模糊辨识参数优化算法研究及应用
模糊辨识论文 智能优化算法论文 菌群优化算法论文 果蝇优化算法论文 粒子群优化算法论文 自适应逆控制
论文详情
模糊模型的强大逼近能力,为非线性和不确定性系统提供了一种有效的建模方法。传统模糊建模方法因其局限性导致有时建模精度不能满足要求,随着智能优化算法的提出,此问题有了一条新的解决途径。将模糊模型辨识与智能算法相结合,采用智能优化算法对模糊模型的前后件参数进行优化,以此提高模型的辨识精度,是达到满意的辨识效果的一个有效方法。本文主要研究基于智能优化算法的模糊模型参数优化问题,具体工作如下:首先,概述了课题的研究意义及智能优化算法和T-S模糊模型的发展过程及研究现状,并对模糊辨识中几种常用的智能优化算法进行了仿真分析和比较,为后续研究提供了算法参考。其次,提出了一种改进的菌群优化算法,提高了BFO算法的收敛精度并避免其陷入局部最优。针对非线性系统的辨识问题,将其用于高斯型隶属函数参数的优化,并采用递推最小二乘算法更新模型的结论参数,实现对模糊模型全局参数的优化。然后,针对Mackey-Glass混沌时间序列的预测问题,提出一种基于修正型果蝇优化算法和最小Wilcoxon法训练T-S模糊模型的鲁棒预测方法。采用MFOA对高斯型隶属函数参数进行优化,可以提高辨识精度和收敛速度;采用LW辨识模糊模型的结论参数,当训练数据中出现例外点时,LW方法的强鲁棒性可以有效克服传统最小二乘方法对例外点敏感的缺点。最后,提出了一种应用PSO建立模糊逆模型的自适应逆控制算法,该方法首先建立非线性系统的离线模糊逆模型,采用T-S模糊模型与中心和宽度不确定的高斯型隶属函数,用PSO对逆模型的前提参数和结论参数同时进行优化,然后将其作为初始控制器与被控非线性对象串联,并利用变步长LMS算法在线调节模糊逆模型参数,同时将其复制作为系统的控制器,取得了较好的控制效果。
摘要 | 第5-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-17页 |
1.1 课题研究意义及背景 | 第10-11页 |
1.1.1 课题研究意义 | 第10-11页 |
1.1.2 课题来源 | 第11页 |
1.2 国内外发展过程及研究现状 | 第11-15页 |
1.2.1 智能优化算法的发展与研究现状 | 第11-15页 |
1.2.2 T-S 模糊模型发展过程及研究现状 | 第15页 |
1.3 论文的主要内容及安排 | 第15-17页 |
第2章 模糊模型辨识中智能优化算法应用比较分析 | 第17-29页 |
2.1 引言 | 第17页 |
2.2 模糊模型辨识 | 第17-19页 |
2.2.1 模糊模型 | 第17-18页 |
2.2.2 模糊模型辨识 | 第18-19页 |
2.3 智能优化算法的基本原理 | 第19-24页 |
2.3.1 遗传算法 | 第19-20页 |
2.3.2 粒子群优化算法 | 第20-21页 |
2.3.3 菌群优化算法 | 第21-23页 |
2.3.4 基于粒子群算法的菌群优化算法(BSO) | 第23-24页 |
2.3.5 PSO-RLS 算法 | 第24页 |
2.4 模糊模型参数优化算法的性能比较与分析 | 第24-28页 |
2.4.1 优化模型后件参数 | 第24-25页 |
2.4.2 优化模型全局参数 | 第25-27页 |
2.4.3 仿真结果分析 | 第27-28页 |
2.5 本章小结 | 第28-29页 |
第3章 基于改进 BFO 和 RLS 的模糊建模方法 | 第29-37页 |
3.1 引言 | 第29页 |
3.2 改进的 BFO | 第29-32页 |
3.2.1 趋化环节的改进 | 第30页 |
3.2.2 迁徙环节的改进 | 第30-31页 |
3.2.3 改进 BFO 的算法步骤 | 第31页 |
3.2.4 RLS 算法 | 第31-32页 |
3.3 改进的 BFO-RLS 混合算法 | 第32-33页 |
3.4 仿真实验 | 第33-36页 |
3.4.1 非线性动态系统 | 第33-34页 |
3.4.2 Box-Jenkins 煤气炉数据辨识 | 第34-35页 |
3.4.3 变载荷气动加载系统建模 | 第35-36页 |
3.5 本章小结 | 第36-37页 |
第4章 基于 MFOA 和 LW 的混沌时间序列鲁棒模糊预测 | 第37-46页 |
4.1 引言 | 第37页 |
4.2 MFOA 与 LW 方法 | 第37-41页 |
4.2.1 修正型果蝇优化算法(MFOA) | 第37-39页 |
4.2.2 最小 Wilcoxon 方法 | 第39-40页 |
4.2.3 MFOA-LW 混合算法 | 第40-41页 |
4.3 仿真实验 | 第41-45页 |
4.4 本章小结 | 第45-46页 |
第5章 PSO 在直接模糊自适应逆控制中的应用 | 第46-54页 |
5.1 引言 | 第46页 |
5.2 基于 PSO 的 T-S 模糊逆模型辨识 | 第46-49页 |
5.2.1 逆模糊模型 | 第46-47页 |
5.2.2 基于 PSO 的 T-S 模糊逆模型辨识 | 第47-49页 |
5.3 自适应逆控制 | 第49-50页 |
5.3.1 控制系统的设计 | 第49-50页 |
5.3.2 变步长 LMS 算法 | 第50页 |
5.4 仿真实验 | 第50-53页 |
5.4.1 动态非线性对象 | 第50-51页 |
5.4.2 球形液位控制 | 第51-53页 |
5.5 本章小结 | 第53-54页 |
结论 | 第54-55页 |
参考文献 | 第55-62页 |
攻读硕士学位期间承担的科研任务与主要成果 | 第62-63页 |
致谢 | 第63-64页 |
作者简介 | 第64页 |
论文购买
论文编号
ABS2662111,这篇论文共64页
会员购买按0.30元/页下载,共需支付
19.2。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
32。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文