您的位置: 专家智库 > >

廖龙涛

作品数:2 被引量:15H指数:1
供职机构:上海交通大学更多>>
发文基金:国家自然科学基金教育部“新世纪优秀人才支持计划”国家教育部博士点基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 1篇期刊文章
  • 1篇学位论文

领域

  • 2篇自动化与计算...

主题

  • 2篇在线辨识
  • 2篇线性系
  • 2篇模糊规则
  • 2篇非线性
  • 2篇非线性系统
  • 1篇稳定性
  • 1篇闭环
  • 1篇闭环稳定性
  • 1篇S模
  • 1篇S模型
  • 1篇T-S模糊模...

机构

  • 2篇上海交通大学
  • 1篇南洋理工大学

作者

  • 2篇廖龙涛
  • 1篇李少远
  • 1篇黄广斌

传媒

  • 1篇自动化学报

年份

  • 2篇2007
2 条 记 录,以下是 1-2
排序方式:
基于可生长与修剪T-S模糊模型的非线性系统建模与控制
当前非线性系统理论还非常不完善,非线性系统的建模与控制问题一直以来都是难点。对其进行研究的多种方法中,模糊系统理论由于具有类似人类思维的语言式描述方式,能够智能地获取和处理定性信息,本身也具有非线性特性。因此利用模糊系统...
廖龙涛
关键词:T-S模糊模型模糊规则在线辨识闭环稳定性
文献传递
规则可生长与修剪的非线性系统T-S模糊模型辨识被引量:14
2007年
通常离线提取T-S模糊模型的规则后,规则数无法在模型使用中进行调整,而这成为表达非线性系统复杂性的一个瓶颈.针对这一问题,本文引入一种神经网络的生长和修剪方法,从实时数据中提取T-S模型的规则,并定义其对应局部模型对输出的影响,以此作为在线调整规则数的依据,从而更准确地表达了非线性系统的复杂性和运行中的变化.再加上基于竞争性EKF(Extended Kalman filter)的模型参数在线学习,T-S模型的建模精度也得到了保证.整个算法完全实现了T-S模糊模型的在线辨识,使模型的结构和参数具有很好的自适应能力.对CSTR(Continuously stirred tank reactor)系统的辨识,表明了该算法在处理非线性系统辨识问题上的优越性能.
廖龙涛李少远黄广斌
关键词:模糊规则在线辨识
共1页<1>
聚类工具0