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.

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。