基于改进自适应粒子群算法的TS模型辨识
丁学明,张久忠,沈业茂
上海理工大学光电信息与计算机工程学院,上海
摘 要:提出基于改进自适应粒子群算法(ImprovedSelfadaptationParticleSwarmOptimization,PSO)的TS模糊模型辨识方法。首先,利用核函数的模糊聚类算法划分数据空间,尽可能少地提取模糊规则,并消除孤立点、噪声点数据等的不利影响;其次,基于ISPSO算法进行参数辨识,将待辨识的参数划分为若干粒子,自适应更新飞行速度,动态修改惯性权因子,惯性权因子呈非线性动态变化,不仅可以克服PSO算法陷入局部较优的早熟,失去多样性,而且可以提高粒子在全局较优位置绕行时的稳定性。提出的方法使得TS模型辨识达到较高的辨识精度。仿真实例和比较分析证明了该算法的有效性。
关 键 词:TS模型;核函数;模糊聚类;PSO算法
1 引 言
非线性动态系统辨识问题是目前系统辨识主要研究领域,TS模型[1]是一种有效的辨识工具,它是把非线性系统看成是多个线性系统的加权组合,通过模糊推理的方法实现了全局的非线性,能够逼近任意非线性系统,同时能够将线性系统理论应用于非线性系统控制当中。TS模型辨识可分为结构的辨识和参数的辨识2个层次。模糊C均值聚类(FCM)[24]是结构辨识的有效工具。在文献[5]中,提出了采用混沌序列优化的聚类方法确定模型的结构,可以取得聚类评价函数的全局极值,但是对于数据中的孤立点、噪声点很敏感,使得结构不够准确。后件参数的辨识实质是优化问题,PSO算法[6]被用于许多优化问题和解决非线性问题,针对PSO算法容易早熟和微粒在算法后期易在全局较优解附近“震荡” 的现象,许多研究者对PSO算法进行了改进[78]。文献[7]提出一种基于群体平均适应度的自适应PSO算法;文献[8]通过在PSO算法中,惯性权重从较大值09线性地减小到较小值04,但是很难找到适应于不同问题的较佳值。
相关阅读:
- ...2014/12/29 15:47·基于改进PCNN的超声图像增强算法
- ...2014/12/05 14:30·基于改进ICP算法的点云自动配准技术
- ...2014/11/26 14:20·基于改进遗传算法的机组指派优化方法研究
- ...2013/10/10 16:00·基于改进蚁群算法的船舶人员疏散问题研究
- ...2012/06/19 13:59·基于改进遗传算法的集成网络节点部署优化
- ...2012/03/14 16:22·基于改进差分进化的分数阶PIλDμ参数整定
- ...· Efinix® 全力驱动AI边缘计算,成功推出Trion™ T20 FPGA样品, 同时将产品扩展到二十万逻辑单元的T200 FPGA
- ...· 英飞凌亮相进博会,引领智慧新生活
- ...· 三电产品开发及测试研讨会北汽新能源专场成功举行
- ...· Manz亚智科技跨入半导体领域 为面板级扇出型封装提供化学湿制程、涂布及激光应用等生产设备解决方案
- ...· 中电瑞华BITRODE动力电池测试系统顺利交付北汽新能源
- ...· 中电瑞华FTF系列电池测试系统中标北京新能源汽车股份有限公司
- ...· 中电瑞华大功率高压能源反馈式负载系统成功交付中电熊猫
- ...· 中电瑞华国际在电动汽车及关键部件测评研讨会上演绎先进测评技术