【技术实现步骤摘要】
基于知识共享的IT2
‑
PCM聚类T
‑
S模糊模型非线性系统辨识方法
[0001]本专利技术属于自动控制
,具体是一种基于知识共享的IT2
‑
PCM聚类T
‑
S模糊模型非线性系统辨识方法。
技术介绍
[0002]多变量非线性系统的辨识建模一直是控制领域的研究热点,由于模糊系统已经被证明能够以任意精度逼近非线性系统,故被广泛应用于非线性系统的辨识。模糊建模主要基于Mamdani和Takagi
‑
Sugeno两种方法,应用最多的是T
‑
S模糊模型。T
‑
S模糊模型的辨识分为参数辨识和结构辨识,模糊空间划分是结构辨识的主要内容,模糊空间划分方法主要有网格法、聚类法等,聚类法又包含模糊C均值(Fuzzy C
‑
Means,FCM)聚类、Gustafson
‑
Kessel(G
‑
K)聚类等。
[0003]FCM算法是一种基于划分的聚类算法,它的思想是使得被划分到同一簇的对象之间的相似度最大,而不同簇之间的相似度最小。FCM算法是普通C均值算法的改进,普通C均值算法对于数据的划分是硬性的,而FCM算法则利用隶属度矩阵表示每个对象属于每个类的程度大小,因此FCM算法是一种柔性的模糊划分,但是当数据存在噪声时,FCM算法的准确度会大大降低。可能性C
‑
均值(Possibility C
‑
Means,PCM) ...
【技术保护点】
【技术特征摘要】
1.一种基于知识共享的IT2
‑
PCM聚类T
‑
S模糊模型非线性系统辨识方法,其特征在于,该方法包含如下步骤:步骤1、采集非线性系统的历史数据,获得最佳聚类数c,即模糊规则数;采用FCM算法对聚类中心矩阵和模糊划分矩阵进行初始化,得到聚类中心矩阵和模糊划分矩阵Q表示聚类中心中包含的输入变量数,n表示输入数据的数量;其中,分别表示聚类中心矩阵V的上、下限,分别表示第i个聚类中心中第q个输入变量的上、下限,分别表示模糊划分矩阵U的上、下限,分别表示第i个聚类中心中第s个输入数据的上、下限;步骤2、利用PCM算法计算隶属度矩阵;首先,通过高斯核函数计算输入数据到聚类中心矩阵的距离;然后,根据输入数据到聚类中心矩阵的距离构造目标函数,对聚类中心矩阵和隶属度矩阵进行迭代更新,得到隶属度矩阵其中,分别表示第i个聚类中心中第s个输入数据的上、下限;步骤3、选取中心模糊化的钟型高斯函数作为隶属度函数,将隶属度矩阵代入隶属度函数中,计算各个聚类中心中每个输入变量的隶属度区间,隶属度区间表示为:式中,表示输入数据的第q个输入变量,k表示采样时刻,均为隶属度函数的可调参数,υ
iq
(k)分别表示可调参数υ
iq
(k)的上、下限,σ
iq
(k)分别为可调参数σ
iq
(k)的上、下限;分别表示输入变量x
q
(k)隶属度区间的上、下限;将可调参数υ
iq
(k)作为高斯函数的中心,则有:将可调参数σ
iq
(k)作为高斯函数的宽度,则有:式中,分别表示更新后的第i个聚类中心中第q个输入变量以及第s个输入数据的上下限参数;根据式(8)、(9)对T
‑
S模糊模型的前件参数σ=[σ
iq
]
c
×
Q
与υ=[υ
iq
]
c
×
Q
进行辨识;步骤4、根据隶属度区间计算每个模糊规则的激活强度,并对激活强度进行归一化处理;第i个模糊规则的激活强度ω
i
表示为:
式中,表示激活强度ω
i
的上限,表示激活强度ω
i
的下限;根据式(12)对激活强度进行归一化处理;式中,λ
i
表示归一化后的激活强度,0≤λ
i
≤1,步骤5、将每个模糊规则下T
‑
S模糊模型的后件参数作为一个种群,后件参数即为种群中的个体,基于知识获取共享对每个模糊规则下T
‑
S模糊模型的后件参数进行辨识;步骤6、实时采集系统的输入量和输出量,将输入量和输出量作为模型的输入数据,根据上述步骤辨识前件参数和后件参数,得到非线性系统模型,表达式为:式中,α表示模型的第α个输出量,表示第i个...
【专利技术属性】
技术研发人员:张燕,杨安杰,李璇,孙善乐,李小觅,
申请(专利权)人:河北工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。