系统辨识si-12

《系统辨识si-12》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第十二章系统辨识的其它方法第一节神经网络模型第二节遗传算法应用第三节模糊模型辨识1第一节神经网络模型令则2前向网络BP算法3将对象过去的输入、输出作为网络的输入，将动态特性直接引入神经网络。对象描述4第二节遗传算法应用遗传算法(GeneticAlgorithms，简称GA)是J.H.Holland根据生物进化的模型提出的一种优化算法。与常规优化算法相比有以下特点：在全局范围内搜索，能得到全局最优解不需要目标函数的微分，只需目标函数值寻优规则不是确定性的，而是由概率决定的1、编码2、初始化种群3、遗传操作（复制、交叉、变异）4、重复上

2、一步，直到满足终止条件。算法过程5准则函数辨识问题6第三节模糊模型辨识一、模糊规则与推理算法二、基于T-S模型的模糊辨识基于模糊集合理论，用系统的输入输出量测数据来辨识系统模糊模型，是对复杂系统建模与辨识的一种有效途径。7模糊逻辑关系的格式一、模糊规则与推理算法推理算法8最终输出y的值由以下步骤确定（重心法）：1）对每一个逻辑关系，计算结论的值2）计算y=yi的真值，记为T(yi)3）以T(yi)为权重计算n个yi的加权平均值，作为最终输出y9二、基于T-S模型的模糊辨识Takagi-Sugeno模糊模型是基于一组语言规则的描述的模型前提

3、中的逻辑关系只用"and"连接，结论函数是线性的。根据输入输出数据确定：前提变量的选择；前提参数（隶属函数）；结论参数101、结论参数的辨识假设前提条件已知，即前提变量和隶属函数已知辨识令则11令则测N组数据，N>n(m+1)可采用最小二乘法估计参数12假定前提变量已选定，模糊子空间划分的个数已确定。使性能指标函数为最小，求隶属函数。步骤如下：1）给定初始前提参数；2）辨识结论参数；3）使性能指标最小，求前提参数；这是一个非线性规划问题，可采用梯度法，遗传算法等。4）转到2，直到满足要求。2、前提参数的辨识13