一种递归型模糊神经网络用于动态系统辨识的研究  

Research on Identification of Dynamic System Based on T-S Recurrent Fuzzy Neural Network

作　　者：胡玉玲[1] 

机构地区：[1]北京建筑工程学院电气与信息工程学院,北京100044

出　　处：《北京建筑工程学院学报》2006年第3期44-47,共4页Journal of Beijing Institute of Civil Engineering and Architecture

基　　金：北京建筑工程学院青年基金项目(资助号:1005023)

摘　　要：针对静态模糊神经网络对动态系统辨识精度低的特点,在T-S模糊神经网络标准结构基础上,通过在输入层与状态层间加入可以记忆暂态信息的递归层,一种新的T-S递归型模糊神经网络(TSRFNN)被提出,来提高对动态系统的辨识能力.同时,给出了参数的动态BP学习算法.通过仿真实验,证明提出的TSRFNN对动态非线性系统的辨识比传统静态模糊神经网络(TFNN),具有更快的网络收敛速度,更高的辨识精度,更适合于动态系统的辨识.In order to improve the identification ability of dynamic system, a new T-S recurrent fuzzy- neural network （TSRFNN） is proposed based on the traditional static T-S fuzzy neural networks （TSNN）, A recurrent layer is added between the states layer and inputs layer in the new fuzzy-neural network to memory the temporal information. The dynamic back propagation （DBP） learning algorithm are deduced to demonstrate the system, It is shown that the proposed TSRFNN is better than TFNN used in dynamic system identification by simulation.

关 键 词：T—S递归型模糊神经网络 动态系统 自适应学习算法 辨识 

分 类 号：N945.14[自然科学总论—系统科学] TP273.4[自动化与计算机技术—检测技术与自动化装置]