导读:本文包含了模糊系统辨识论文开题报告文献综述及选题提纲参考文献，主要关键词:T-S模糊系统,差分进化算法,模糊辨识
模糊系统辨识论文文献综述
张璐[1]（2019）在《基于差分进化算法的T-S模糊系统辨识》一文中研究指出从数据中直接提取模糊规则,建立基于获取的模糊规则知识库构成的模糊系统,是一种直接而有效的系统辨识方式。T-S(Takagi-Sugeno)模糊系统是一种将输入空间分为多个模糊子空间分别建立局部线性模型,用隶属函数连接每个局部模型形成的全局半线性模糊系统模型。自提出以来被广泛用于各种工业领域。基于模糊聚类的前件最优模糊划分是构建T-S模糊系统的常用方法。而模糊聚类模型主要有两个问题:抗噪性差以及对初始条件敏感,容易导致聚类目标函数陷入局部最小值,从而影响系统辨识精度。因此需要有效的优化策略来改善模糊规则提取过程的准确度和效率。差分进化算法(Differential Evolution Algorithm,DE)是一种基于群体的自适应全局优化的进化计算方法,具有全局搜索能力强、鲁棒性好、速度快的特点。本文提出了两种基于DE算法的改进算法来改善模糊规则获取过程,优化基于模糊聚类的T-S模糊系统辨识模型。基于initDE-NFCRM算法的模糊系统辨识模型。通过分析基于模糊聚类的T-S模型及其改进方法,粒子群优化算法(Particle Swarm Optimization,PSO)被广泛引入模糊系统辨识领域来解决模糊聚类对初始条件敏感的问题,然而PSO容易陷入局部最优,而且在处理噪声数据时会对系统造成较大影响。而DE算法具有的强大全局搜索能力和鲁棒性可以对模糊聚类进行初始条件优化,降低噪声数据影响,为聚类算法寻找一个较好的启动位置,从而保证模糊划分的准确度。故本文提出用DE作为预启动方法优化基于模糊聚类的T-S模糊系统辨识模型,提出了具体的initDE-NFCRM辨识算法模型。基于SubReDE(Sub-population and Replacement Differential Evolution)算法的模糊系统辨识模型。通过对基于模糊聚类的T-S模型更进一步分析发现,模糊聚类辨识方法将前件辨识和后件辨识分成两个独立的过程,同时必须预先设定规则数量,无法满足系统整体性和自适应性的要求,极有可能影响最终辨识精度。事实上,模糊系统辨识等同于一个多维空间最优化问题,空间上的每一个点相当于一个拥有对应结构和参数的模糊模型。因此,可以直接用DE算法辨识T-S模糊系统,将规则数量、隶属度和后件参数共同编码成一个粒子,在种群中一起演化。同时反向思考,传统DE算法在处理复杂高维度优化问题时,容易出现过早收敛的问题。故提出了SubReDE算法。该算法设计了两个可选的外部子种群和一个新的个体替换策略来提高种群多样性,避免陷入局部极值。考虑到模糊系统的通用性,采用叁种不同类型(多属性,函数,时序)数据测试本文提出的基于DE的T-S模糊系统辨识算法的有效性。实验证明该算法提高了系统辨识精度,并具有较高的运行效率。(本文来源于《华侨大学》期刊2019-05-23）
石建平[2]（2018）在《基于二次差分进化算法的混沌系统参数辨识与T-S模糊建模》一文中研究指出通过合理构造优化目标函数,将混沌系统的参数辨识与T-S模糊建模转换为一个基于多维参数空间的优化问题,并利用提出的群智能优化算法对其进行寻优求解。该算法通过引入两次差分进化操作和对个体历史最佳位置与种群历史最佳位置进行实时动态更新机制,有效均衡了算法的全局探索与局部开发能力。利用6个基准测试函数检验了算法的优化性能,实验结果表明:该方法具有全局寻优能力强、稳定性好、收敛速度快、搜索精度高等优点。以Lorenz混沌系统为例,研究了混沌系统的参数辨识与T-S模糊建模,理论分析和仿真实验说明了该方法的可行性和有效性。(本文来源于《贵阳学院学报(自然科学版)》期刊2018年04期）
林帅,贾利民,王艳辉[3]（2019）在《基于区间直觉犹豫模糊集的高速列车系统关键部件辨识》一文中研究指出关键部件作为系统可靠性分析的重要组成以及系统维修策略制定的重要基础,其辨识方法与识别结果的准确性一直是研究热点与难点.为有效识别关键部件保证高速列车系统安全可靠性运行,本文提出一种新的基于区间直觉犹豫模糊集的关键部件辨识方法.首先通过回顾现有复杂系统网络建模方法及其优缺点,归纳总结部件的提取规则与部件间作用关系的定义和类型,提出由局部到整体的高速列车系统全局拓扑网络模型构建方法.其次鉴于现有针对同一高速列车同一节车辆同一部件的故障维修记录数据量少、随机性大等特点,提出将节点属性值区间化,构建节点属性的区间直觉犹豫模糊集,其中节点属性包括由故障数据分析获得的节点可靠性属性值以及由所建全局拓扑网络得到的拓扑属性.最后利用区间直觉犹豫模糊积分算子综合节点的多种属性辨识系统中的关键部件.以转向架系统的拓扑结构以及历史故障数据为基础的实例分析表明,所提出的辨识方法能够准确的识别出系统中的关键部件,且与专家经验的分析结果基本一致.(本文来源于《控制理论与应用》期刊2019年02期）
高金兰,康迪,雷星宇,朱佳丽[4]（2018）在《基于改进模糊聚类分析的电力系统不良数据辨识》一文中研究指出针对当前电力系统不良数据检测辨识方法的缺点,提出一种基于增强型万有引力搜索-模糊C均值算法(EGSA-FCM)的电力系统不良数据辨识新方法。通过提出的增强型万有引力搜索算法(EGSA)对SCADA系统上传的量测数据进行搜索,获得较好的初始解,再运用FCM算法获得良性数据和不良数据的分类,最后通过COS聚类有效性判定指标判断最优聚类数目,得到最佳聚类结果和不良数据。将方法应用于IEEE14节点电力系统和大庆某区域电网中,结果表明能有效避免误检和漏检的发生,检测结果更加准确。(本文来源于《电气自动化》期刊2018年05期）
王哲[5]（2018）在《基于NT降阶算法的区间二型模糊系统辨识》一文中研究指出由于传统T-S模糊描述系统不确定性方面的缺陷,二型T-S模糊系统得到了广泛关注。针对常见区间二型模糊集合的降阶算法存在的效率低下的问题,本文利用NT降阶算法进行区间二型模糊系统的辨识。NT降阶算法避免了复杂的迭代搜索操作,直接利用首隶属度函数的上、下限进行降阶运算,然后直接得到解模糊化结果。仿真实例表明,利用NT降阶算法能够在不降低辨识精度的情况下,提高辨识效率。(本文来源于《仪器仪表用户》期刊2018年06期）
王宏伟,连捷,夏浩[6]（2018）在《基于递阶原理的非均匀采样非线性系统的模糊辨识》一文中研究指出针对非均匀多采样率非线性系统的建模问题,提出了基于递阶原理的模糊辨识方法.首先,分析了非线性系统在输入信号非均匀周期刷新,输出信号周期采样的情况下,非线性系统可以通过提升技术,利用多个局部线性模型加权组合的模糊模型来描述.在此基础上,利用GK模糊聚类确定模糊模型前件结构,利用基于递阶原理的递推最小二乘辨识算法辨识模糊模型后件参数.同时,通过鞅定理对辨识算法的收敛性进行了研究.最后,通过仿真实例证明了本文方法的有效性.(本文来源于《电子学报》期刊2018年04期）
赵小国,刘丁,景坤雷[7]（2019）在《融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识》一文中研究指出针对传统的T-S模糊辨识方法难以准确辨识含噪声的非线性系统问题,将噪声信号和系统的其他输入变量一起作为模糊前件的输入,采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的结构参数,使用加权最小二乘法实现模糊后件的参数辨识.数值仿真表明,所提出的辨识方法可以有效抑制噪声的影响,经过改进蚁狮算法优化后的T-S模糊模型辨识效果更好.最后,将所提出方法用于直拉硅单晶生长热模型的辨识,实验结果表明该方法优于传统的辨识方法.(本文来源于《控制与决策》期刊2019年04期）
王亚波,周强,王伟刚,王莹[8]（2017）在《基于自适应神经模糊推理系统的纸病二次辨识》一文中研究指出针对造纸生产线上宽幅高速纸机纸病检测系统快速性和精确性的挑战,提出"工业相机+FPGA(Field-Programmable Gate Array)+计算机"模式下的基于自适应神经模糊推理系统的纸病二次辨识方法。使用CCD相机采集纸张图像,通过FPGA完成图像预处理和一次辨识(粗辨识+过辨识);计算机通过自适应神经模糊推理系统(ANFIS)对疑似纸病区域二次辨识(精确辨识),判断出纸病和种类。实验表明,该方法能够准确地辨识各种纸病。(本文来源于《中国造纸》期刊2017年12期）
郑维,王洪斌,张志明,葛俊礼,任素波[9]（2017）在《液压泵控缸伺服系统T-S模糊模型在线辨识研究》一文中研究指出以电机直驱泵控缸伺服系统为研究对象,针对液压系统中存在非线性不确定性和时变特性,对液压伺服系统建立T-S模糊模型,并对其进行模态分析计算。首先基于改进的模糊分割聚类算法,给出聚类数c的优选方法,构建液压系统模型。然后采用带有遗忘因子的递推最小二乘法,对系统模型进行在线参数辨识,得到液压伺服系统的T-S模糊模型。进而实现了伺服缸无扰速度补偿及负载刚度摄动的抑制。最后通过仿真实验对控制策略进行验证,结果显示该辨识方法具有较高的逼近精度和较好的泛化能力。(本文来源于《重型机械》期刊2017年06期）
王哲[10]（2017）在《一种简化的区间二型模糊系统辨识方法》一文中研究指出KM降阶算法是目前区间二型模糊集合常用的降阶算法,针对其效率低、难以用于实时辨识与控制的缺点,提出了一种简化的区间二型模糊系统辨识方法。该方法采用二型T-S模糊模型,前件参数为区间二型模糊集合,后件参数为普通T-S模糊模型形式。二型T-S模糊模型的解模糊化采用简化的降阶算法,提高了模型的辨识效率,可用于实时辨识与控制。仿真实例表明,所提算法在不降低辨识精度的情况下能够有效提高辨识效率。(本文来源于《计算机科学》期刊2017年S2期）
模糊系统辨识论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
通过合理构造优化目标函数,将混沌系统的参数辨识与T-S模糊建模转换为一个基于多维参数空间的优化问题,并利用提出的群智能优化算法对其进行寻优求解。该算法通过引入两次差分进化操作和对个体历史最佳位置与种群历史最佳位置进行实时动态更新机制,有效均衡了算法的全局探索与局部开发能力。利用6个基准测试函数检验了算法的优化性能,实验结果表明:该方法具有全局寻优能力强、稳定性好、收敛速度快、搜索精度高等优点。以Lorenz混沌系统为例,研究了混沌系统的参数辨识与T-S模糊建模,理论分析和仿真实验说明了该方法的可行性和有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
模糊系统辨识论文参考文献
[1].张璐.基于差分进化算法的T-S模糊系统辨识[D].华侨大学.2019
[2].石建平.基于二次差分进化算法的混沌系统参数辨识与T-S模糊建模[J].贵阳学院学报(自然科学版).2018
[3].林帅,贾利民,王艳辉.基于区间直觉犹豫模糊集的高速列车系统关键部件辨识[J].控制理论与应用.2019
[4].高金兰,康迪,雷星宇,朱佳丽.基于改进模糊聚类分析的电力系统不良数据辨识[J].电气自动化.2018
[5].王哲.基于NT降阶算法的区间二型模糊系统辨识[J].仪器仪表用户.2018
[6].王宏伟,连捷,夏浩.基于递阶原理的非均匀采样非线性系统的模糊辨识[J].电子学报.2018
[7].赵小国,刘丁,景坤雷.融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识[J].控制与决策.2019
[8].王亚波,周强,王伟刚,王莹.基于自适应神经模糊推理系统的纸病二次辨识[J].中国造纸.2017
[9].郑维,王洪斌,张志明,葛俊礼,任素波.液压泵控缸伺服系统T-S模糊模型在线辨识研究[J].重型机械.2017
[10].王哲.一种简化的区间二型模糊系统辨识方法[J].计算机科学.2017