資源描述：
《基于微粒群優(yōu)化算法的TS模糊模型辨識分析》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、-哈爾濱工業(yè)大學工學碩士學位論文5.5規(guī)則優(yōu)化.........................................................................................................485.5.1問題的提出..............................................................................................485.5.2基于領(lǐng)域的FIS和基于規(guī)則的FIS..............................
2、............................485.5.3規(guī)則的激活度..........................................................................................495.5.4基于PSO的模糊規(guī)則簡化算法..............................................................505.5.5算法分析...............................................................
3、...................................505.5.6仿真研究..................................................................................................525.6本章小結(jié).........................................................................................................54結(jié)論..........................
4、..................................................................................................55參考文獻....................................................................................................................57攻讀學位期間發(fā)表的學術(shù)論文.....................................................
5、...........................61哈爾濱工業(yè)大學碩士學位論文原創(chuàng)性聲明............................................................62哈爾濱工業(yè)大學碩士學位論文使用授權(quán)書............................................................62哈爾濱工業(yè)大學碩士學位涉密論文管理................................................................62致謝..............
6、..............................................................................................................63-VI----哈爾濱工業(yè)大學工學碩士學位論文第1章緒論5.5研究的背景和意義眾所周知，幾乎所有的實際系統(tǒng)都是非線性系統(tǒng)，如化工生產(chǎn)、機器人系統(tǒng)等等，因而研究非線性系統(tǒng)的辨識是十分必要的。目前，對這些實際的非線性系統(tǒng)建立數(shù)學模型有兩種方法：一種是從對象所對應(yīng)的專門學科領(lǐng)域內(nèi)得到，如利用相關(guān)的物理化學定律，而且如果針對的是一個過程，還有可能要利用這個過程
7、涉及到的工藝方面的定量信息，這樣建立的對象數(shù)學模型具有明確的物理意義。但是，由于人類對客觀世界認知能力的局限性，對非線性系統(tǒng)進行精確建模很困難，在很多情況下甚至是不可能的。另一種方法是從整個系統(tǒng)的實驗和運行數(shù)據(jù)中建立系統(tǒng)的模型，它可以是完全不了解對象內(nèi)部信息的“黑箱”模型，也可以是基于一些對象的已知信息并結(jié)合數(shù)據(jù)來得到，這種方法稱之為系統(tǒng)辨識[1]。它能夠滿足辨識問題的需要并且不受未知條件的限制，因此在很多領(lǐng)域得到了廣泛的應(yīng)用。上述建模方法大都只是利用了系統(tǒng)實驗和運行中精確的定量數(shù)據(jù)來獲取系統(tǒng)信息。然而關(guān)于對象的一些含糊的、經(jīng)驗式的定性信
