T-S型模糊模型结论参数辨识举例.docxVIP

2、T-S型模糊模型结论参数辨识举例 T-S型模糊模型的参数辨识，分为前提参数辨识和结论参数辨识两个内容。对于二维模糊控制器，前提参数就是优选F子集的隶属函数，一般都取为三角形或梯形， 比较简单，或用神经网络通过对数据的辨识得出。这里只举例介绍结论参数辨识的原理。 下面以单输入-单输出系统为例，介绍T-S型模糊模型后件参数辨识的基本思路。 若已知某个一维单输入-单输出系统，测得它的输入和输出的60组数据，如表4-12 所示。 表4-12 某一维系统输入e和输出u测试数据 e u e u e u e u e u 0.01 2.502 0.61 2.622 1.21 2.742 1.83 3.33 2.49 3.99 0.06 2.512 0.66 2.632 1.26 2.752 1.885 3.385 2.545 4.045 0.11 2.522 0.71 2.642 1.31 2.762 1.94 3.44 2.60 4.10 0.16 2.532 0.76 2.652 1.36 2.772 1.995 3.495 2.655 4.155 0.21 2.542 0.81 2.662 1.41 2.782 2.05 3.55 2.71 4.21 0.26 2.552 0.86 2.672 1.46 2.792 2.105 3.605 2.765 4.265 0.31 2.562 0.91 2.682 1.50 3.000 2.16 3.66 2.82 4.32 0.36 2.572 0.96 2.692 1.555 3.055 2.215 3.715 2.875 4.375 0.41 2.582 1.01 2.702 1.61 3.11 2.27 3.77 2.93 4.43 0.46 2.592 1.06 2.712 1.665 3.165 2.325 3.825 2.985 4.485 0.51 2.602 1.11 2.722 1.72 3.22 2.38 3.88 3.04 4.54 0.56 2.612 1.16 2.732 1.775 3.275 2.435 3.935 3.095 4.595 为了形象直观，用MATLAB软件可以把它们画在图上，在主窗口键入: e=[0.0100,…,0.5600,0.6100,…,1.1600,1.2100,…,1.7750,1.8300,…,2.4350,2.4900,…,3.0950]; u=[2.5020,…,2.6120,2.6220,…,2.7320,2.7420,…,3.2750,3.3300,…,3.9350,3.9900,…,4.5950]; plot(e,u,’*’),gird 回车得出图4 -23。 图4-23某系统输入e与输出u数据间的关系图 上述命令中的“…”表示省略的数据，实际上在MATLAB主窗口键入时，必须把表4-12中的数据全部录入。 由图4-23可以看出，大体是两段线性函数，只是e∈[0，1.5)时和e∈[1.5, 3.1) 时直线的斜率不等。 在1阶T-S型模糊模型中，输出量，不同的u无非就是系数不同，即a和k不同。 当[0, 1. 5)时，设，在MATLAB中，用polyfit指令进行一次多项式“拟合”，键入： e1=[0.0100,…,0.5600,0.6100,…,1.1600,1.2100,…,1.4600]; u1=[2.5020,…,2.6120,2.6220,…,2.7320,2.7420,…,2.7920]; p1=polyfit(e1,u1,1) 回车得出： p1= 0.2000 2.5000, 这个结果表明，=0.2、=2.5，即e∈[0，1.5)时，； 当e∈ [1.5, 3. 1)时，设； 在MATLAB中，用polyfit指令进行一次多项式“拟合”，键入： e2=[1.5000,…,1.7750,1.8300,…,2.4350,2.4900,…,3.0950]; u2=[3.0000,…,2.6120,2.6220,…,2.7320,2.7420,…,3.2750,3.3300,…,3.9350,3.9900,…,4.5950]; p2=polyfit(e2,u2,1) 回车得出： p1= 1.0000 1.7000, 这个结果表明，= 1.0、= 1.7,即e∈[1.5, 3.1)时，。 拟合指令polyfit是根据“最小二乘法”原理计算的，使直线各点取值与相同e的最近测试值之差的平方和达到最小。 把和也画在图4-23上，是两条斜率不同的直线，它们和数据取向完全一致。 于是可以建立起这个系统的1阶T