论文部分内容阅读
该文紧紧围绕着非线性系统模糊建模和辨识方法展开讨论和研究,取得的主要成果如下:首先,对模糊辨识方法中遇到的基本定义和原则给予了介绍,并从模糊系统作为通用逼近器的逼近性能、充分条件和必要条件等三个方面对模糊系统逼近理论的发展过程及研究现状进行了分析.在此基础上,提出了通过三种不同算法获得单输入单输出的Mamdani模糊系统作为通用逼近器的充分条件的保守性比较定理.针对以往模糊建模方法中算法过于复杂的问题,首先,提出了一种简单而有效的基于一种模糊模型的非线性系统模糊辨识方法.其次,基于TSK模型提出了一种从数据中提取模糊IF-THEN规则的混合方法:首先通过启发方式法确定规则结论部分非模糊单值的初始值,然后通过梯度下降学习方法进行精调.这种方法的有效性通过计算机仿真进行了验证.结构辨识是模糊辨识方法中最重要、最复杂的问题.通过对模糊模型辨识中模糊聚类方法的应用分析,详细研究了模型精度与输入变量数及模糊聚类数之间的关系,指出了应用模糊聚类方法的优势与不足,对于模糊建模中正确应用模糊聚类方法具有重要指导意义.同时针对FCM算法在搜索聚类中心时计算量大,不适于在线建模与控制这一问题,提出一种改进方法:将多步随机采样模糊c-划分聚类方法(mrFCM)应用到模糊模型辨识中.从数据中辨识模糊系统的一人实际问题是隶属函数的设计和调整.取代应用原始数据样本构造模糊模型的传统方法,提出了两种基于数据变换技术和启发式方法提高模型模型性能的方法.为了验证模糊辨识方法的实用性,该文在最后给出了模糊辨识方法在实际系统中的应用.该文采用模糊辨识方法对光伏系统中铅酸蓄电池充放电状态进行模糊建模的研究,获得了满意的结果,为高度复杂的非线性电化学过程的模型化提供了一条新途径.上述三种方法均通过仿真实例进行了验证,并且取得了较好的控制和预测结果,表明模糊辨识方法应用具有广阔的背景.