基于二階Taylor展示的模糊TS神經(jīng)網(wǎng)絡(luò)辨識.pdf

1、模糊TS神經(jīng)網(wǎng)絡(luò)結(jié)合了TS模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)兩者的特點，其不但能夠處理語言知識和大量數(shù)據(jù)，也能有效地對復(fù)雜系統(tǒng)進行建模和控制。TS模糊系統(tǒng)是線性形式，從數(shù)值逼近的角度出發(fā)，該系統(tǒng)是若干個分片線性模型的加權(quán)求和，即在局部區(qū)域用線性模型近似原模型。為了進一步提高模型的逼近精度，本文提出基于Taylor展式的模糊TS系統(tǒng)，并借助神經(jīng)網(wǎng)絡(luò)來辨識模型的參數(shù)，將其用于對非線性函數(shù)、動力學(xué)模型及時間序列模型的逼近。論文工作如下:
　　第一，論文

2、提出了多輸入多輸出的二階Taylor-TS系統(tǒng)模型和二階Taylor-TS模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu);
　　第二，將二階Taylor-TS模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用到非線性函數(shù)和動力學(xué)模型的建模中，采用的是梯度下降算法（Taylor-TS-GD），最后將仿真結(jié)果與其他算法進行比較，結(jié)果表明Taylor-TS模糊神經(jīng)網(wǎng)絡(luò)在逼近性能和精度方面有所提高;
　　第三，應(yīng)用分步學(xué)習(xí)策略對二階Taylor-TS模糊神經(jīng)網(wǎng)絡(luò)進行辨識。采用PSO算法、擬牛頓

3、算法和梯度下降算法:PSO算法和梯度下降算法分別用于對網(wǎng)絡(luò)前件隸屬函數(shù)參數(shù)的初始化和辨識;擬牛頓算法用于對后件參數(shù)的調(diào)節(jié)。將分步學(xué)習(xí)辨識方法應(yīng)用到非線性函數(shù)和動力學(xué)模型的仿真中，結(jié)果表明相較于其他算法，分布學(xué)習(xí)方法能有效地提高逼近性能和逼近精度;
　　第四，將二階Taylor-TS模糊神經(jīng)網(wǎng)絡(luò)應(yīng)用到典型時間序列的預(yù)測中。首先將二階Taylor-TS模糊神經(jīng)網(wǎng)絡(luò)進行結(jié)構(gòu)優(yōu)化;其次，采用引入閾值的方式優(yōu)化可調(diào)參數(shù)的個數(shù)，進而提高網(wǎng)絡(luò)的