摘要
提出了一种新的T-S模糊模型的非线性系统辨识方法。采用自适应模糊C均值聚类算法确定模糊模型的前件结构及参数,用改进的粒子群优化(PSO)算法来辩识模糊模型的结论参数以获得系统参数的最优估计。仿真结果表明该方法是有效的。
A new identification algorithm of Takagi-Sugeno fuzzy model is proposed.An adaptive fuzzy clustering algorithm is applied to decide prefix construction and parameters of fussy model.A Particle Swarm Optimization（PSO） algorithm is used to get the result parameters of fussy model ,which can gain optimal values of system parameters.The simulation results show that the method is effective.
出处
《计算机工程与应用》
CSCD
北大核心
2006年第5期46-49,共4页
Computer Engineering and Applications
基金
上海市教委科研重点资助项目(编号:04FA02)
上海市重点学科建设资助项目(编号:T0602)
关键词
T—S模糊模型
自适应模糊聚类
粒子群优化
系统辨识
T-S fussy model,adaptive fuzzy clustering,particle swarm optimization,system identification
