基于TS模型的非线性系统模糊聚类辨识方法—.pdfVIP

ComputerEnneeringandApplications计算机工程与应用 2007，43(29) 239 基于T—S模型的非线性系统模糊聚类辨识方法 李 目 2，刘祖润2，年晓红3，谭 文2 LIMu～，LIU Zu—run ，NIAN Xiao—hong。，TAN Wen 1．湖南大学 电气与信息工程学院，长沙 410082 2湖南科技大学 信息与电气工程学院，湖南 湘潭 411201 3．中南大学 信息科学与工程学院，长沙 410083 1．College ofElectricaland Information Engineering，Hunan University，Changsha 410082，China 2．SchoolofInformation and ElectricalEngineering，Hunan Univelsity ofScienceand Technology，Xiangtan，Hunan 411201，China 3．College ofInformation Scienceand Engineering，CentralSouth University，Changsha410083，China E—mail：limuucn@yahoo．corn．cn LInu，LIU Zu—run，NIAN Xiao-hong。eta1．M ethod ofnonlinear systemsidentification with fuzzy clustering based on Takagi-Sugenomode1．ComputerEngineeringandApplications，2007，43(29)：239-241． Abstract：A method ofnonlinearsystemsidentification with fuzzy clusteringbased on T-S modelhas been proposed in thispa— per．In T—S fuzzy modelthepremise and conclusion havebeen identified separately，since have simplified the stepsofthe identi— fication，and then haveimproved thegeneralization ability，alsohaveresolved thesystem problem ofthe complicated degree exa]一 tation butthe rule few aggrandizement．Finally，the effectivenessofthepropose method hasbeen demonstrated by identification of thenonlinearsystems． Key words：T-S model；nonlinearsystems；fuzzy clustering；fuzzy identification 摘 要 ：提出一种基于T—S模型的非线性 系统模糊聚类辨识方法，对 T—S模糊模型的前提部分和结论部分进行分开辨识，既简化 该模型的辨识步骤，又提高它的泛化能力，同时也解决了T—s模糊模型随辨识系统复杂程度提高而规则数增大的问题。对一个非 线性系统辨识的仿真结果验证了这种模糊聚类辨识方法的有效性。 关键词 ：T—S模型；非线性 系统；模糊聚类；模糊辨识 文章编号：1002—8331(2007)29—0239—03 文献标识码：A 中图分类号：TP27 从当今控制理论与应用的研究成果来看 ，非线性系统的分 为了有效地克服系统辨识过程中陷入局部最小和出现突 析设计已成为控制领域的热点问题。在许多工业生产过程中， 变点带来的误差，论文提出基于T—s(Takagi—Sugeno)模型的模 由于都存在非线性特性 ，因此 ，研究非线性系统首先必须解决 糊聚类辨识方法 ，对T—S模糊模型的前提部分和结论部分进行 非线性系统的建模问题，人们通过研究辨识非线性系统模型及 分开辨识，即根据系统的特征对输入变量先进行模糊聚类，确 控制的理论和方法，进而对系统进行辨识、补偿或控制 1_【31。目 定前提部分输入变量的隶属度函数的分布，然后再辨识结论参 前，非线性时