一种基于和声搜索算法的T-S模型辨识方法

摘要：

传统的T-S模型辨识方法，如模糊C均值聚类（FCM）算法与最小二乘法结合的辨识方法，常导致无法找到最优解，因为其仅基于一组前件参数得到最优的后件参数。这种方法通常会在复杂多维的参数空间内陷入局部极值点。为了解决这个问题，本文设计了一种混和辨识算法(HIA)，通过将和声搜索算法(HS)、FCM算法与最小二乘法有机结合，实现前件参数和后件参数的同时优化。算法的精髓在于引入了误差反馈机制。仿真结果显示，相对于传统的辨识方法，该方法能够有效避免寻优过程陷入局部极值点的问题，并且能够获得更高的辨识精度。

关键词： T-S模型辨识 局部极值点 混合辨识算法 和声搜索 误差反馈机制

作者: 黄显林 宋清南 班晓军 高晓智

作者单位: 哈尔滨工业大学控制理论与制导技术研究中心,哈尔滨150001 哈尔滨工业大学控制理论与制导技术研究中心,哈尔滨150001 Aalto大学电气工程系,Espoo 00076,芬兰

会议类型: 国内会议

会议名称: 第29届中国控制会议

会议地点: 北京

会议语种:中文

页码: 1224-1229

在线出版日期: 2010-07-29（万方平台首次上网日期，不代表论文的发表时间）