基于二型模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識算法研究.pdf

1、神經(jīng)網(wǎng)絡(luò)優(yōu)勢在于非線性映射和自適應(yīng)學(xué)習(xí)能力;模糊系統(tǒng)主要處理模糊不確定信息。將兩者有機(jī)結(jié)合近年來成為國內(nèi)外學(xué)者研究焦點(diǎn)，使得模糊神經(jīng)網(wǎng)絡(luò)成為了非線性系統(tǒng)辨識的有力工具。本文針對二型模糊神經(jīng)網(wǎng)絡(luò)算法展開研究。
　　1.設(shè)計了一種新的帶補(bǔ)償因子的區(qū)間二型模糊遞歸神經(jīng)網(wǎng)絡(luò)，該模糊神經(jīng)網(wǎng)絡(luò)適合于非線性動態(tài)系統(tǒng)辨識問題。二型模糊集合的使用更能有效處理不確定信息;補(bǔ)償因子將傳統(tǒng)的模糊推理擴(kuò)展到補(bǔ)償性模糊推理機(jī)制，使得系統(tǒng)能動態(tài)優(yōu)化模糊規(guī)則，提

2、高模糊規(guī)則適應(yīng)能力的同時減少模糊規(guī)則數(shù)目;遞歸環(huán)節(jié)的設(shè)計充分利用了被測系統(tǒng)數(shù)據(jù)的自身聯(lián)系性，使得系統(tǒng)具有記憶能力。基于模糊C均值聚類算法及其模糊度范圍給出了確定前件網(wǎng)絡(luò)參數(shù)初值方法;基于梯度下降法導(dǎo)出了所設(shè)計模糊神經(jīng)系統(tǒng)的學(xué)習(xí)算法;分析算法的收斂穩(wěn)定性的同時給出了最優(yōu)學(xué)習(xí)率定理。實(shí)驗結(jié)果表明，在模糊規(guī)則數(shù)和迭代次數(shù)較少的情況下所提算法較其他算法辨識精度更高。
　　2.針對二型TSK模糊神經(jīng)網(wǎng)絡(luò)算法由于后件網(wǎng)絡(luò)參數(shù)無法根據(jù)物理意義給

3、出初值導(dǎo)致辨識結(jié)果不穩(wěn)定問題，提出一種基于混合優(yōu)化方法的二型模糊遞歸神經(jīng)網(wǎng)絡(luò)。后件網(wǎng)絡(luò)參數(shù)的初值由帶遺忘因子的最小二乘遞推算法確定。該方法使得每次辨識結(jié)果穩(wěn)定的同時能夠加快網(wǎng)絡(luò)訓(xùn)練速度和在一定程度上避免陷入局部最優(yōu)。實(shí)驗結(jié)果表明，進(jìn)一步改進(jìn)后的算法在提高辨識精度的同時具有辨識結(jié)果穩(wěn)定的優(yōu)點(diǎn)。
　　3.將設(shè)計的二型模糊神經(jīng)網(wǎng)絡(luò)及其學(xué)習(xí)算法用于TE化工過程辨識中。實(shí)驗結(jié)果表明本文所提算法較一型TSK模糊神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)具有較好的