.首先采用Hough变换,根据给定的输入输出数据,得到了模型后件部分的直线方程,并辨识出结论参数,然后依照得到的直线对输入数据进行分类.考虑输入数据与相应直线的接近程度,以及邻近直线对输入数据的影响程度,辨识出了模型的前件参数.本算法不需要对数据的循环计算,从而大大减少了计算量.仿真例子说明了本算法对T-S模糊模型辨识的有效性.
【总页数】3页(P305-307)
【作者】常晓恒;井元伟;姜雪梅;刘晓平
【作者单位】东北大学,信息科学与工程学院,辽宁,沈阳,110004;东北大学,信息科学与工程学院,辽宁,沈阳,110004;辽宁科技大学,电子与信息工程学院,辽宁,鞍
山,114044;东北大学,信息科学与工程学院,辽宁,沈阳,110004
【正文语种】中文
【中图分类】TP13
【相关文献】
1.基于BFO聚类算法的T-S模糊模型辨识 [J], 敖培;李怀芝;任化娟;陶长青;李明;杨百顺;赵四方;李延强
2.一种新的T-S模糊模型辨识算法 [J], 焦嵩鸣;施建中;王东风;韩璞
3.基于PSO的T-S模糊模型辨识算法预测空气预热器温度 [J], 苏芳
4.基于细菌群体趋药性算法的T-S模糊模型辨识 [J], 明飞
5.一种T-S模糊模型的自组织辨识算法及应用 [J], 梁炎明;刘丁
因版权原因，仅展示原文概要，查看原文内容请购买。

一种区间二型T-S模糊模型辨识算法

一种区间二型T-S模糊模型辨识算法
尹健
【期刊名称】《仪器仪表用户》
【年(卷),期】2022(29)10
【摘要】针对基于传统一型T-S模糊模型的系统辨识方法在处理系统不确定性方面的缺陷,提出了一种区间二型T-S模糊模型辨识算法。

该算法首先利用区间二型模糊C均值聚类进行前件参数的辨识,在区间二型模糊集合的降阶部分,采用一种直接降阶算法,避免了传统KM降阶算法的迭代过程。

其次,利用最小二乘算法进行T-S模糊模型的后件参数辨识。

通过两个典型的非线性系统的仿真实例表明,本文的辨识算法具有较高的辨识精度。

【总页数】4页(P100-103)
【作者】尹健
【作者单位】华能国际电力江苏能源开发有限公司南通电厂
【正文语种】中文
【中图分类】TP273
【相关文献】
1.T-S模糊模型的一种简单辨识算法
2.一种新的T-S模糊模型辨识算法
3.基于区间二型T-S模糊模型的网络控制系统的输出反馈预测控制
4.一种T-S模糊模型的自组织辨识算法及应用
5.一种基于DOS攻击观测器的区间二型T-S模糊系统的安全控制方法
因版权原因，仅展示原文概要，查看原文内容请购买。