基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识.pdf

第 卷第 期 数学的实践与认识 !! ! 2345!! ,35! 年 月 ##! ! $%’($%)*+), -.%*)*(%,/ ’(0.1 $789:;##! 66666666666666666666666666666666666666666666666666666666 基于随机采样模糊聚类和卡尔曼滤波方法的模糊辨识 刘福才 路平立 裴 润 ; ; 燕山大学电气工程学院自动化系 秦皇岛 = ; #??##@A 哈尔滨工业大学航天学院控制科学与工程系 哈尔滨 = ; B###A 摘要 提出一种新的基于模糊聚类和卡尔曼滤波方法的模糊辨识算法 该方法是基于快速模糊聚类 计 C ; 算给定样本在各类中的隶属度 并利用卡尔曼滤波方法辨识模糊模型的结论参数 整个辨识过程与一般的 ; DE 模糊聚类方法 相比 需要的 时间大大缩短 最后通过仿真实例验证了该方法的有效性 ; *-F 关键词 模糊辨识 模糊聚类 卡尔曼滤波 模糊模型 C G G G H 引 言 最近几年 模糊 划分方法 已经在模式识别和数据聚类中得到了广泛应用D;!E ; I = A K L*$ 由于这种方法采用多次迭代方式 计算过程中包含大量的特征向量 因此 计算量大 是很耗 ; ; ; ; 时的 为了解决上述问题 文献 提出了一种新的 快速实用的模糊聚类方法 叫做多步随机 ; D?E M ; 采样模糊 划分聚类方法 这种方法的特点是从给定样本中随机抽取一小部分 KI = A N8L*$ 进行聚类 得到次小部分的聚类中心后 再从剩余样本中抽取相同数目的样本与这一小部分 ; ; 合成一个大的数据集 再进行聚类 上次计算的聚类中心作为本次聚类中心的初始值 这样 ; G ; 循环计算 直到取完所有给定样本为止 最终得到的聚类中心作为整个给定样本模糊聚类 ; 中心的初始值 然后再利用普通的 聚类方法进行辨识 得到模糊模型的隶属度函数 ; L*$ ; 这种快速方法特别适合那些多维空间和具有大量数据集的系统的参数辨识