10.3969/j.issn.1671-7848.2005.03.024
基于模糊分类的模糊神经网络辨识方法及应用
基于改进的T-S模型,提出一种自适应模糊神经网络模型(AFNN),给出了网络的连接结构和学习算法.基于竞争学习算法的模糊分类器确定系统的模糊空间和模糊规则数,并得出每个样本对每条规则的适用程度.利用卡尔曼滤波算法在线辨识AFNN的后件参数.AFNN结构简洁,逼近能力强,能够显著提高辨识精度,并且在线辨识的模糊模型简单有效.将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中,仿真结果验证了该方法的有效性,表明该网络能够实现复杂非线性系统的建模,而且建模精度高、收敛速度快,可当作复杂系统建模的一种有效手段.
T-S模型、自适应模糊神经网络、竞争学习、卡尔曼滤波、模糊辨识
12
TP18(自动化基础理论)
2005-06-09(万方平台首次上网日期,不代表论文的发表时间)
共5页
266-269,276