基于改进PSO和FCM的模糊辨识

• 作者: 刘楠 刘福才 孟爱文
• 来源期刊: 智能系统学报
• 学科: 工学
• 关键词: 模糊辨识 非线性系统 模糊C均值聚类算法 T-S模型 智能算法 粒子群算法 Box-Jenkins数据辨识 全局优化
• 年，卷（期）: 2019,（2）
• 页码范围: 378-384
• 页数: 7页
• 分类号: TP15
• 字数: 5697字
• 语种: 中文
• DOI: 10.11992/tis.201707025

摘要

为了提高T-S模糊模型的辨识精度和效率,本文提出了一种改进的粒子群算法和模糊C均值聚类算法相结合的模糊辨识新方法.在该方法中,针对粒子群算法在处理高维复杂函数时容易陷入局部极值的问题,提出了一种粒子群局部搜索和全局搜索动态调整的全新优化算法.模糊C均值聚类算法是模糊辨识最常用的方法之一,该算法简单,计算效率高,但是对初始化特别敏感,容易陷入局部最优.为了解决这一问题,利用改进粒子群算法的全局搜索能力优化聚类中心,显著地提高了算法的辨识精度和效率.最后,针对非线性系统进行建模仿真,仿真结果表明了本文方法的有效性和优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘福才	燕山大学电气工程学院	190	1681	19.0	32.0
2	刘楠	燕山大学电气工程学院	29	83	6.0	7.0
3	孟爱文	燕山大学电气工程学院	1	1	1.0	1.0