高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ

一种改进的T-S模糊模型建模及优化方法

刘骏 殷晓明 顾幸生

刘骏, 殷晓明, 顾幸生. 一种改进的T-S模糊模型建模及优化方法[J]. 华东理工大学学报(自然科学版), 2016, (2): 233-239. doi: 10.14135/j.cnki.1006-3080.2016.02.013
引用本文: 刘骏, 殷晓明, 顾幸生. 一种改进的T-S模糊模型建模及优化方法[J]. 华东理工大学学报(自然科学版), 2016, (2): 233-239. doi: 10.14135/j.cnki.1006-3080.2016.02.013
LIU Jun, YIN Xiao-ming, GU Xing-sheng. Improved Modeling and Optimization of T-S Fuzzy Models[J]. Journal of East China University of Science and Technology, 2016, (2): 233-239. doi: 10.14135/j.cnki.1006-3080.2016.02.013
Citation: LIU Jun, YIN Xiao-ming, GU Xing-sheng. Improved Modeling and Optimization of T-S Fuzzy Models[J]. Journal of East China University of Science and Technology, 2016, (2): 233-239. doi: 10.14135/j.cnki.1006-3080.2016.02.013

一种改进的T-S模糊模型建模及优化方法

doi: 10.14135/j.cnki.1006-3080.2016.02.013
基金项目: 

国家自然科学基金(61573144)

详细信息
  • 中图分类号: TP273+.4

Improved Modeling and Optimization of T-S Fuzzy Models

  • 摘要: 模糊建模是一种有效的非线性系统建模方法,因为非线性系统的复杂性,仍有很多问题难以处理。针对T-S模糊模型,提出了一种改进的建模及优化方法。首先,将快速搜索密度峰聚类和模糊C均值聚类(FCM)算法相结合,使用快速搜索密度峰聚类算法找到聚类个数和初始聚类中心后,再用FCM算法进行聚类;然后,通过最小二乘法辨识结论参数得到初始T-S模糊模型,使用改进的差分进化(DE)算法整体优化模型的结构和参数,获得最终的T-S模型;最后,选择代表性实例,使用MATLAB程序进行仿真分析和比较,验证了本文方法能有效提高T-S模糊模型的辨识精度和速度。

     

  • [1] 马俊峰,张庆灵.T-S模糊广义系统的逼近性[J].控制理论与应用,2008,25(5):837-844.
    [2] CHENG Weiyuan,JUANG Chia-Feng.An incremental support vector machine-trained TS-type fuzzy system for online classification problems[J].Fuzzy Sets and Systems,2011,163(1):24-44.
    [3] 林妹娇,陈水利.一种新的TS模型辨识算法[J].集美大学学报(自然科学版),2013,18(3):219-224.
    [4] WU Kulung,YANG Minshen,HAIEH Junenan.Mountain c-regression method[J].Pattern Recognition,2010,43:86-98.
    [5] 李盼盼.基于T-S模型的非线性系统模糊辨识方法研究[D].江苏镇江:江苏大学,2008:1-5.
    [6] ALEX R,ALESSANDRO L.Clustering by fast search and find of density peaks[J].Science,2014,344(6191):1492-1496.
    [7] 呼忠权.差分进化算法的优化及其应用研究[D].河北秦皇岛:燕山大学,2013.
    [8] 陈亮.改进自适应差分进化算法及其应用研究[D].上海:东华大学,2012.
    [9] DAS S,KONAR A,CHAKRABORTY U K.Two improved differential evolution schemes for faster global search[C]//Genetic and Evolutionary Computation Conference,GECCO 2005.Washington DC,USA:ACM,2005:991- 998.
    [10] 谢晓锋,张文俊,张国瑞,等.差异演化的实验研究[J].控制与决策,2004,19(1):49-52,56.
    [11] 钱富才,伍光宇.一种T-S模型的在线辨识算法[J].控制与决策,2015,30(2):343-347.
    [12] 刘福才,窦金梅,王树思.基于智能优化算法的T-S模糊模型辨识[J].系统工程与电子技术,2013,35(12):2643-2650.
    [13] 温重伟,李荣钧.改进的粒子群优化模糊C均值聚类算法[J].计算机应用研究,2010,27(7):2520-2522.
    [14] 王洪斌,刘少岗,李瑶瑶,等.基于自适应模糊聚类的T-S模糊辨识方法[J].模糊系统与数学,2014,28(5):137-142.
    [15] GUO Haixiang,LI Yanan,LI Jinling,et al.Differential evolution improved with self-adaptive control parameters based on simulated annealing[J].Swarm and Evolutionary Computation,2014,19:52-67.
    [16] EPITROPAKIS M,TASOULIS D,PAVLIDIS N.Enhancing differential evolution utilizing proximity-based mutation operators[J].IEEE Transactions on Evolutionary Computation,2011,15(1):99-119.
    [17] 张椿玲,黄景廉,曾贤强.一种基于模糊聚类的模糊辨识方法[J].计算机应用与软件,2012,29(2):216-217.
  • 加载中
计量
  • 文章访问数:  2774
  • HTML全文浏览量:  182
  • PDF下载量:  595
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-07-31
  • 刊出日期:  2016-04-29

目录

    /

    返回文章
    返回