基于支持向量機(jī)的模糊系統(tǒng)結(jié)構(gòu)辨識(shí)與算法研究.pdf

1、在過去的20多年里，模糊系統(tǒng)辨識(shí)是智能控制一個(gè)十分活躍的研究與應(yīng)用領(lǐng)域之一。自從Zadeh于1965年提出的模糊集理論以來，對(duì)模糊集合和模糊控制的理論研究和實(shí)際應(yīng)用獲得廣泛開展。由于當(dāng)前的信息技術(shù)所帶來的復(fù)雜性，傳統(tǒng)的數(shù)學(xué)建模方法已經(jīng)無能為力。而模糊控制基于知識(shí)甚至語義描述的控制規(guī)律，對(duì)受控裝置含有不確定性而且很難用傳統(tǒng)理論處理時(shí)，顯得尤為有效。因此，模糊系統(tǒng)辨識(shí)是智能控制理論研究的關(guān)鍵問題之一。
　　 尤其近三十年以來，許多學(xué)

2、者對(duì)模糊系統(tǒng)建模與辨識(shí)進(jìn)行了大量研究，然而至今仍有許多問題有待于人們進(jìn)一步探討。模糊系統(tǒng)辨識(shí)主要包括結(jié)構(gòu)辨識(shí)和參數(shù)估計(jì)。其中，結(jié)構(gòu)辨識(shí)是核心，也是難點(diǎn)。當(dāng)處理復(fù)雜非線性系統(tǒng)時(shí)，由于模糊系統(tǒng)嚴(yán)重依賴于輸入空間的維數(shù)，因此，非常容易出現(xiàn)“維數(shù)災(zāi)”以及泛化能力不強(qiáng)。如何在模糊模型的多個(gè)性能指標(biāo)中得到一個(gè)折衷，如何利用一個(gè)較為簡(jiǎn)潔有效的辨識(shí)算法來提高模型的泛化能力，并降低模糊模型的復(fù)雜性就成為本文的研究出發(fā)點(diǎn)。
　　 本文研究了一種基于

3、樣本數(shù)據(jù)的模糊規(guī)則快速提取算法。該算法利用核馬氏距離挑選出部分可能成為支持向量的樣本，以此減小支持向量機(jī)的訓(xùn)練集規(guī)模；然后利用支持向量回歸模型與T-S模糊模型建立其等價(jià)關(guān)系，從而實(shí)現(xiàn)了T-S模糊規(guī)則的快速提取。該方法在一定程度上解決了模糊系統(tǒng)辨識(shí)所存在的模型結(jié)構(gòu)復(fù)雜、維數(shù)災(zāi)、泛化能力不強(qiáng)和魯棒性差等問題。在本文中，首先利用支持向量機(jī)對(duì)模糊系統(tǒng)建模并結(jié)合最陡梯度下降法（BP算法）、遺傳算法進(jìn)行模糊模型參數(shù)學(xué)習(xí)；然后，利用一維、二維非線性函