位置:成果数据库 > 期刊 > 期刊详情页
自组织区间二型模糊神经网络及其自适应学习算法
  • ISSN号:1000-8152
  • 期刊名称:控制理论与应用
  • 时间:2013.6.15
  • 页码:785-791
  • 分类:TP273[自动化与计算机技术—控制科学与工程;自动化与计算机技术—检测技术与自动化装置]
  • 作者机构:[1]西南交通大学电气工程学院,四川成都610031, [2]成都信息工程学院控制工程学院,四川成都610225, [3]西南交通大学交通运输与物流学院,四川成都610031
  • 相关基金:国家自然科学基金资助项目(51177137);国家自然科学基金重点资助项目(61134001)
  • 相关项目:基于牵引电机监控数据的电力机车粘着控制新方法研究
中文摘要:

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.

英文摘要:

For the identification problems of nonlinear system with complex uncertainties, an interval type-2 fuzzy neural network with self organizing structure and learning algorithm is proposed. Firstly, the fuzzy c-means algorithm with two different weighting parameters are used to partition the input data to obtain the uncertainty means of rule antecedent; meanwhile, according to the cluster validity criterion, the number of fuzzy rules is determined. Thus, the structure and parameters of rule antecedent identification are automatically completed. Then, based on the gradient descent method and Lyapunov function stability convergence theorem, the adaptive learning algorithm for weight vectors of rules consequent is presented. Finally, the experimental results of nonlinear system identification indicate that the proposed algorithm has faster convergence rate and higher approximation precision than other algorithms. In addition, based on the power load data of a city, a short-term load-forecasting model is developed by the algorithm, which has higher prediction precision and better generalization.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《控制理论与应用》
  • 北大核心期刊(2011版)
  • 主管单位:国家教育部
  • 主办单位:华南理工大学 中国科学院数学与系统科学研究院
  • 主编:胡跃明
  • 地址:广州五山路华南理工大学3号楼516室
  • 邮编:510640
  • 邮箱:aukzllyy@scut.edu.cn
  • 电话:020-87111464
  • 国际标准刊号:ISSN:1000-8152
  • 国内统一刊号:ISSN:44-1240/TP
  • 邮发代号:46-11
  • 获奖情况:
  • 国内外数据库收录:
  • 美国化学文摘(网络版),美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,美国剑桥科学文摘,英国科学文摘数据库,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:21084