基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对一些带复杂参数辨识性能指标的模糊建模无法采用经典辨识方法解决的情况,提出了采用改进连续域蚁群算法进行T-S模型辨识的方法.该方法利用蚁群算法无需具体数学模型的特点,解决了模糊模型辨识中辨识指标表达式过于复杂甚至非解析所带来的难题,从而实现了T-S模型前提部和结论部参数的一次性辨识.仿真研究表明,利用文中辨识方法得到的模糊模型能够很好的逼近真实系统,并且对初始条件和输入信号不敏感,具有鲁棒性.
推荐文章
基于连续域蚁群算法的船舶纵向运动参数辨识
参数辨识
连续域蚁群
纵向运动
规则递归T-S模糊模型及其辨识方法
T-S模糊模型
规则递归
模糊聚类
支持向量机
粒子群优化
基于T-S模糊模型的辨识与控制
T-S模型
广义预测控制
模糊聚类
基于T-S模糊模型的神经网络的系统辨识
T-S模糊模型
神经网络
结构辨识
参数辨识
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于连续域蚁群改进算法的T-S模型辨识
来源期刊 黑龙江科技学院学报 学科 工学
关键词 T-S模型 连续域蚁群算法 系统辨识
年,卷(期) 2007,(1) 所属期刊栏目
研究方向 页码范围 74-78
页数 5页 分类号 TP273.4
字数 3990字 语种 中文
DOI 10.3969/j.issn.1671-0118.2007.01.020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 彭晓华 辽宁工程技术大学理学院 23 162 7.0 12.0
2 张浩 辽宁工程技术大学电气与控制工程学院 3 61 2.0 3.0
3 孟宇 辽宁工程技术大学电气与控制工程学院 3 61 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (12)
共引文献  (91)
参考文献  (3)
节点文献
引证文献  (2)
同被引文献  (8)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(5)
  • 参考文献(1)
  • 二级参考文献(4)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2009(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
T-S模型
连续域蚁群算法
系统辨识
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
黑龙江科技大学学报
双月刊
2095-7262
23-1588/TD
大16开
黑龙江省哈尔滨市松北区糖厂街1号
1994
chi
出版文献量(篇)
2701
总下载数(次)
3
总被引数(次)
10273
论文1v1指导