论文部分内容阅读
提出了一种基于粒子群优化的广义T-S模糊模型参数学习方法．该方法用离散二进制微粒位置表示模型的结构参数，用普通微粒位置表示模型规则中模糊集隶属函数的参数；这两种微粒位置联合体构成一个模型完整的前件参数集．每一学习循环分两步，前一步用粒子群进化迭代调整所有前件参数，后一步用正交最小二乘法估计后件参数．该方法不需任何先验知识，运算量小，能产生紧凑的模糊模型．非线性动态系统模糊建模的数字仿真说明了该方法的有效性。