基于T-S模糊模型的广义模糊神经网络的系统辨识

【摘要】：广义模糊神经网络GFNN(Generalized Fuzzy Neural Network)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-Sugeno Gneralized Fuzzy Neural Network), 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,为了更好地发挥 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。