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(chǔ)上，增加了具有一定權(quán)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(quán)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(jié)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%。