基于误差均值与方差最小化的鲁棒T-S模糊建模方法

摘要

传统T-S模糊建模方法在非线性系统建模方面已有大量的成功应用,但其现有的参数辨识方法没有考虑模型的结构风险项,因此模型的泛化性不强.同时,尽管传统T-S模糊建模方法能够在高斯噪声下取得较好的辨识效果,但没有综合考虑误差的均值与方差项,导致在非高斯噪声或者异常值下辨识效果较差.针对传统T-S模糊建模方法的这些不足,提出基于误差均值与方差最小化的鲁棒T-S模糊建模方法.该方法通过构建全新的参数辨识目标函数,将结构风险项及误差的均值和方差最小化,从而提高T-S建模的泛化性和鲁棒性.仿真与试验结果表明,在噪声干扰下,鲁棒T-S模糊建模方法能够对非线性系统进行有效建模,且建模效果优于传统T-S模糊建模方法.