一种T-S 模型的在线辨识算法
CSTR:
作者:
作者单位:

1. 西安理工大学自动化与信息工程学院,西安710048;
2. 西安工业大学新型网络与检测控制国家地方联合工程实验室,西安710032.

作者简介:

钱富才

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61273127);高等学校博士学科点专项科研基金项目(20116118110008).


An on-line algorithm for T-S model identification
Author:
Affiliation:

1. School of Automation and Information Engineering,Xi’an University of Technology,Xi’an 710048,China;
2. The National-Local Joint Engineering Laboratory for New Network and Detection Control,Xi’an Technological University,Xi’an 710032,China.

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:

    提出一种能通过输入输出数据在线获得T-S 模型的结构和参数的辨识算法. 首先, 对输入空间进行划分, 并在线优化子空间的形状和个数; 然后, 通过RLS 更新子模型参数, 使各个子模型逼近当前工况的实际系统; 当子空间生成或形状发生变化时, 调整相应子模型参数和数据矩阵; 最后, 针对非线性动态系统和煤气炉数据进行仿真实验,验证了所提出算法的有效性.

    Abstract:

    An on-line algorithm for T-S model identification is proposed, which automates the structure and parameter identification simultaneously based on input-target samples. Firstly, several subspaces are produced in the input space, and  their shape and distribution are optimized on-line. Then the recursive least square algorithm is employed to update the parameters of each local model, which makes each local model approximate the real system. If a new subspace is produced or the shape of the subspace is changed, an adjustment method is used for each local parameters and data matrix. Finally, a simulation experiment on a dynamic nonlinear system and the gas furnace data is given to verify the effectiveness of the proposed method.

    参考文献
    相似文献
    引证文献
引用本文

钱富才 伍光宇.一种T-S 模型的在线辨识算法[J].控制与决策,2015,30(2):343-347

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:2013-10-23
  • 最后修改日期:2014-03-14
  • 录用日期:
  • 在线发布日期: 2015-02-20
  • 出版日期:
文章二维码