針對具有不確定性非線性系統(tǒng)的機理模型難以建立的問題,提出了基于模糊灰色認知網絡（Fuzzy grey cognitive networks,FGCN）的非線性系統(tǒng)建模方法.該方法將模糊認知網絡和灰色系統(tǒng)理論相結合,把模糊認知網絡的節(jié)點狀態(tài)值和權值擴展為灰色區(qū)間,引入灰度來評判可靠性.采用一種帶終端約束的非線性Hebbian學習算法（Nonlinear hebbian learning,NHL）辨識FGCN的模型參數,引入了與FGCN模型中節(jié)點的系統(tǒng)實際測量值對應的灰數值,在更新機制中增加了包含系統(tǒng)測量值與預測值之差的修正項,對權值進行有監(jiān)督的修正.利用水箱控制系統(tǒng)進行的仿真實驗結果表明,本文提出的建模方法能解決對數據存在不確定性或缺失的復雜系統(tǒng)建模的難題,所建的模型能做出接近人類智能的控制決策,所采用的權值學習方法具有收斂速度快、學習結果精準等優(yōu)點,并克服了傳統(tǒng)非線性Hebbian算法對初始值依賴性強的缺點,對不確定性系統(tǒng)的建模具有廣泛適用性. 

【文章來源】：自動化學報. 2018,44(07)北大核心EICSCD

【文章頁數】：10 頁

【文章目錄】：
1 模糊灰色認知網絡
2 基于FGCN的帶終端約束的權值迭代算法
3 仿真分析
4 結論


【參考文獻】：
期刊論文
[1]灰色預測模型特性的研究[J]. 吉培榮,黃巍松,胡翔勇.  系統(tǒng)工程理論與實踐. 2001(09)
[2]無偏灰色預測模型[J]. 吉培榮,黃巍松,胡翔勇.  系統(tǒng)工程與電子技術. 2000(06)

博士論文
[1]基于模糊認知圖的動態(tài)系統(tǒng)的建模與控制[D]. 張燕麗.大連理工大學 2012



本文編號：3111753