基于卡尔曼滤波技术的非线性模型在线模糊辨识

《基于卡尔曼滤波技术的非线性模型在线模糊辨识》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、基于卡尔曼滤波技术的非线性模型在线模糊辨识吴召明张学庆宋晓云赵乐生王芳（莱芜钢铁集团自动化部，山东省莱芜市，271104）摘要：本文提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和。并把此非线性系统模型表示成模糊模型的形式，用在线调节模糊模型的方法来辨识时变线性模型的相关参数。在以往的模糊辨识方法中，均未给出在线调整非线性系统的模糊辨识算法。本文将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数。仿真算例表明了此算法的有效性。关键词：非线性系统；在线辨识；模糊集合；卡

2、尔曼滤波中图法分类号：TN911.72OnlineFuzzyIdentificationforNonlinearModelBasedonKalmanfilterWUZhao-mingZHANGXue-qingSONGXiao-yunZHAOLe-shengWANGFang(AutomatizationDepartmentofLaiGangGroup，ShanDongProvinceLaiWuCity，271104)Abstract:Anonlinefuzzyidentificationmethodfornonline

3、armodelispresented.Inthemethod,nonlinearsystemissubstitutedbytime-varyinglinearsystem,andthemulti-inputandsingleoutputmodelisexpressedbyfuzzymodel.Theparametersofthetime-varyingnonlinearsystemareidentifiedbymethodofonlineadjustingfuzzymode.Inpast,fuzzyidentifyi

4、ngmethods,thereexistedfuzzyidentifyingalgorithmsnottoonlinetunenonlinearsystems.Inthepaper,aonlineidentificationalgorithmbasedonrecursivefuzzyclusteringmethodispresented.Theresultofemulationexampledemonstratedthatthemethodiseffective.Keyword:nonlinearsystem;onl

5、ineidentification;recursivefuzzyclustering;Kalmanfilter0前言近几年来，对非线性模型的辨识问题引起越来越多的重视，尤其对于复杂、病态、非线性动力系统，基于模糊集合的模糊模型，利用模糊推理规则描述系统的动态特性，是一种有效方法。这种方法是基于局部线性函数的模糊建模方法，该方法已被人们广泛使用，但以往这种模糊模型建模算法存在一些问题，如，算法很复杂，没有在线辨识算法。针对上述问题，本文提出一种用于在线辨识非线性模型的模糊辨识方法。此方法在局部线性函数模糊模型的基础上得

6、到系统全局非线性模型的输出，采用基于递推模糊聚类方法来自适应模糊推理调整模糊模型，并采用卡尔曼滤波方法来实时估计模型的时变参数。仿真算例表明此算法跟踪辨识系统非线性模型是有效的。1系统模糊模型的建立设一个非线性系统（1）辨识此模型，可先将此模型用时变参数模型进行拟和（2）其中为输入变量，为系统时变参数向量，在线辨识的目的就是实时辨识与修正系统参数，可将（2）式变成如下形式（3）为模型噪声向量，假定为零均值高斯白噪声，有方差矩阵=，（），为量测噪声向量，假定为零均值高斯白噪声向量，有方差，，本文将利用卡尔曼滤波与模糊辨

7、识方法在线实时估计系统的时变参数，与传统在线递推最小二乘法相比，此方法不仅能够提高系统参数的辨识精度，还具有良好的跟踪速度。用模糊模型实现非线性系统建模，其输入和输出处理的都是精确数据，所以，模型可以简化成模糊规则Ifisthen,(3)和模糊模型(4)其中，是系统输入向量，，是第条规则对应的局部参数，是第条规则对应的输入局部区域中心向量，是相应的半径，是输入属于第条规则的隶属度，是规则对应的输出，表示规则个数。2模型在线模糊辨识方法利用模糊规则(3)表达非线性系统，实质上对系统进行了输入输出局部线性化，很显然规则的

8、输入局部区域用表示。如果对于任意输入都能找到一个或几个输入局部区域，使，那么规则的输入区域的并集就覆盖了输入空间。但有时候由于训练样本可能不会充满整个输入空间，或者由于输入空间聚类个数不一定很多，可能会出现划分好的输入区域之并集小于输入空间的情况，为此提出如下自适应模糊推理方法:当新的输入数据属于某条或某几条规则的输入区域时，可以用通常的方法进