一种基于微粒群优化算法的T-S模型参数辨识方法.pdfVIP

Proceedings of the 26th Chinese Control Conference July 26-31, 2007, Zhangji aj ie, Hunan, China 种基于微粒群优化算法的T-S 模型参数辨识方法 1 1，2 1 1 园，高晓智 ，黄显林，尹 航 1. 尔滨工业大学控制科学与制导技术研究中心， 尔滨 150001 E-mail ：xlinhuang@hit.edu.cn，yinhang@hit.edu.cn 2. 芬兰赫尔辛基工业大学智能电力电子研究所 E-mail ：gao@cc.hut.fi 要：当采用T-S 模糊模型来辨识非线性过程时，通常所采用的T-S 模糊模型的规则后件是局部线性或仿射非线性 模型。在此基础上辨识得到的T-S 模型具有规则数目多的缺点。为了减少模糊规则的数目而同时获得较高的辨识精度， 本论文提出了将模糊规则后件中的线性模型用简单多项式模型代替并进一步利用微粒群优化算法辨识规则后件参数 的方案。数值仿真表明：同具有线性规则后件的T-S 模糊模型相比，应用本文所提出的方案辨识得到的T-S 模型具有 在相同辨识精度下规则数目显著减少的优点，这一优势随着模型输入变量的增加表现得更为突出。 关键词：系统辨识，T-S 模糊模型，微粒群优化算法 Parameter Identification of T-S Fuzzy Models Based on Particle Swarm Optimization Algorithms Ding Yuan 1 1,2 1 1 , Gao Xiaozhi , Huang Xianlin , Yin Hang 1. Department of Control Theory and Engineering, Harbin Institute of Technology, Harbin 150001, P. R. China E-mail: xlinhuang@hit.edu.cn, yinhang@hit.edu.cn 2. Institute of Intelligent Power Electronics, Helsinki University of Technology, Espoo, Finland E-mail: gao@cc.hut.fi Abstract: Most of the T-S fuzzy models commonly used in the identification of nonlinear processes have linear or affine consequents. More specifically, the local mathematical models in the consequents of fuzzy rules are taken to be linear or af- fine. However, it can always be observed that the number of fuzzy rules of the resultant T-S fuzzy models is very large. In or- der to reduce the number of fuzzy rules and keep the mode