基于模糊规则的非线性系统快速建模方法.pdf

高技术通讯 2003 .7 基于模糊规则的非线性系统快速建模方法! ! !! ! !! 刘福才 关新平 裴 润 ! （燕山大学电气工程学院自动化系 秦皇岛066004 ） !! （ 哈尔滨工业大学控制科学与工程系 哈尔滨 150001） 摘 要 描述了一个通过学习从输入输出采样数据中提取MISO 模糊规则的具有插值性 能的新型模糊系统。提出的模糊模型继承了Sugeno 模型及其变化形式的许多优点。对 于新的模糊模型采用递推最小二乘估计方法代替启发式误差反馈学习方法辨识结论参 数，整个辨识过程所需的计算时间相对于其他方法最短，适用于在线辨识。仿真结果表明 了该方法的有效性与实用性。 关键词 模糊建模，模糊if-then 规则，递推最小二乘估计 ［，］ 并结合启发式方法8 9 提出了一种启发式误差反馈 0 引 言 学习方法辨识模糊模型结论参数，但由于学习速度 过慢，也影响了模型辨识的快速性。本文在文献［］ 1 ［］ 随着模糊理论的发展，由Zadeh 3 提出的模糊 的基础上，提出了一种基于新模糊模型的快速辨识 系统的思想已经应用于许多领域，如系统控制和系 方法，即前提参数辨识采用三角形隶属函数，结论参 统辨识。在基于模糊规则系统的许多应用中，模糊 数辨识采用递推最小二乘估计，从而提高了非线性 系统往往是基于专家经验或通过误差训练方法获得 系统模糊建模的快速性，适用于在线辨识。 的。这些难点激发出许多从数据中自动生成规则的 方法。在本文中，我们假设一个系统在模糊规则参 1 新模糊模型 数辨识以前适宜的输入变量是已知的。为了解决模 糊模型结构辨识中输入—输出乘积空间模糊划分问 为了理解这种新模糊模型，首先给出一个定义。 ［］ 题，相继产生了许多基于模糊聚类的模糊模型辨识 1 定义 （模糊形式中距离的概念） ：隶属函数 1 ［ ］ 方法3-6 。在这些方法中，主要采用模糊 划分方 （）叫做模糊形式中从元素 到 的中心的 C- 1 - A I I A 法（ ）辨识模型前提结构及参数。其优 距离（或不确定性）。 Fuzzy c-means 点是在无先验数据集合经验的基础上，经计算能自 假设我们给出了一系列描述输入—输出的数据