输入变量个数对TS模糊建模精度的影响.pdfVIP

第27卷第1期 模糊系统与数学 Vol·27，No·1 andMathematics Feb·，2013 2013年2月 FuzzySystems 文章编号：1001—7402(2013)01—0040—15 输入变量个数对T—S模糊建模精度的影响。 刘福才，刘 砚，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) 摘 要：输入变量个数会对模糊建模精度产生影响。对于一个实际的复杂系统，-fin的或者需要考虑的 输入变量非常多。是不是考虑的影响因素越多，即模糊系统的输入变量越多，则辨识的效果就越好呢?本 文基于T—S模糊模型，分别采用对称三角形模糊划分和网格对角线法以及模糊聚类划分提取模糊规则， 对Box—Jenkins煤气炉数据和Mackey—Glass混沌时阗序列进行建模，得到了模糊模型训练性能指标和 检验性能指标随输入变量个数增加时的变化趋势曲线，并给出了结论。 关键词：模糊辨识；输入变量个数；T—S模型；三角彩戈11分；模糊聚类 中图分类号：TPl5 文献标识码：A 1 引言 在现代科学的范畴内，辨识这一科学术语是Zadeh在1956年首先提出来的，他认为辨识是通过实 验的方法确定“黑箱”的输人／输出关系这一问题的一般表述。系统辨识是现代控制理论的一个重要分 支，在各个领域获得广泛应用，并不断取得新成果n]。模糊辨识是根据系统的输入输出数据对系统进行 建模的。文献[23在模糊系统理论研究方面提出的五个比较重要的研究方向，主要包括：(1)将模糊控制 与非模糊控制相结合；(2)深入分析模糊系统的结构特性及逼近精度，建立一套完整的理论体系，使人们 在应用模糊系统时做到心中有数；(3)适用于模糊系统的不同算法的提出，算法的收敛性分析，及学习完 成后模糊系统的性能分析；(4)针对高维情况的模糊系统方法；(5)能够利用其他知识及信息表达形式的 模糊系统。在不同的结构参数是怎样具体地影响逼近精度方面，文献[3]进行了隶属函数的选择对模糊 模型描述性能的影响研究，文献[4]和文献[5]对T—S模糊系统的构造及其逼近能力的充分条件进行了 研究；在什么样的非线性结构特别适于表示方面，文献[6]进行了典型非线性模型的模糊辨识逼近精度 分析的研究；在采样数据个数可以趋于无穷和只给出有限个数据采样点条件下模糊辨识算法收敛性方 面，文献[7]进行了采样点个数对T—S模糊建模精度的影响研究。 目前，针对高维(输入变量众多)系统辨识的研究比较少，包括如何选择重要的输入变量、如何检验 规则的有效性、如何化简和优化庞大的规则库等。输入变量的选择在提高辨识模型的精度和可读性上具 有重要意义[8-93。本文主要研究了输入变量个数对T—S模糊模型描述性能的影响，从而能够根据需要适 当地选取输入变量个数。 ÷收稿日期：201卜05—27 基金项目：河北省自然科学基金资助项目(F2010001320) 作者简介：刘福才(1964一)，黑龙江勃利人．教授，博士生导师，研究方向：模糊辨识与预测控制，电力拖动及其计算机控制技术；刘 砚(1988一)，女，江西宜春人，研究生，研究方向：筷糊辨识与模糊控制等。 万方数据 第1期 刘福才，刘砚等：输入变量个数对T—S模糊建模精度的影响 41 2 模糊辨识 模糊模型的辨识由结构辨识和参数辨识两部分组成。其中结构辨识包括输入变量的选择、输入／输 出空间的模糊划分以及输入／输出的映射关系、模糊规则数的确定等；参数辨识包括前提参数辨识和结 论参数辨识，其中前提参数辨识是指辨识模糊前件中隶属度函数的参数，后件参数辨识是指对结论函数 中的参数进行辨识[3]。 本文采用T—S模糊模型，模糊划分分别采用三角形划分和模糊聚类划分，结论参数辨识采用递推 最小二乘算法。 2．1 T—S模糊模型