基于数据简化及卡尔曼滤波方法的T-S模糊模型辨识

发布时间：2021-11-25 07:48

　　T-S模糊辨识方法已成为模糊集理论和应用中的重要研究。仅在获取被辨识系统输入-输出数据情况下,提出一种能自动建立T-S（Takagi-Sugeno）模糊模型的有效方法。在结构辨识阶段,首先利用GK（Gustafson-Kessel）聚类算法对原始数据集进行聚类划分为若干个子集;再引入重叠因子对每个子集的大小做进一步简化;同时获取各个聚类中心及宽度。对于参数辨识,应用卡尔曼滤波方法求解后件参数值。最后,通过两个实验研究,论证所提出方法的有效性和优越性。 

【文章来源】：科学技术与工程. 2018,18(09)北大核心

【文章页数】：6 页

【文章目录】：
1 T-S模糊模型及GK聚类算法
    1.1 T-S模糊模型
    1.2 GK (Gustafson-Kessel) 聚类算法
2 基于数据简化及卡尔曼滤波方法的T-S模糊模型建模
    2.1 数据简化及前件参数辨识
    2.2 卡尔曼滤波方法的后件参数辨识
3 实验研究
4 结论


【参考文献】：
期刊论文
[1]一类非线性系统的扇区模糊建模方法[J]. 马嘉跃,高嵩,黄姣茹,钱富才.  科学技术与工程. 2017(18)
[2]基于TS模糊辨识的油液真空脱水效率研究[J]. 刘阁,陈彬,张贤明.  系统仿真学报. 2017(01)
[3]一种改进的T-S模糊模型建模及优化方法[J]. 刘骏,殷晓明,顾幸生.  华东理工大学学报(自然科学版). 2016(02)
[4]非均匀多采样率非线性系统的模糊辨识[J]. 王宏伟,夏浩.  控制与决策. 2015(09)
[5]基于T-S模糊故障树的某装备测控设备故障诊断研究[J]. 范宝庆,王国华,魏选平,许剑锋.  科学技术与工程. 2012(28)



本文编号：3517702