本文關(guān)鍵詞：二型模糊系統(tǒng)的設(shè)計及其在非線性系統(tǒng)辨識中的應(yīng)用

  更多相關(guān)文章： 區(qū)間二型模糊系統(tǒng) 一型模糊系統(tǒng) 改進的二型模糊系統(tǒng) 自進化策略 混合優(yōu)化 非線性系統(tǒng)辨識

【摘要】：近年來,二型模糊系統(tǒng)方法成為一個研究熱點。本文研究二型模糊系統(tǒng)的設(shè)計方法及其在非線性系統(tǒng)辨識中的應(yīng)用,首先基于自進化策略設(shè)計了一個具有結(jié)構(gòu)(模糊規(guī)則庫)和參數(shù)自進化能力的進化區(qū)間二型TSK模糊系統(tǒng)。該系統(tǒng)利用訓練數(shù)據(jù)自動學習模糊規(guī)則庫和系統(tǒng)參數(shù),參數(shù)的學習采用梯度下降和帶遺忘因子遞推最小二乘算法相結(jié)合的混合優(yōu)化策略,并在系統(tǒng)降型的過程使用了更有效的降型算法-改進的迭代算法,以降低區(qū)間二型模糊系統(tǒng)的計算消耗。將設(shè)計的系統(tǒng)應(yīng)用到非線性系統(tǒng)辨識的問題中,辨識結(jié)果表明,相比于其它現(xiàn)有的方法,該方法建立的進化區(qū)間二型TSK模糊系統(tǒng)辨識模型有更高的辨識精度。 在前面工作的基礎(chǔ)之上,考慮區(qū)間二型模糊系統(tǒng)設(shè)計的復(fù)雜性,基于一型模糊系統(tǒng)和二型模糊系統(tǒng)的內(nèi)在關(guān)系,研究由一型模糊系統(tǒng)設(shè)計二型模糊系統(tǒng)的方法,進而提出了一種由一型模糊系統(tǒng)學習而來的改進的二型模糊系統(tǒng)。該系統(tǒng)由一個一型模糊系統(tǒng)和一個由其擴展而來區(qū)間二型模糊系統(tǒng)構(gòu)成。系統(tǒng)的設(shè)計過程主要包含兩部分內(nèi)容—模糊系統(tǒng)規(guī)則庫學習和參數(shù)學習。首先基于自進化策略提出了一種模糊規(guī)則庫學習算法來學習改進的二型模糊系統(tǒng)的規(guī)則庫,通過對訓練數(shù)據(jù)的學習來自動生成模糊規(guī)則庫,首先學習生成一型模糊系統(tǒng)的規(guī)則庫,然后由該一型模糊系統(tǒng)規(guī)則庫擴展得到區(qū)間二型模糊系統(tǒng)的規(guī)則庫。系統(tǒng)參數(shù)的學習過程中,只有一型模糊系統(tǒng)的參數(shù)是需要學習的,同樣采取梯度下降和帶遺忘因子的遞推最小二乘算法相結(jié)合的混合優(yōu)化策略。由此設(shè)計的改進的二型模糊系統(tǒng)只需要學習和一型模糊系統(tǒng)一樣數(shù)目的參數(shù),就可以獲得區(qū)間二型模糊系統(tǒng)的優(yōu)良性能。并且由于需要學習的參數(shù)少,計算量相比于現(xiàn)有的基于進化策略的區(qū)間二型模糊系統(tǒng)大大減少,使得該系統(tǒng)更具有實際應(yīng)用價值。將改進的二型模糊系統(tǒng)用于非線性系統(tǒng)辨識問題,辨識結(jié)果表明,和其它現(xiàn)有的方法相比,該改進的二型模糊系統(tǒng)的辨識模型在保持高計算效率的同時取得了更好的辨識效果。
【關(guān)鍵詞】：區(qū)間二型模糊系統(tǒng) 一型模糊系統(tǒng) 改進的二型模糊系統(tǒng) 自進化策略 混合優(yōu)化 非線性系統(tǒng)辨識
【學位授予單位】：華東理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：N945.14;O231
【目錄】：

• 摘要5-6
• Abstract6-9
• 第1章 緒論9-15
• 1.1 課題研究的背景與意義9-10
• 1.2 國內(nèi)外研究現(xiàn)狀10-13
• 1.2.1 二型模糊理論10-12
• 1.2.2 基于二型模糊系統(tǒng)的非線性系統(tǒng)辨識12-13
• 1.3 本文主要工作13
• 1.4 本文章節(jié)安排13-15
• 第2章 二型模糊理論15-28
• 2.1 二型模糊集合15-21
• 2.1.1 二型模糊集合基本概念15-17
• 2.1.2 二型模糊集合的基本運算17-18
• 2.1.3 區(qū)間二型模糊集合18-19
• 2.1.4 二型模糊集合的表示方法19-21
• 2.1.4.1 垂直切片表示法19-20
• 2.1.4.2 α-平面表示法20-21
• 2.1.4.3 z-切片表示法21
• 2.2 二型模糊系統(tǒng)21-27
• 2.2.1 二型模糊系統(tǒng)結(jié)構(gòu)21-23
• 2.2.2 降型方法23-25
• 2.2.2.1 重心法23-24
• 2.2.2.2 頂點法24
• 2.2.2.3 集合中心法24-25
• 2.2.3 區(qū)間二型模糊系統(tǒng)25-27
• 2.2.3.1 區(qū)間二型模糊系統(tǒng)設(shè)計25
• 2.2.3.2 區(qū)間二型模糊系統(tǒng)降型算法25-26
• 2.2.3.3 區(qū)間二型模糊系統(tǒng)的計算過程26-27
• 2.2.4 準二型模糊系統(tǒng)27
• 2.3 本章小結(jié)27-28
• 第3章 進化區(qū)間二型TSK模糊系統(tǒng)與應(yīng)用28-43
• 3.1 進化區(qū)間二型TSK模糊系統(tǒng)28-34
• 3.1.1 系統(tǒng)結(jié)構(gòu)29-30
• 3.1.2 模糊規(guī)則庫學習30-32
• 3.1.3 參數(shù)學習32-33
• 3.1.4 EIASC降型算法33-34
• 3.2 非線性系統(tǒng)辨識應(yīng)用34-42
• 3.2.1 Case 134-38
• 3.2.2 Case 238-42
• 3.3 本章小結(jié)42-43
• 第4章 一種改進的二型模糊系統(tǒng)與應(yīng)用43-73
• 4.1 改進的二型模糊系統(tǒng)43-49
• 4.1.1 改進的二型模糊系統(tǒng)的結(jié)構(gòu)及設(shè)計過程44-45
• 4.1.1.1 系統(tǒng)結(jié)構(gòu)44-45
• 4.1.1.2 系統(tǒng)設(shè)計流程45
• 4.1.2 模糊規(guī)則庫學習45-47
• 4.1.2.1 一型模糊系統(tǒng)規(guī)則庫學習45-46
• 4.1.2.2 區(qū)間二型模糊系統(tǒng)規(guī)則庫46-47
• 4.1.2.3 模糊規(guī)則庫學習算法47
• 4.1.3 參數(shù)學習47-48
• 4.1.4 計算消耗分析48-49
• 4.2 非線性系統(tǒng)辨識應(yīng)用49-72
• 4.2.1 Case 149-58
• 4.2.1.1 一階非線性系統(tǒng)49-53
• 4.2.1.2 時變一階非線性系統(tǒng)53-58
• 4.2.2 Case 258-62
• 4.2.3 Case 362-67
• 4.2.4 Case 467-71
• 4.2.5 計算消耗分析71-72
• 4.3 本章小結(jié)72-73
• 第5章 總結(jié)與展望73-75
• 5.1 本文工作總結(jié)73
• 5.2 未來工作展望73-75
• 參考文獻75-79
• 致謝79-80
• 攻讀碩士學位期間已發(fā)表論文80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前3條

1 鄭高;肖建;蔣強;王嵩;;二型模糊系統(tǒng)理論與應(yīng)用[J];合肥工業(yè)大學學報(自然科學版);2009年07期

2 潘永平;孫宗海;黃道平;;Ⅱ型模糊集合與系統(tǒng)研究究進進展[J];控制理論與應(yīng)用;2011年12期

3 陳薇,孫增圻;二型模糊系統(tǒng)研究與應(yīng)用[J];模糊系統(tǒng)與數(shù)學;2005年01期

，

本文編號：1020762