一种基于模糊分类的模糊神经网络辨识方法

摘要

针对非线性辨识问题,基于改进的T-S模型,提出一种自适应模糊神经网络模型(AFNN).首先,基于模糊竞争学习算法确定系统的模糊空间和模糊规则数,并得出每个样本对每条规则的适用程度.其次,利用卡尔曼滤波算法在线辨识AFNN的后件参数.AFNN具有结构简洁,逼近能力强,能够显著提高辨识精度,并且辨识的模糊模型简单有效.最后,将该AFNN用于非线性系统的模糊辨识,仿真结果验证了该方法的有效性.