| 【中文题名】 | 基于T-S模糊模型的非线性系统建模 |
| 【英文题名】 | Modeling of Nonlinear System Based on T-S Fuzzy Model |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-7-13 |
| 【中关键词】 | 模糊C均值聚类,最小二乘估计,T-S模糊模型,逐步回归法,遗传算法, |
| 【英关键词】 | fuzzy c-means clustering,the least squares estimate,T-S fuzzy model,stepwise regression,genetic algorithm, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>计算技术、计算机技术>计算机软件>程序设计、软件工程>软件工程 |
| 【论文摘要】 |
非线性系统广泛存在于客观世界，研究非线性系统的建模就显得特别重要。对于非线性系统，难以获得精确的数学模型，即使能够建立其数学模型，也往往过于复杂，使得传统控制难以达到理想控制效果。基于知识和不依赖于精确数学模型的智能控制给这类问题的解决带来了新的思路。
T-S模糊模型采用线性方程去表示每一个非线性系统局部区域的局部规则，以局部线性化为基础，通过模糊推理的方法实现全局的非线性。基于T-S模糊模型的上述特点，本文紧紧围绕着非线性系统模糊建模和辨识方法展开讨论和研究。
在T-S模糊模型辨识中，应用模糊C均值聚类方法可将其前提结构和结论参数的辨识分开进行，减少了计算量。首先通过逐步回归的方法对输入变量进行筛选，保留那些对输出影响显著的变量，剔除那些对输出影响不显著的变量，这样在保证精度的前提下可适当的简化模型的复杂性。然后基于此结果利用模糊C均值聚类算法对所选输入空间进行聚类，提取T-S模糊模型的规则前件隶属函数参数。其次，采用最小二乘法求得T-S模糊模型规则的后件参数，为了进一步提高T-S模糊模型的精度，采用遗传算法优化所建T-S模糊模型的前、后件参数。
最后，本文给出了熟知的Bo... |
| 【论文题纲】 |
|
摘要 |
7-8 |
|
ABSTRACT |
8-9 |
|
第1章 绪论 |
9-19 |
|
1.1 课题研究的背景 |
9-12 |
|
1.2 模糊建模的现状 |
12-17 |
|
1.3 课题研究的意义 |
17 |
|
1.4 本文的主要工作 |
17-19 |
|
第2章 预备知识 |
19-28 |
|
2.1 逐步回归法 |
19-24 |
|
2.1.1 多元线性回归 |
19-20 |
|
2.1.2 最小二乘原理 |
20 |
|
2.1.3 回归系数的显著性检验 |
20-21 |
|
2.1.4 逐步回归 |
21-24 |
|
2.2 模糊C均值聚类算法 |
24-28 |
|
2.2.1 引言 |
24 |
|
2.2.2 模糊聚类分析 |
24-25 |
|
2.2.3 模糊 C-均值算法的推导过程 |
25-26 |
|
2.2.4 加权指数m和聚类数对 FCM算法的影响 |
26-27 |
|
2.2.5 聚类有效性分析 |
27-28 |
|
第3章 基于T-S模型的非线性系统建模 |
28-43 |
|
3.1 动态系统的T-S模糊模型的描述 |
28-30 |
|
3.2 T-S模型的建模过程 |
30-32 |
|
3.2.1 基于 T-S模糊模型的一般辨识方法及步骤 |
30-31 |
|
3.2.2 基于 T-S模糊模型的完整的辨识方法及步骤 |
31-32 |
|
3.3 T-S模糊模型的后件结构的辨识 |
32-40 |
|
3.3.1 引言 |
32-33 |
|
3.3.2 逐步回归的算法 |
33-40 |
|
3.4 T-S模糊模型前件结构和参数的辨识 |
40-41 |
|
3.5 T-S模糊模型的后件参数的辨识 |
41-43 |
|
第4章 用遗传算法优化 T-S模糊模型的前后件参数 |
43-51 |
|
4.1 遗传算法的生物学基础 |
43-44 |
|
4.2 遗传算法的特点 |
44-45 |
|
4.3 遗传算法基本理论 |
45-46 |
|
4.4 用遗传算法优化 T-S模糊模型的前后件参数 |
46-49 |
|
4.4.1 编码 |
46-47 |
|
4.4.2 种群和进化代数的确定 |
47-48 |
|
4.4.3 适应度函数的确定 |
48 |
|
4.4.4 遗传操作 |
48-49 |
|
4.5 整个建模过程的归纳 |
49-51 |
|
第5章 仿真实例及结论 |
51-57 |
|
5.1 对非线性函数y=sin3x进行仿真 |
51-52 |
|
5.1.1 T-S模糊模型后件结构 |
51 |
|
5.1.2 T-S模糊模型前件结构和参数 |
51-52 |
|
5.1.3 T-S模糊模型后件参数 |
52 |
|
5.1.4 仿真结果 |
52 |
|
5.2 对 Box-Jenkins煤气炉数据进行仿真 |
52-57 |
|
5.2.1 T-S模糊模型后件结构 |
53 |
|
5.2.2 T-S模糊模型前件结构和参数 |
53-54 |
|
5.2.3 T-S模糊模型的后件参数 |
54 |
|
5.2.4 仿真结果 |
54-55 |
|
5.2.5 用遗传算法优化 T-S模糊模型的前后件参数 |
55-57 |
|
结论 |
57-58 |
|
参考文献 |
58-63 |
|
致谢 |
63-64 |
|
附录A 攻读学位期间所发表的学术论文目录 |
64 |
|
| 【DOI】 | LunWen.ID:2.2008.359105 |
