基于改进模糊C回归聚类的水轮发电机组的模糊辨识

针对水轮发电机组精确建模的难题,提出了一种基于改进模糊C回归聚类的T-S模糊模型辨识方法。考虑到样本输出值与聚类超平面输出之间的误差值指标的重要性,对于模糊C回归聚类算法进行了改进。该算法将误差值的倒数赋给对应的样本隶属度,构建新的权重矩阵用于更新聚类超平面,从而加速聚类朝向最优聚类超平面的收敛;提出一个新的超平面型隶属度函数,直接利用超平面辨识前提参数;应用带遗忘因子的递推最小二乘算法在线辨识模型的结论参数。以三个常用的数学实例及某水电站水轮发电机组为对象,进行T-S模糊模型的建立,并与其他辨识方法进行比较。结果表明,所提出的模糊辨识方法具有较高的辨识精度,辨识所得模型具有较强的泛化能力。

堆叠隐空间模糊C回归算法及其在发酵数据多模型建模中的应用

切换回归算法FCR的性能容易受到噪声点以及离群点的影响,同时该算法对于复杂数据的处理能力较差。对此,文中提出一种基于堆叠隐空间的模糊C回归算法。该算法将基于ELM特征映射技术,利用主成分分析进行特征提取,再结合多层前馈神经网络学习结构对隐空间进行多次扩展和压缩。实验结果表明,该算法具有更好的抗噪性能,对模糊指数的变化不敏感,同时在处理复杂数据以及在多模型建模中更加精确、高效、稳定。

离群模糊切换回归模型研究

模糊切换回归模型被广泛地应用于经济领域和数据挖掘技术中。本文在传统的模糊切换回归模型的基础上,通过为每一个数据样本分配一个动态的权值,得到了一个新的离群模糊切换回归模型,提出了FCWSRM(FuzzyCWeightedSwitchingRegressionModel)算法,最终得到的权重是数据分布的一种代表,将被用来发现数据集中的离群点。实验表明,离群模糊切换回归模型比传统的模糊切换回归模型具有更强的鲁棒性,并且能通过权值发现数据集中的离群点。

基于混合聚类算法的模糊函数系统辨识方法

针对传统模糊系统存在的结构难以确定和参数辨识复杂的问题,提出了一种基于混合聚类算法的模糊函数系统辨识算法.与一般的模糊函数系统相比,混合聚类算法结合模糊C均值和模糊C回归模型聚类算法的样本距离.在模型预测部分,采用高斯函数计算每个输入变量的隶属度,利用输入变量隶属度的模糊化算子得到输入向量的隶属度.应用于Box-Jenkins煤气炉数据、一个双入单出的非线性系统和Mackey-Glass混沌时间序列数据的试验结果表明,本文算法具有很好的辨识效果,从而验证了本文算法的有效性与实用性.

UKF参数辨识的T-S模糊多模型目标跟踪算法

针对非线性系统中机动目标动态模型不确定性问题,提出了一种新的基于UKF参数辨识的T-S模糊多模型机动目标跟踪算法。在提出的算法中,用多个语义模糊集对目标特征信息进行模糊表示,构建一个通用的T-S模糊语义多模型框架。在T-S模糊语义多模型中,使用模糊C回归聚类算法实现对前件参数的辨识,同时,为了实现系统的非线性特征,引入无迹卡尔曼算法辨识后件参数。仿真结果表明,提出的算法跟踪性能优于传统的交互多模型算法和交互多模型无迹卡尔曼滤波算法,在被跟踪目标突然发生方向改变或目标的动态先验信息不精确等复杂情况时,能够有效地对目标进行精确跟踪。

基于区间二型T-S模糊系统的压电迟滞特性建模

为了辨识压电驱动器中固有的迟滞特性,提出了一种基于区间二型Takagi-Sugeno(T-S)模糊系统的建模方案。首先,引用垂直距离公式替换传统的误差计算公式,使聚类算法与所辨识的超平面结果直接相关联,并提出了改进的区间二型模糊C回归模型(FCRM)聚类算法用于模糊空间的划分,提高了区间划分精度。其次,针对超球型高斯隶属度函数与超平面型聚类算法结构不匹配的问题,引入了与超平面相匹配的超平面隶属度函数完成模糊前件参数的辨识,并利用最小二乘法完成模糊后件参数的辨识。最后,利用上述方案完成了压电驱动器迟滞特性的建模。实验结果证明该方案是有效的。