基于模糊分类的模糊神经网络辨识方法及应用

基于改进的T S模型,提出一种自适应模糊神经网络模型(AFNN),给出了网络的连接结构和学习算法。基于竞争学习算法的模糊分类器确定系统的模糊空间和模糊规则数,并得出每个样本对每条规则的适用程度。利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN结构简洁,逼近能力强,能够显著提高辨识精度,并且在线辨识的模糊模型简单有效。将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中,仿真结果验证了该方法的有效性,表明该网络能够实现复杂非线性系统的建模,而且建模精度高、收敛速度快,可当作复杂系统建模的一种有效手段。