基于EKF 的自组织T-S 模糊Elman 网络
CSTR:
作者:
作者单位:

北京工业大学电子信息与控制工程学院,北京100124

作者简介:

韩红桂

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学杰出青年基金项目(61225016);国家自然科学基金重点项目(61034008);国家自然科学基金项目(61203099);北京市自然科学基金项目(4122006);教育部博士点新教师基金项目(20121103120020)


Self-organising T-S fuzzy Elman network based on EKF
Author:
Affiliation:

School of Electric Information and Control Engineering,Beijing University of Technology,Beijing 100124

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对模糊神经网络结构设计问题及模糊集在语言描述上存在的不足, 提出一种基于扩展的卡尔曼滤波(EKF)的自组织T-S 模糊Elman 网络, 并推导了网络训练算法. 分别采用递归最小二乘法和EKF 对线性参数和非线性参数进行更新; 基于模糊规则生成准则和误差下降率修剪策略实现了模糊规则的增删减. 最后通过系统辨识和污水处理建模实验, 表明了该算法在保证网络精度和泛化能力的同时, 可以有效地简化网络结构.

    Abstract:

    For the design of the fuzzy neural network architecture and the deficiency of fuzzy sets on semantic description, a self-organising T-S fuzzy Elman network(SOTSFEN) based on extended Kalman filter(EKF) is proposed, and the training algorithm is derived. Furthermore, recursive least square(RLS) and EKF are used to update linear and non-linear parameters respectively. Then the criterion of rule generation is given and error ratio reduction(ERR) is regarded as the fuzzy rule pruning strategy. Finally, the simulation results of system identification and sewage treatment modeling show that the precision and generalization ability of SOTSFEN are ensured, and a simpler architecture network can be achieved simultaneously.

    参考文献
    相似文献
    引证文献
引用本文

乔俊飞 袁喜春 韩红桂.基于EKF 的自组织T-S 模糊Elman 网络[J].控制与决策,2014,29(5):853-859

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2013-01-24
  • 最后修改日期:2013-05-02
  • 录用日期:
  • 在线发布日期: 2014-05-20
  • 出版日期:
文章二维码