基于T-S模糊模型的广义模糊神经网络的系统辨识
广义模糊神经网络(GFNN,GeneralizedFuzzyNeuralNetwork)集成了模糊逻辑系统和神经网络的优点,其具有的参数自学习和结构自调整算法给非线性系统建模提供了强大的工具.本文针对GFNN(GeneralizedFuzzyNeuralNetwork)不易于传统控制器设计相结合的缺点,提出了基于T-S模糊模型的广义模糊神经网络(TS-GFNN,Takagi-SugenoGneralizedFuzzyNeuralNetwork),改进了原有GFNN的结构,并针对新的结构提出了基于聚类的离线结构和参数辨识方法.此外,为了更好发挥GFNN在线辨识的特点,以更好地满足系统实时控制的要求,本文还提出了相应的在线结构自组织和参数自调整学习算法.仿真表明,本文提出的TS-GFNN对于非线性系统或者线性时变系统可以以更精简的结构(也即更少的规则)进行辨识,且逼近精度较高。
广义模糊神经网络 GFNN TS模糊模型 非线性系统 在线辨识 结构自调整
蔚瑞华 徐立鸿
同济大学电子与信息工程学院上海,200092
国内会议
哈尔滨
中文
461-464
2006-08-07（万方平台首次上网日期，不代表论文的发表时间）