基于改進自適應(yīng)粒子群算法的ＴＳ模型辨識

2012年03月27日15:42:55 本網(wǎng)站我要評論(2)字號：T | T | T

丁學(xué)明，張久忠，沈業(yè)茂
上海理工大學(xué)光電信息與計算機工程學(xué)院，上海

摘　　　要：提出基于改進自適應(yīng)粒子群算法（ＩｍｐｒｏｖｅｄＳｅｌｆａｄａｐｔａｔｉｏｎＰａｒｔｉｃｌｅＳｗａｒｍＯｐｔｉｍｉｚａｔｉｏｎ，ＰＳＯ）的ＴＳ模糊模型辨識方法。首先，利用核函數(shù)的模糊聚類算法劃分數(shù)據(jù)空間，盡可能少地提取模糊規(guī)則，并消除孤立點、噪聲點數(shù)據(jù)等的不利影響；其次，基于ＩＳＰＳＯ算法進行參數(shù)辨識，將待辨識的參數(shù)劃分為若干粒子，自適應(yīng)更新飛行速度，動態(tài)修改慣性權(quán)因子，慣性權(quán)因子呈非線性動態(tài)變化，不僅可以克服ＰＳＯ算法陷入局部較優(yōu)的早熟，失去多樣性，而且可以提高粒子在全局較優(yōu)位置繞行時的穩(wěn)定性。提出的方法使得ＴＳ模型辨識達到較高的辨識精度。仿真實例和比較分析證明了該算法的有效性。

關(guān)　鍵　詞：ＴＳ模型；核函數(shù)；模糊聚類；ＰＳＯ算法

１　引　言
非線性動態(tài)系統(tǒng)辨識問題是目前系統(tǒng)辨識主要研究領(lǐng)域，ＴＳ模型［１］是一種有效的辨識工具，它是把非線性系統(tǒng)看成是多個線性系統(tǒng)的加權(quán)組合，通過模糊推理的方法實現(xiàn)了全局的非線性，能夠逼近任意非線性系統(tǒng)，同時能夠?qū)⒕€性系統(tǒng)理論應(yīng)用于非線性系統(tǒng)控制當中。ＴＳ模型辨識可分為結(jié)構(gòu)的辨識和參數(shù)的辨識２個層次。模糊Ｃ均值聚類（ＦＣＭ）［２４］是結(jié)構(gòu)辨識的有效工具。在文獻［５］中，提出了采用混沌序列優(yōu)化的聚類方法確定模型的結(jié)構(gòu)，可以取得聚類評價函數(shù)的全局極值，但是對于數(shù)據(jù)中的孤立點、噪聲點很敏感，使得結(jié)構(gòu)不夠準確。后件參數(shù)的辨識實質(zhì)是優(yōu)化問題，ＰＳＯ算法［６］被用于許多優(yōu)化問題和解決非線性問題，針對ＰＳＯ算法容易早熟和微粒在算法后期易在全局較優(yōu)解附近“震蕩” 的現(xiàn)象，許多研究者對ＰＳＯ算法進行了改進［７８］。文獻［７］提出一種基于群體平均適應(yīng)度的自適應(yīng)ＰＳＯ算法；文獻［８］通過在ＰＳＯ算法中，慣性權(quán)重從較大值０９線性地減小到較小值０４，但是很難找到適應(yīng)于不同問題的較佳值。

登錄網(wǎng)站后可下載文件