基于最近邻聚类学习算法的模糊辨识技术在ＣＳＴＲ系统动态建模中的应用.pdfVIP

基于最近邻聚类学习算法的模糊辨识 技术在CSTR系统动态建模中的应用 张颖邵惠鹤 TL％z O2Jr 上海交薯大攀自葫化摹上蠢20∞30 一要t吝文介绍了羹翱辨识技术中一种寡代曩挂的方法～t糊曩近郇囊麦荦习算 法。井指出文献中算法在使用上的一些缺点。曩出了改琏方法．针对他工生产过柱中串囊 蕊非残性斗曩的动态建羹同鼍．成功地将这一攫求应用于CSTR．寺葡态建曩，囊得了支好 的置秉． 美■弭t泰藐一识模翱逻辑泰t簟耘囊羹C,．WrR扇≥．“ l伊√0Plt ， 一、弓l奢 ／ 聚类分析是模式趔的一个重要方法．悬在无法蠢知样奉的类捌时．根据样奉同的臣膏 或其相似性的程度毫自髓进行分粪的一舫法．它叠过无冀■谢练将一奉接檀饭性分类．把 相戗性大的掸事目身■粪，囊奏申心意耔薯相窟类墨代蠢的俸用．囊粪分析曩一种有教曲擅 毫压簟与摄取手段．又是众多横交删方法的基薯。其中稿毫曩类基量羹蠢茬曩的方法． 辏鞭囊类分析一艘敦述为壤食x巾智有n个弹本漶-个棒奉jHIt赛；荣企硷不量 ．舅膏垃麓崩分为■于曩习e一予纂赛球i曩4炉定的隶■毽度亲属子霉申酊旮食麟袁；备曩 栩聚类点所代表的类型攥式之同的边再是模期的． ·崤： 由于模糊敦理论的建立，使得可以将样车中一个确定的点映射为模期论壤上一个模糊 集合。因此使甩单位羹■产生嚣，麓可l潮擎一般的棒本数据当作一个十攥鞭教。换句话说就 可以交一般的样率敦据变成一条条曩耘规尉．这样麓可以耙由确定囊■意姐毫蜉棒奉集合 用梗期理论的一些观点、方法来进行处理．然后再用锄消赡量将绪暴莲蠢囊■窟囊据．这 也是日前挟期辨识瞢遗采用的烛理方法．正悬这种方鬣的转换。才使再纂期瓣识技术以够广 泛地在实际中碍蓟应用．并莲南受到人们的■目． 。i 二、量近郐模鞭聚类学习算法+ 一 最近邻模糊聚类学习算法是将最近邻模期聚类与量优模糊逻辑系统相结合．进行楱期 辨识的一类方法的衙称．根据上面摄到的单檀模糊产生嚣的观点。就可以将一般意义下的样 本敦据当作攘糊敦来处理。这样一般的样本集合麓可以当威一个楱期样本集合．一种常用的 最近邻模糊聚类的简单叙述为t首先将模糊样本集合中的所有输入变量组戚一个输入矢量． 这棒每个采榉周期采捌的输入变量产生的敦据麓挎戚了一个矢量点，然后通过计算矢量点 之廊的欧氏臣离，在同给定中心点半径相比较后．找出每一个矢量点的最近邻聚类点．并同 一约4一 时逐渐找出整个样本集合中所有的聚类中心点．所谓量优模耘逻辑系统C13悬指针对小样本 问量．可以选择模逻善系统的规划敷目等于样本集合中输入一输出敦据对的致目，这样一条 规则就对应一个输入一输出数据对，在采用了中心平均模糊消除嚣、亲积推理规则、单位曩 糊产生器以及高斯型隶属函数的情况下，用文献m中表述的模糊万麓玉近嚣就可以对需要 辨识的系统进行回归计算。并且该系统阮够使样本集合中所有的输入一输出教擐对报合到 任意给定的精度． 设X为模橱输入变■的矢量表示。y为梗期输出变重，先考虑多输入一单糖出的情况， 因为一个多输入一多输出系统总可以用若干多输入一单糟出系统来组合构成．x‘。】，l的参数 选辱对应于样本集合中的N个数据．该方法的俩簟叙述如下o】t (1)首先从第一个敦据对‘x。，yt)开始，建立一个聚类中心点X；，井设A‘(1)一yt。 B1(1)一1．遗撵中心点半径为，． (2)假设对第l对敦据(jPt，)时。^；2，3’．．·，E存在||I，个聚类中心点，其中心分剐为 忍，溜，…，xf，鄢么分鼬求出(x‘，，)刭这M令囊类中心点的致氏歪鬻l掣一x：I，f=h2。 …．肘，设I掣一X—I为这些甩离中的最小臣膏． 1)如果fjP一弱～I≤r，则X／,为jp的量近邻聚类．引入囊蠢时阿常敦r后．对A‘(1)及 ∥(t)及的修正如下。 b)当l一厶时。