基于模糊竞争学习和UD分解的模糊建模.pdf

第4s卷第6期 大连理工大学学报 V柚．45．NO．6 2005年11月 ofDalian of N0v．20 0 5 Journal UniversityTechnology 基于模糊竞争学习和UD分解的模糊建模 王宏伟。，顾 宏，刘晓东 (大连理工大学电子与信息工程学院自动化系，辽宁大连 116024) 摘要：为解决复杂系统模糊建模问题，研究了利用模糊竞争学习实现非线性系统的模糊建 模方法．首先，利用模糊竞争学习方法划分输入变量的模糊输入空同，确定模糊模型的规则 敷、规则，实现模糊模型的结构优化。另外，为了克服递推最小二乘出现的误差积累、传递现 象，采用基于矩阵UD分解的递推最小二乘方法确定模糊模型的结论参数，从而实现模糊模 型的结构和参数优化．采用该方法对Mackey—Glass混沌时间序列进行建模研究，结果表明可 以在线或者离线对Mackey—Glass混沌时间序列进行准确预测，效果较好． 关键词：模糊竞争学习；Mackey—Glass混沌时间序列；矩阵UD分解；递推最 小二乘；混沌系统 中圈分类号：TPl5文献标识码：A 0 引 言 于模糊模型的解释和理解，也有利于参数优化效 率的提高，防止模型的过拟合． 对于复杂、病态、非线性动态系统，基于模糊 针对上述问题，本文利用模糊竞争学习方法 集合的模糊模型，利用模糊推理规则描述动态系 划分输入变量的模糊输入空间，采用基于矩阵 统的特性，是一种有效方法．自文献[1]建立 uD分解的递推最小二乘方法确定模糊模型的结 Takagi—Sugeno模型(T—s模型)以来，许多关于建 论参数，建立复杂系统模糊模型，并对 模和控制的模糊模型得到发展．这些从T—S模型 MackeyGlass混沌时间序列进行建模研究． 发展来的模糊模型，其全局模型的输出通过局部 模型输出的重心非模糊化获得．这些函数型的规 1 模糊模型的描述 则模型能够解析地描述模糊系统的输入输出关 一个多输人多输出系统P(U，y)，U∈R“，Y 系‰“． ∈Ⅳ，可以分解成q个多输人单输出系统．因此， 针对模糨模型的建模，主要解决两个问题：一 本文讨论多输入单输出系统口]． 是结构辨识，=是参数辨识．第一个问题非常重 考虑一个多输入单输出系统为如下形式： 要，因为对于参数的估计方法很多，如非线性最 R‘：ifZis 2。，u。I2，．己，．tthenY：一Z1讳； 小二乘、推广卡尔曼滤波方法估计参数、梯度学习 i一1，2，…，c (1) 方法等．文献[4、5]重点对模糊模型的结构空间 其中足是第i条规则；Z是输入向量，Z= 进行了讨论．对T—s模型