基于改进PSO和FCM的模糊辨识
为了提高T-S模糊模型的辨识精度和效率,本文提出了一种改进的粒子群算法和模糊C均值聚类算法相结合的模糊辨识新方法.在该方法中,针对粒子群算法在处理高维复杂函数时容易陷入局部极值的问题,提出了一种粒子群局部搜索和全局搜索动态调整的全新优化算法.模糊C均值聚类算法是模糊辨识最常用的方法之一,该算法简单,计算效率高,但是对初始化特别敏感,容易陷入局部最优.为了解决这一问题,利用改进粒子群算法的全局搜索能力优化聚类中心,显著地提高了算法的辨识精度和效率.最后,针对非线性系统进行建模仿真,仿真结果表明了本文方法的有效性和优越性.
模糊辨识、非线性系统、模糊C均值聚类算法、T-S模型、智能算法、粒子群算法、Box-Jenkins数据辨识、全局优化
14
TP15(自动化基础理论)
河北省自然科学基金项目2015203362
2019-04-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
378-384