梁炎明　刘丁

摘要：针对传统T—S模糊模型不能较好描述系统时变特性的问题，提出了一种基于递归策略的动态T—S模糊模型及其辨识方法，规则递归T—S模糊模型在传统，T—S模糊模型基础上，增加了具有一定权重的反馈环节，该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度，从而实现动态递归变化，有效描述了系统的动态过程，为使规则递归T—S模糊模型具有较少的规则数量和较好的泛化能力，前件参数采用一种基于规则激励强度的模糊聚类算法获得，而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得，Box—Jenkins煤气炉的仿真结果表明，规则递归T—S模糊模型及其辨识方法具有较好的动态描述能力，与混合聚类方法相比，均方差降低了1.2%。