10.3969/j.issn.1001-9006.2023.03.001
基于NSPSO算法的微调模糊宽度学习系统用于非线性系统辨识
非线性系统的辨识涉及对对象的控制输入和输出之间的关系进行近似.其中,模糊宽度学习系统是一种新颖的且具有潜力的非线性系统辨识方法.然而,该方法在辨识过程中存在性能不足且超参数敏感的问题.为此,本文提出了一种基于节点敏感性粒子群算法的微调模糊宽度学习系统,用于求解非线性系统辨识问题.首先,本文在原始模糊宽度学习系统结构基础上使用稀疏自编码器对后件参数进行微调,构建了一种新型的微调模糊宽度学习系统.然后,提出了一种节点敏感性PSO算法对模糊宽度学习系统的模糊规则、TSK模糊子系统和增强节点三个参数进行搜索.使用模拟的非线性系统生成的数据验证模型的有效性,并利用经过节点敏感性PSO优化搜索的最优微调模糊宽度学习系统结构进行预测.该模型计算过程简单高效,能够同时用于神经网络逼近和模糊推理,具有快速确定最优模型结构的优点,可以有效提升模型的非线性系统辨识能力,在非线性系统辨识任务中具有较强的应用价值.
节点敏感性、粒子群算法、模糊宽度学习系统、非线性系统辨识
37
TM621(发电、发电厂)
四川省重大科技专项项目2022ZDZX0003
2023-10-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
1-5