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。

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。