一种基于T-S 模糊模型RBF 神经网络自适应学习算法.pdfVIP

一种基于T-S 模糊模型的RBF 神经网络的自适应学习算法 李战明 康爱红 (甘肃工业大学电气工程与信息工程学院 甘肃 兰州 730050) 摘要：针对多维模糊推理中的推理规则庞大和参数难辨识的问题，提出一种基于T-S 模糊模型的RBF 神经 网络的自适应学习算法。该算法不仅能动态调节T-S 型模糊RBF 网络的隐节点数，还能使网络的数据中心 值自适应变化,有较好的自学习能力和泛化能力。 仿真结果验证了该算法是有效和可行的，表明此T-S 型模 糊RBF 网络不仅可以快速逼近任意多变量非线性函数，而且具有良好的自适应能力。 关键词：T-S 型模糊系统 RBF 神经网络 自适应学习 中图分类号： TP 273 An Adaptive Learning Algorithm for T-S Fuzzy Model Based RBF Neural Network Li zhanming Kang aihong (School of Electrical and Information Engineering, Gansu University of Technology Gansu Lanzhou 730050) Abstract: A adaptive learning algorithm of T-S fuzzy model based RBF neural network is proposed for the problems of enormous inference rules and difficult parameters identification in multi-dimension fuzzy inferences. In this method the number of hidden layer nodes of T-S fuzzy RBF net is not only modified dynamically, but also position of data centers of RBF net is changed adaptively during learning progress, moreover the algorithm has better self-learning ability and generalization ability. The simulation results show that the algorithm is effective and available , that the T-S fuzzy RBF neural network can fast approximate any multi-variable nonlinear function with any required degree of accuracy, furthermore has good adaptive ability . Keywords: T-S fuzzy system RBF neural network adaptive learning 1 引言 针对多维模糊推理中的推理规则庞大的问题，Takagi 和Sugeno 于1985 年提出了一种新 的模糊推理模型，称为Takagi –Sugeno （T-S ）模型。T-S 模型的模糊规则的“IF ”部分与zadeh 规则的“IF ”部分相似。但它的“THEN ”部分是精确函数，通常是输入变量多项式。因此 T-S 模型中第 j 条模糊规则的形式为：IF x is A j , x is A j , …, x is A j ,THEN 1 1 2 2 n n j = j + j + …+ j ，T-S 型模糊推理模型的结论部分用线性局域方程取代了一般推理 y a a x a x 0 1 1 n n 过程中的常数。因此，T-S