基于微粒群优化算法的T-S模糊模型辨识研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究的背景和意义 | 第10-11页 |
| ·模糊建模的发展过程及研究现状 | 第11-14页 |
| ·Mamadani型模糊模型 | 第11-12页 |
| ·模糊关系模型 | 第12页 |
| ·T-S模糊模型 | 第12-14页 |
| ·T-S模糊模型参数辨识 | 第14-16页 |
| ·基于梯度学习的参数辨识 | 第15页 |
| ·基于模糊神经网络的参数学习 | 第15-16页 |
| ·应用遗传算法进行参数辨识与优化 | 第16页 |
| ·T-S模型结构辨识 | 第16-17页 |
| ·T-S模型输入变量的选择 | 第16-17页 |
| ·输入变量的模糊划分 | 第17页 |
| ·T-S模糊模型的规则简化 | 第17-18页 |
| ·本文的主要内容和安排 | 第18-20页 |
| ·本文的主要内容 | 第18-19页 |
| ·本文的结构安排 | 第19-20页 |
| 第2章 微粒群优化算法 | 第20-27页 |
| ·引言 | 第20页 |
| ·群智能 | 第20-21页 |
| ·微粒群优化算法 | 第21-24页 |
| ·算法原理 | 第21-22页 |
| ·算法流程 | 第22-23页 |
| ·全局模型和局部模型 | 第23-24页 |
| ·微粒群优化算法参数选取 | 第24-25页 |
| ·微粒群优化算法与遗传算法的比较 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第3章 基于PSO的T-S模型后件参数优化 | 第27-38页 |
| ·引言 | 第27页 |
| ·多项式T-S模型 | 第27-29页 |
| ·常规T-S模型 | 第27-28页 |
| ·多项式T-S模型 | 第28-29页 |
| ·基于PSO的后件参数辨识 | 第29-31页 |
| ·前件隶属函数及其参数的确定 | 第29页 |
| ·PSO辨识T-S模型后件参数 | 第29-30页 |
| ·适应度函数的选取 | 第30-31页 |
| ·仿真研究 | 第31-37页 |
| ·非线性动态系统 | 第31-33页 |
| ·Mackey-Glass混沌时间序列 | 第33-35页 |
| ·Box-Jenkins煤气炉数据 | 第35-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 模糊噪声消除 | 第38-45页 |
| ·引言 | 第38页 |
| ·基于 T-S 模型的模糊非线性噪声消除 | 第38-41页 |
| ·T-S模糊模型 | 第38-39页 |
| ·非线性噪声消除 | 第39-41页 |
| ·仿真研究 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 第5章 基于PSO的T-S辨识模型结构优化 | 第45-64页 |
| ·引言 | 第45页 |
| ·基于PSO的T-S模型辨识 | 第45-47页 |
| ·隶属函数形状的确定 | 第45-46页 |
| ·T-S模型辨识 | 第46-47页 |
| ·编码方案 | 第47-53页 |
| ·隶属函数的完备性和语义性 | 第48-49页 |
| ·隶属函数编码方法 | 第49-53页 |
| ·仿真研究 | 第53-57页 |
| ·T-S辨识模型建立 | 第53页 |
| ·方案一辨识结果 | 第53-55页 |
| ·方案二辨识结果 | 第55-57页 |
| ·规则优化 | 第57-63页 |
| ·问题的提出 | 第57页 |
| ·基于领域的FIS和基于规则的FIS | 第57-58页 |
| ·规则的激活度 | 第58-59页 |
| ·基于PSO的模糊规则简化算法 | 第59页 |
| ·算法分析 | 第59-61页 |
| ·仿真研究 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |
