基于T S模型的模糊系统辨识方法综述*

模糊模型设计方法归结为两种,即语义驱动和数据驱动。数据驱动模型具有更好的性能,是目前研究的热点。模糊系统辨识是数据驱动下模糊系统建模的重要手段,辨识的优良直接影响系统建模的精度。模糊系统辨识可以分为两部分进行认识,即模糊系统结构辨识和参数辨识。回顾了近年来模糊系统辨识的理论和方法,如subtractive聚类、多分辨率自适应空间分解、SVM、核函数法、粒子群算法和并行遗传算法等。对各种算法原理、特点进行了介绍,对模糊系统辨识的发展进行了展望。     

基于模糊神经网络的非线性系统模型的辨识

该文提出一种非线性系统的模型辨识方法．利用关系聚类法来进行结构辨识，从而自动获得模糊规则库，并可以得到模糊系统的初始参数，在聚类的基础上，构造一个与之相匹配的模糊神经网络，用它的学习算法来训练网络，得到一个精确的模糊模型，从而实现参数辨识，通过对两个非线性系统辨识的仿真结果验证了该方法的有效性。     

蚁群聚类算法的T-S模糊模型辨识

基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。     

基于模糊神经网络的系统辨识

基于模糊神经网络研究系统辨识问题,提出一种具体的模糊神经网络结构和相应算法,设计了开环系统和闭环系统辨识的结构。针对多个不同的对象进行仿真研究,结果表明用模糊神经网络建模较之传统建模方法能力强。     

基于模糊分类的模糊神经网络辨识方法及应用

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)，给出了网络的连接结构和学习算法。基于竞争学习算法的模糊分类器确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。利用卡尔曼滤波算法在线辨识删的后件参数。AFNN结构简洁，逼近能力强，能够显著提高辨识精度，并且在线辨识的模糊模型简单有效。将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中，仿真结果验证了该方法的有效性，表明该网络能够实现复杂非线性系统的建模，而且建模精度高、收敛速度快。可当作复杂系统建模的一种有效手段。     

基于状态观测与教学优化算法的多变量系统历史数据驱动辨识

常规智能算法与历史数据结合进行多变量系统辨识的方法,选取表征系统由稳态过渡到动态过程的数据作建模数据,当该过程含有未知扰动时,无法准确建立对象模型.本文提出一种基于状态观测与教学优化算法的多变量系统历史数据驱动辨识方法.该方法选取系统由动态回归稳态的历史数据,并根据其稳态终值进行去稳态分量处理.再将其分为两段,应用状态观测器与预估模型对第1段数据末端的系统状态进行估计,并将估计值作为第2段数据对应的系统初态;应用第2段数据的输入对预估模型进行仿真,采用教学优化算法寻优预估模型参数,使仿真输出接近实际输出.仿真实验表明该方法可以克服扰动对模型辨识精度的影响.最后对某火电机组协调控制系统进行建模,结果表明了该方法的有效性.     

自适应模糊辨识及其在大系统中的应用*

本文基于Ｔ－Ｓ模糊模型构造了一种新的自适应模糊神经网络，给出了网络诉连接结构物学习算法，它能自动学习和修正前件参数及模糊规则，将其用于大系统随机民递阶优化的控制建模中，仿真结果表明，该方法具有收敛速度快，辨识精度高、泛化能力强等特点，可当作复杂大系统建模的一种有效手段。     

基于模糊辨识算法的蓄电池荷电状态测量方法与模块设计

针对蓄电池荷电状态在线监测中对准确度和测量速度的要求,本文提出采用模糊辨识算法对蓄电池进行系统辨识。并通过对蓄电池的荷电状态与内阻、端电压数据的分析,建立了蓄电池荷电状态的模糊规则模型,并以此进行蓄电池荷电状态的测量,得到均方误差为0.0052。测量结果表明基于模糊辨识算法的蓄电池荷电状态测量能够满足蓄电池在线监测的要求,且易于硬件实现。文章还使用DSP Builder设计了蓄电池荷电状态测量模块,其中内阻测量采用了特征分解谱估计的信号提取方法,荷电状态测量则实现了模糊辨识算法所得出的模糊规则模型的运用。     

模糊仿真─—定性模型的建立与辨识

本文的目的是在对定性仿真理论进行回顾的基础上，说明模糊方法在对复杂系统进行定性仿真中的合理性。本文首先给出了在仿真建模中应用模糊集理论的基本方法，然后讨论了模糊仿真的两个应用方向，即采用语言变量的模糊仿真和通过模糊仿真来辨识定性模型。     

用神经网络进行连续时间非线性系统建模的研究

在用神经网络进行系统建模时,建模误差的存在是难免的。为了减小这种误差,本文对连接时间非线性系统提出了一种新的神经网络辨识模型,它是由带有输入修正的神经网络和稳定滤波器组合而成。文中给出了权值的学习算法,即权值是根据辨识误差的投影算法来改变,证明了在一定条件下辨识误差的收敛性。     

关于模糊系统辨识近年来的研究与发展

为了实现理想的模糊控制，基于对象的模糊系统辨识研究具有非常重要的理论与实际应用价值．本文主要从模糊系统结构辨识和参数辨识两方面讨论了近年来在该领域的一些研究内容和方法，分析了它们的主要优缺点并探讨了这一研究领域目前存在的问题和研究趋势．     

OWL-FC: an upper ontology for semantic modeling of Fuzzy Control

This work introduces an OWL-based upper ontology, called OWL-FC (Ontology Web Language for Fuzzy Control), capable to support a semantic definition of Fuzzy Control. It focuses on the fuzzy rules representation by providing domain independent ontology, supporting interoperability and favoring domain ontologies re-usability. The main contribution is that OWL-FC exploits Fuzzy Logic in OWL to model vagueness and uncertainty of the real world. Moreover, OWL-FC enables automatic discovery and execution of fuzzy controllers, by means of context aware parameter setting: appropriate controllers can be activated, depending on the parameters proactively identified in the work environment. In fact, the semantic modeling of concepts allows the characterization of constraints and restrictions for the identification of the right matches between concepts and individuals. OWL-FC ontology provides a wide, semantic-based interoperability among different domain ontologies, through the specification of fuzzy concepts, independently by the application domain. Then, OWL-FC is coherent to the Semantic Web infrastructure and avoids inconsistencies in the ontology.     

A review of: “LOGIC AND PHILOSOPHY IN THE LVOV-WARSAW SCHOOL”, by Jan Woleński,Kluwer, Dordrecht (The Netherlands) and Boston, 1989. xiv + 364 pages.

Qualitative methodology plays an important role within computer simulation; modeling and analysis of complex systems require qualitative methods since humans think naturally in qualitative and linguistic terms. The critical interface for simulationists exploring qualitative simulation should rely on an unambiguous mathematical formalism or method with foundations in systems theory. Currently, many ad hoc formalisms exist for encoding uncertain or qualitative simulation knowledge; however, we have found that fuzzy set theory provides for a formalism where linguistic variables can be encoded as state, parameter, input and output information in the model. Fuzzy numbers, in particular, are useful when population statistics are unavailable—usually due to cost factors. We have constructed fuzzy simulation programs based on our C-based SimPack library and we use fuzzy simulation to hypothesize qualitative system models reflecting real system behavior, and to specify qualitative versions of systems.     

基于改进遗传算法的非线性系统模糊辨识新方法

提出一种基于改进遗传算法和递推最小二乘的非线性模糊辨识新算法.该辨识方法包含结构辨识辨出和参数辨识,结构辨识即输入空间的模糊划分,采用具有自适应性的广义高斯隶属函数;参数辨识包含前提参数和结论参数,用基于动态比例变换的改进遗传算法优化高斯函数的前提参数,用递推最小二乘辨识模糊模型的结论参数.最后通过著名的Box-Jenkins煤气炉数据仿真(仿真环境:MATLAB 6.5,计算机主频2.4 GHz,内存512 MB),并根据输入变量个数和模糊规则数,得到均方误差以证明本文方法的辨识精度,将该文辨识方法与其他方法进行比较,验证了该方法辨识精度更高.     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上，再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

一种基于T-S模型的快速自适应建模方法

在分析Takagi-Sugeno模型的网格法（即ANFIS方法），聚类法和模糊树法的基础上，提出一种新的改进的建模方法，它划分的空间的个数与分布和采样数据的特征密切相关，具有自适应能力。应用国际标准例题进行仿真，说明了该方法的有效性。     

模糊竞争神经网络在线辨识及在CSTR中的应用

基于改进的T-S模糊模型构造了一种自适应模糊竞争神经网络模型(FCNN),给出了网络的连接结构和学习算法。它依据模糊竞争学习算法确定系统的模糊空间和模糊规则数,得出每个样本对每条规则的适用程度,并利用卡尔曼滤波算法在线辨识FCNN的后件参数。将其应用于化工过程连续搅拌反应器(CSTR)的建模中,仿真结果表明,FCNN具有结构简洁、收敛速度快、辨识精度高等特点,可当作复杂系统建模的一种有效手段。     

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.