基于鲁棒模糊C-均值回归的TS建模方法及其在热工过程中的应用

热工过程往往具有强耦合、大惯性和非线性等特点,且在运行过程中易受到诸种不确定性因素的干扰,导致常规建模方法难以获得令人满意的效果。针对非线性热工对象特性建模问题,文中改进了模糊C均值回归算法（FCR）的误差函数,提出一种鲁棒模糊C均值回归算法（RFCR）,并将其用于热工对象的TS建模前件辨识过程中。一方面,相比于FCM聚类算法,RFCR作为一种超平面型聚类算法,更加符合TS建模局部线性化的特点,能够更加精确地辨识TS模型的前件参数;另一方面,RFCR算法能够克服离群点和噪音点的影响,增强了TS模糊辨识的鲁棒性,从而更加适宜于热工过程建模。仿真实例表明,应用文中新算法所建立的煤气炉及机炉协调系统的TS模型具有精确性高、鲁棒性强的特点,证明了算法的有效性和实用性。