基于可生長(zhǎng)與修剪T-S模糊模型的非線性系統(tǒng)建模與控制.pdf

1、當(dāng)前非線性系統(tǒng)理論還非常不完善，非線性系統(tǒng)的建模與控制問(wèn)題一直以來(lái)都是難點(diǎn)。對(duì)其進(jìn)行研究的多種方法中，模糊系統(tǒng)理論由于具有類似人類思維的語(yǔ)言式描述方式，能夠智能地獲取和處理定性信息，本身也具有非線性特性。因此利用模糊系統(tǒng)理論建立非線性系統(tǒng)的模糊模型可以很好地描述非線性特性。而T-S模糊系統(tǒng)由于把模糊系統(tǒng)處理非線性問(wèn)題的良好性能與簡(jiǎn)潔的線性表達(dá)形式相結(jié)合，既能適用于對(duì)非線性系統(tǒng)建模，又能基于建立的T-S模糊模型并利用線性控制理論的方法設(shè)計(jì)

2、控制器，于是在非線性系統(tǒng)控制問(wèn)題中得到了廣泛應(yīng)用，同時(shí)也極大的發(fā)展了T-S模糊系統(tǒng)本身的理論，出現(xiàn)了許多對(duì)其進(jìn)行結(jié)構(gòu)和參數(shù)辨識(shí)的方法。 然而，這些方法還沒(méi)有對(duì)T-S模糊系統(tǒng)的規(guī)則數(shù)進(jìn)行深入研究，使得我們?cè)诶肨-S模糊模型處理非線性系統(tǒng)的建模和控制問(wèn)題中，必然要面對(duì)不同方法選取規(guī)則數(shù)的差異以及離線方法欠缺的規(guī)則數(shù)的在線自適應(yīng)能力。鑒于此，本文首先從研究T-S模糊模型一條規(guī)則在輸出端的響應(yīng)出發(fā)，引入一種神經(jīng)網(wǎng)絡(luò)的生長(zhǎng)與修剪方法并基

3、于概率論的知識(shí)，將其推廣到整個(gè)樣本空間中一條規(guī)則對(duì)輸出的影響，從而在統(tǒng)計(jì)意義上得到了一條規(guī)則對(duì)輸出影響程度的定量描述。將它與建模精度要求結(jié)合起來(lái)決定生成滿足建模精度要求的規(guī)則并修剪掉影響力不足的規(guī)則。結(jié)合競(jìng)爭(zhēng)性的擴(kuò)展卡爾曼濾波器進(jìn)行參數(shù)學(xué)習(xí)，整個(gè)T-S模糊模型的結(jié)構(gòu)和參數(shù)即可在線獲得并都具有自適應(yīng)的能力。最終形成的廣義生長(zhǎng)與修剪T-S模糊模型(GGAP-TS)具有不需要離線學(xué)習(xí)，在線學(xué)習(xí)算法簡(jiǎn)便且計(jì)算量小的特點(diǎn)，仿真結(jié)果說(shuō)明了其在非線性