梁炎明　劉丁

摘要：針對傳統(tǒng)T—S模糊模型不能較好描述系統(tǒng)時變特性的問題，提出了一種基于遞歸策略的動態(tài)T—S模糊模型及其辨識方法，規(guī)則遞歸T—S模糊模型在傳統(tǒng)，T—S模糊模型基礎上，增加了具有一定權重的反饋環(huán)節(jié)，該環(huán)節(jié)對當前激勵強度與前一時刻激勵強度進行加權和得到當前時刻新的規(guī)則激勵強度，從而實現(xiàn)動態(tài)遞歸變化，有效描述了系統(tǒng)的動態(tài)過程，為使規(guī)則遞歸T—S模糊模型具有較少的規(guī)則數(shù)量和較好的泛化能力，前件參數(shù)采用一種基于規(guī)則激勵強度的模糊聚類算法獲得，而后件和遞歸環(huán)節(jié)參數(shù)則采用一種由支持向量機和粒子群優(yōu)化算法組成的聯(lián)合辨識方法獲得，Box—Jenkins煤氣爐的仿真結果表明，規(guī)則遞歸T—S模糊模型及其辨識方法具有較好的動態(tài)描述能力，與混合聚類方法相比，均方差降低了1.2%。