Fuzzy functions based ARX model and new fuzzy basis functi on models for nonlinear system identifica

6 صفحه

مدل ARX بر اساس توابع فازی و مدل های جدید توابع فازی برای شناسایی سیستم های غیر خطی

16 صفحه

فایل word ترجمه و pdf رایگان انگلیسی

120,000 ريال

چکیده
در این مطالعه، مدلسازی خودکار پسرونده با ورودی اگزوژن (ARX) با مفهوم توابع فازی (FF-ARX) بهبود یافته است. تابع فازی با استفاده از روش براورد حداقل مربعات (FF-LSE) اخیرا توسعه داده شده و به طور گسترده ای با یک بهبود کوچک با توجه به روش براورد حداقل مربعات (LSE) استفاده می شود. FF-LSEفقط با مقادیر ورودی و عضویت خود ساخته شده است. هدف این مدل پیشنهادی، افزایش قابلیت FF-LSEگسترش ماتریس رگرسیون با مقادیر ورودی و خروجی عقب مانده است. علاوه بر این، با استفاده از همان ایده، ما همچنین دو مدل جدید تابع پایه فازی ارائه نموده ایم. در ابتدا، اساس سیستم فازی و مقادیر ورودی و خروجی عقب مانده با هم، ماتریس رگرسیون را تشکیل داده و ''L-FBF'' نام گرفته است. در مرحله دوم، به جای استفاده از تابع پایه، مقادیر عضویت در مقادیر ورودی و خروجی عقب مانده در ماتریس رگرسیون با استفاده از توابع عضویت گاوسی، به نام ''MFBF'' استفاده می شود. بنابراین، قدرت تابع پایه فازی نیز افزایش می یابد. برای مدل های مربوطه، پارامترهای بخشی مقدم برای بردارهای ورودی با ابزارهای فازی Cالگوریتم خوشه بندی (FCM) تعیین می شود. پارامترهای به دست آمده از تمامی مدل ها با LSEبرآورد شده است. مدل های پیشنهادی مورد استفاده قرار گرفته و برای شناسایی مشکلات معیارهای غیر خطی مقایسه شده است.