一種基于數(shù)據(jù)挖掘的模糊建模方法

摘 要：為提高非線性系統(tǒng)模糊建模的速度和精確度，提出一種快速有效的基于數(shù)據(jù)挖掘的非線性系統(tǒng)模糊建模方法。該方法先采用改進(jìn)的減法聚類結(jié)合模糊C-均值聚類進(jìn)行結(jié)構(gòu)辨識，在解決初始化問題的同時減少計(jì)算量，進(jìn)而提高建模速度；然后利用帶動態(tài)遺忘因子的遞推最小二乘法進(jìn)行后件參數(shù)辨識，減小動態(tài)誤差，提高建模精度。將提出的方法應(yīng)用于BoxJenkins 煤氣爐建模和透平膨脹機(jī)建模兩個例子，仿真結(jié)果驗(yàn)證該方法的有效性。

關(guān)鍵詞：數(shù)據(jù)挖掘；改進(jìn)減法聚類；動態(tài)遺忘因子；模糊建模

中圖分類號： TP18 文獻(xiàn)標(biāo)識碼：A

1 引 言

實(shí)際系統(tǒng)具有多輸入、非線性和不確定性等特點(diǎn)，對于這類復(fù)雜動態(tài)非線性系統(tǒng)很難用傳統(tǒng)建模方法建立其精確的動力學(xué)模型，由于其具有豐富的測量數(shù)據(jù)，而T-S模型可以任意精度逼近非線性系統(tǒng)，被廣泛應(yīng)用于基于數(shù)據(jù)建模中［1］，故可采用基于數(shù)據(jù)挖掘的方法建立其模糊模型。

T-S模糊建模一般包括結(jié)構(gòu)辨識和參數(shù)辨識。結(jié)構(gòu)辨識通常采用模糊C-均值聚類［2］（FCM），但對初值非常敏感。文獻(xiàn)［3］提出了一種基于改進(jìn)FCM的模糊建模方法，在模糊C-均值之前先用減法聚類對其初始化，自動獲取最佳聚類數(shù)，解決了FCM的初始化問題，但是該方法中的減法聚類冪運(yùn)算量較大，降低了建模的速度。為了減小計(jì)算量，提高建模速度，本文給出了一種改進(jìn)的減法聚類結(jié)合FCM聚類方法進(jìn)行結(jié)構(gòu)辨識，后續(xù)為了減小系統(tǒng)動態(tài)誤差，保持辨識的動態(tài)性，參數(shù)辨識采用帶動態(tài)遺忘因子的遞推最小二乘。