【智能控制】模糊辨识-3.pptVIP

* 模糊系统辨识 模糊系统辨识的问题分类 1、静态系统的辨识，它包括： 1）参数辨识 2）结构辨识 2、动态系统的辨识 1）结构辨识 2）系统行为的辨识 ● 一般情况下的静态模糊辨识问题 在一般情况下，规则具有以下的形式： R: If f(x1是A1,…, xk是Ak), Then y = g(x1,x2…,xk) 这里：x1 ～ xk 是前提（前件）变量； y:是结论（后件）变量； A1 ～ Ak 是具有非线性的隶属函数的模糊集合。它表示 模糊子空间。规则R在子空间所组成的空间中推理。 f: 连结前件命题的逻辑函数 g: 非线性函数，当x1 ～xk满足前件条件时，表明y的值 模糊辨识的基本要求 式中 即为无条件满足。在前提中 可不必列出。 在线性的情况下，规则可以写成： Ri: 这是Takagi—Sugeno一阶模型。要辨识的内容有： 1）前件变量 的数目，决定系统的阶次，属于结构辨识 2）隶属函数 — 前件参数 3）后件参数 在前件中，如果 等于 的整个论域，（即 ），此项可略去， 无限定，成为无条件。譬如： R2 R3 R1 在输入空间已划分的情况下，模糊辨识的实质就是在所定义 的空间下，给出规则的集合。 X Y 举例： 用3条规则逼近原函数（如 右图)。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： R1 R2 R3 If x 是 If x 是 If x 是 big small middle 4 10 0 7 4 7 8.5 Then y = 0.2x + 9 Then y = 0.6x + 0.2 Then y = 1.2x - 3 与传统的辨识方法相比，模糊辨识的特点在于： 1）可以用较少的规则来逼近函数； 2）可以用语言变量来表达。 模糊辨识的一种方法及步骤 针对Takagi—Sugeno（T—S）模型，辨识步骤： ⑴ 选择前件变量 ⑵ 前件参数辨识 ⑶ 后件参数辨识 非线性规划法 最小二乘法 算法的框架 small middle big ★后件参数辨识 考虑一般化系统，由n条规则组成： R1 Rn 令 当输入数据 后件参数 可以用最小二乘法进行计算。 输入与输出的关系用矩阵形式表示： 其中 后件参数按最小二乘法计算 ★前件参数辨识 在已知输入空间（变量）划分和后件参数的条件下，给 定性能指标，求解非线性规划，使隶属函数的参数最优化，即： 是期望输出 ★前件空间（变量）的划分 第一步 第二步 第三步 x1 x i x k xi-xj xi-xk xi -xj-x1 解决2个问题： ①变量空间的划分； ②模糊子空间的选择，2个 （大、小），3个（大、中 小）或多个。 步骤1 把xi (i=1,2,…k)划分成2个模糊子集,从中选择使特性指标为最小的xi ，称1-i 模型的稳态。 用搜索法 步骤2 从稳态开始，将xi 与其它变量组合，xi –xj ，称2-j 模型，各模型有4个组合，选其中最小的1组，形成2-j的稳态； 稳态 稳态 稳态 步骤3 将xi – xj 与其它变量进行3变量的组合，形成xi-xj-xk,选择最优者，直到 1）特性指标达到预定值；或 2）稳态隐含 过预定值 ● 模糊聚类—模糊结构辨识的一种方法 基本思想：设置合理的指标，按此指标，确定模糊聚类中心， 使模糊输入空间划分优化。 优点：① 分类可自动进行； ② 可利用非结构知识，实行搜索或智能方法。 原理：假定p维实数空间有n个样本（模式），即 假定结构有c类，设定目标函数为： 18(样本） 式中： 是第k个模式属于第i类的程度，满足： ⅰ） ⅱ）所有类非空， m为参数，控制隶属对指标的影响， 描述第k个模式（x K）和聚类中心 vi 之间的距离。 xk vi si 是xk 与vi 之间的距离， 的第二项维数为r的线性簇， 用标积＜·，·＞表示，其大小 反映了样本的分布密度。该 簇由通过vi ，r 个线性独立变量 张成。 r = 1时线性簇的表示 g 是0,1之间参数 定义: 1) 划分矩阵 U 2) 聚类中心 3)广义扩充矩阵 r = 2的情况下几何解释 模糊聚类的算法流程 14 可以证明,只有当