模糊灰色认知网络的建模方法及应用

发布时间：2021-03-31 16:46

　　针对具有不确定性非线性系统的机理模型难以建立的问题,提出了基于模糊灰色认知网络（Fuzzy grey cognitive networks,FGCN）的非线性系统建模方法.该方法将模糊认知网络和灰色系统理论相结合,把模糊认知网络的节点状态值和权值扩展为灰色区间,引入灰度来评判可靠性.采用一种带终端约束的非线性Hebbian学习算法（Nonlinear hebbian learning,NHL）辨识FGCN的模型参数,引入了与FGCN模型中节点的系统实际测量值对应的灰数值,在更新机制中增加了包含系统测量值与预测值之差的修正项,对权值进行有监督的修正.利用水箱控制系统进行的仿真实验结果表明,本文提出的建模方法能解决对数据存在不确定性或缺失的复杂系统建模的难题,所建的模型能做出接近人类智能的控制决策,所采用的权值学习方法具有收敛速度快、学习结果精准等优点,并克服了传统非线性Hebbian算法对初始值依赖性强的缺点,对不确定性系统的建模具有广泛适用性. 

【文章来源】：自动化学报. 2018,44(07)北大核心EICSCD

【文章页数】：10 页

【文章目录】：
1 模糊灰色认知网络
2 基于FGCN的带终端约束的权值迭代算法
3 仿真分析
4 结论


【参考文献】：
期刊论文
[1]灰色预测模型特性的研究[J]. 吉培荣,黄巍松,胡翔勇.  系统工程理论与实践. 2001(09)
[2]无偏灰色预测模型[J]. 吉培荣,黄巍松,胡翔勇.  系统工程与电子技术. 2000(06)

博士论文
[1]基于模糊认知图的动态系统的建模与控制[D]. 张燕丽.大连理工大学 2012



本文编号：3111753