混合差分和多种群粒子群算法的T-S模糊模型辨识

摘要：

为提高T-S模型的辨识精度,针对基本粒子群优化(particle swarm optimization,PSO)算法T-S模型全局优化辨识问题,提出混合差分和多种群粒子群算法的T-S模糊模型辨识方法,将T-S模型前件参数和后件参数整体编码进行全局优化辨识.为避免基本粒子群的早熟收敛和后期收敛速度慢的缺陷对T-S模型辨识精度和速度的影响,算法将种群分为若干个子群,每个子群根据粒子适应度值自适应调整惯性权重,平衡了算法的开发和探索能力,对子群最优粒子,进行差分操作以增强算法的全局搜索能力,采用全局最优粒子替代随机子群的最优粒子以加强子群间的信息交流,维持粒子多样性.典型非线性系统和混沌系统的仿真结果表明,采用混合差分和多种群粒子群算法辨识的T-S模型具有更高的辨识精度.

关键词：T-S模糊系统、粒子群优化、差分进化、多种群

所属期刊栏目：34

分类号：TP273+.4(自动化技术及设备)

资助基金：湖南省科技创新计划资助项目2021GK1210

在线出版日期：2024-09-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1-6,30