第1章 绪论 1
1.1 研究模糊辨识的背景及意义 1
1.2 模糊建模的发展过程及研究现状 3
1.2.1 语言模糊模型 3
1.2.2 模糊关系模型 4
1.2.3 Takagi-Sugeno模型 6
1.3 模糊模型的结构辨识方法 8
1.3.1 系统输入变量的选择 8
1.3.2 输入空间的模糊划分 11
1.4 模糊模型参数辨识方法 13
1.4.1 基于梯度学习的参数辨识 13
1.4.2 基于模糊神经网络的参数学习 16
1.4.3 应用遗传算法进行参数辨识与优化 17
1.5 基于模糊模型的预测控制 18
1.6 模糊辨识中的其他问题 19
1.6.1 衡量非线性建模方法的优劣 19
1.6.2 模糊辨识算法在实际系统中的应用 20
1.6.3 模糊模型的品质指标 21
1.7 模糊辨识领域尚待解决的问题 21
第2章 模糊集理论基本概念和万能逼近理论分析 24
2.1 模糊集理论基本概念 24
2.1.1 模糊集合 24
2.1.2 隶属函数 24
2.1.3 基本定义 25
2.1.4 模糊集合算子 26
2.2 模糊系统万能逼近理论研究与分析 27
2.1.5 模糊关系 27
2.2.1 模糊系统的通用逼近性 28
2.2.2 模糊系统作为函数逼近器充分条件的研究与分析 31
2.2.3 模糊系统作为函数逼近器的必要条件 36
第3章 基于模糊划分的非线性系统模糊辨识 41
3.1 基于模糊规则的非线性系统模糊辨识基本算法 41
3.1.1 问题的描述 41
3.1.2 输入空间模糊划分方法 41
3.1.3 模糊辨识方法 43
3.1.4 仿真实例 44
3.2 基于一种新的模糊模型的非线性系统模糊辨识算法 47
3.2.1 问题的描述 47
3.2.2 新的模糊模型 48
3.2.3 参数辨识 50
3.2.4 仿真实例 52
3.3 基于正交最小二乘法的非线性系统模糊辨识算法 55
3.3.1 用正交估计器辨识后件参数 56
3.3.2 仿真实例 57
第4章 基于模糊聚类的模糊辨识方法 62
4.1 模糊模型辨识中模糊聚类方法应用分析 62
4.1.1 问题的提出 62
4.1.2 基于模糊聚类确定模糊模型前提结构及参数 62
4.1.3 基于递推最小二乘法辨识模糊模型结论参数 63
4.1.4 仿真实例 65
4.2 基于模糊聚类和EUM方法的模糊辨识快速算法 67
4.2.1 基于模糊聚类型隶属函数和EUM方法的前提参数 68
辨识 68
4.2.2 仿真实例 69
4.3 基于快速模糊聚类和统计信息准则的模糊辨识算法 72
4.3.1 快速模糊聚类 73
4.3.2 模糊模型 74
4.3.3 改进的统计信息准则 75
4.3.4 仿真结果 75
4.4 基于递阶模糊聚类的模糊辨识算法 76
4.4.1 T-S模糊模型 77
4.4.2 算法的提出 77
4.4.3 仿真实例 79
第5章 数据预处理技术在模糊建模中的应用 85
5.1 数据变换技术 85
5.2 基于Box-Cox变换的改进模糊辨识方法 86
5.2.1 问题的描述 86
5.2.2 采用Box-Cox变换的非线性系统辨识 87
5.3 基于非对称型Sigmoid变换函数的改进模糊辨识方法 93
5.3.1 基于被变换模型的启发式方法和梯度下降法 95
5.3.2 仿真实例 97
5.3.3 仿真结果分析 99
第6章 隶属函数的选择对模糊模型描述性能的影响 102
6.1 问题的描述 102
6.2 基于T-S模型的模糊辨识 103
6.2.1 T-S模糊模型 103
6.2.2 隶属函数的确定 103
6.3 仿真结果 107
第7章 基于T-S模糊模型的非线性噪声消除 111
7.1 基于T-S模糊模型的非线性噪声消除 111
7.1.1 模糊推理算法 111
7.1.2 非线性噪声消除 112
7.1.3 仿真实例 113
7.2 一种基于可信度模糊C-均值算法的去噪声建模方法 115
7.2.1 模糊C-均值算法 116
7.2.2 可信度模糊C-均值算法 118
7.2.3 建模方法 120
7.2.4 仿真实例 120
第8章 模糊辨识方法在实际系统中的应用 124
8.1 基于改进模糊辨识方法的递阶智能控制 124
8.1.1 问题的描述 124
8.1.2 应用实例——化工厂人工操作模型 126
8.2 基于模糊辨识的自适应广义预测控制 128
8.2.1 问题的提出 128
8.2.2 模糊模型的结构形式及参数辨识 129
8.2.3 基于模糊模型的自适应广义预测控制 131
8.2.4 仿真研究 134
8.3 模糊辨识方法在铅酸蓄电池建模中的应用 136
8.3.1 问题的提出 136
8.3.2 蓄电池模型的发展过程及研究现状 137
8.3.3 铅酸蓄电池的模糊建模 142
8.4 电力系统短期负荷预测的模糊建模方法 146
8.4.1 关于模型的一般概念 146
8.4.2 模型的辨识 149
8.4.3 实例分析 149
8.5 用模糊辨识方法预测马氏体不锈钢的Ms温度 152
8.5.1 数据选择与处理 153
8.5.2 结果与分析 154
附录 DISO非线性系统输入／输出数据 157
参考文献 159