摘要: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),给出了网络的连接结构和学习算法.基于竞争学习算法的模糊分类器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.利用卡尔曼滤波算法在线辨识AFNN的后件参数.AFNN结构简洁,逼近能力强,能够显著提高辨识精度,并且在线辨识的模糊模型简单有效.将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中,仿真结果验证了该方法的有效性,表明该网络能够实现复杂非线性系统的建模,而且建模精度高、收敛速度快,可当作复杂系统建模的一种有效手段.
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社