發(fā)布時間：2021-09-29 21:09

　　神經(jīng)網(wǎng)絡(luò)優(yōu)勢在于非線性映射和自適應(yīng)學(xué)習(xí)能力；模糊系統(tǒng)主要處理模糊不確定信息。將兩者有機(jī)結(jié)合近年來成為國內(nèi)外學(xué)者研究焦點(diǎn),使得模糊神經(jīng)網(wǎng)絡(luò)成為了非線性系統(tǒng)辨識的有力工具。本文針對二型模糊神經(jīng)網(wǎng)絡(luò)算法展開研究。1.設(shè)計了一種新的帶補(bǔ)償因子的區(qū)間二型模糊遞歸神經(jīng)網(wǎng)絡(luò),該模糊神經(jīng)網(wǎng)絡(luò)適合于非線性動態(tài)系統(tǒng)辨識問題。二型模糊集合的使用更能有效處理不確定信息；補(bǔ)償因子將傳統(tǒng)的模糊推理擴(kuò)展到補(bǔ)償性模糊推理機(jī)制,使得系統(tǒng)能動態(tài)優(yōu)化模糊規(guī)則,提高模糊規(guī)則適應(yīng)能力的同時減少模糊規(guī)則數(shù)目；遞歸環(huán)節(jié)的設(shè)計充分利用了被測系統(tǒng)數(shù)據(jù)的自身聯(lián)系性,使得系統(tǒng)具有記憶能力�；谀：鼵均值聚類算法及其模糊度范圍給出了確定前件網(wǎng)絡(luò)參數(shù)初值方法；基于梯度下降法導(dǎo)出了所設(shè)計模糊神經(jīng)系統(tǒng)的學(xué)習(xí)算法；分析算法的收斂穩(wěn)定性的同時給出了最優(yōu)學(xué)習(xí)率定理。實(shí)驗(yàn)結(jié)果表明,在模糊規(guī)則數(shù)和迭代次數(shù)較少的情況下所提算法較其他算法辨識精度更高。2.針對二型TSK模糊神經(jīng)網(wǎng)絡(luò)算法由于后件網(wǎng)絡(luò)參數(shù)無法根據(jù)物理意義給出初值導(dǎo)致辨識結(jié)果不穩(wěn)定問題,提出一種基于混合優(yōu)化方法的二型模糊遞歸神經(jīng)網(wǎng)絡(luò)。后件網(wǎng)絡(luò)參數(shù)的初值由帶遺忘因子的最小二乘遞推算法確定。該方法使得每... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

二型模糊集合Fig.2.1Type-2fuzzyset

其中X丨(J = 1,2,???,?;)表不輸入變量，是輸出變量，』丨(/ = j = 1，2,???,/?)表示區(qū)間二型模糊集合，本文使用的是高斯型隸屬度函數(shù)，如圖3.2所示。/，‘代表第/條模糊規(guī)則的補(bǔ)償度，補(bǔ)償因了不僅能自適應(yīng)調(diào)節(jié)模糊隸屬度函數(shù)而且能動態(tài)優(yōu)化模糊推理過程。該模糊祌經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)介紹如下：第一層（輸入層）：該層和輸入信號之間沒有任何連接權(quán)值，直接將信號轉(zhuǎn)送第二層，但輸入該層的信號一般需要進(jìn)行歸一化處理。1圓0 C, C:圖3. 2高斯型區(qū)間二型模糊銀合Fig. 3.2 Gaussian interval type-2 fuzzy set第二層（模糊化層）：該層將輸入變量模糊化，對于每個輸入變量給定相應(yīng)模糊規(guī)則的模糊度值。對于二型模糊神經(jīng)網(wǎng)絡(luò)，該層的每個節(jié)點(diǎn)使用區(qū)間二型高斯型主隸屬度?函數(shù)，如圖3.2所示。均值不確定方差固定的情況下

.8為不同學(xué)習(xí)率調(diào)整方法的學(xué)習(xí)效果對比曲線圖。從圖巾我們可以看到性時變系統(tǒng)的辨識，木文所提的最優(yōu)學(xué)習(xí)率方法取得了最快的學(xué)習(xí)速度差；隨著參數(shù)在區(qū)間[1,2)內(nèi)增大，學(xué)習(xí)效率也表現(xiàn)更佳，但增加到一定現(xiàn)象；根據(jù)誤差調(diào)節(jié)學(xué)習(xí)率方法的學(xué)習(xí)效率比固定學(xué)習(xí)率要高，但明顯測試訓(xùn)練好的網(wǎng)絡(luò)，我們采用的測試信號為例1巾的測試信號一樣，這它文獻(xiàn)一致。測試信號為式(3.57)。

【參考文獻(xiàn)】：
期刊論文
[1]系統(tǒng)辨識:新的模式、挑戰(zhàn)及機(jī)遇[J]. 王樂一,趙文虓.  自動化學(xué)報. 2013(07)
[2]區(qū)間Ⅱ型變論域自適應(yīng)模糊邏輯控制器[J]. 趙國亮,張永立,李洪興.  大連理工大學(xué)學(xué)報. 2012(06)
[3]基于極端學(xué)習(xí)機(jī)的多變量混沌時間序列預(yù)測[J]. 王新迎,韓敏.  物理學(xué)報. 2012(08)
[4]一種基于粒子群優(yōu)化的非線性系統(tǒng)辨識方法[J]. 李秀英,韓志剛.  控制與決策. 2011(11)
[5]正負(fù)模糊規(guī)則系統(tǒng)、極限學(xué)習(xí)機(jī)與圖像分類[J]. 吳軍,王士同,趙鑫.  中國圖象圖形學(xué)報. 2011(08)
[6]A novel compensation-based recurrent fuzzy neural network and its learning algorithm[J]. WU Bo, WU Ke & L JianHong School of Energy and Environment, Southeast University, Nanjing 210096, China.  Science in China（Series F:Information Sciences）. 2009(01)



本文編號：3414480