×
吴志乔;克里斯·哈里斯。

一种用于未知非线性系统建模和状态估计的神经模糊网络结构。 （英语） Zbl 0883.93007号

国际期刊系统。科学。 28，第4期，335-345（1997）.
利用函数规则模型对模糊逻辑系统的输入输出关系进行了解析描述；由于B样条基函数具有良好的数值特性，因此选择它作为隶属函数。将系统辨识问题视为多维B样条基函数的线性回归，从而用简单的训练算法构造神经模糊建模网络。将识别的模型转换为等效状态空间表示，并应用卡尔曼滤波器进行状态估计。提出了两种实现带噪声非线性系统自适应状态估计的方案。模拟测试的结果证实了这些方法的有效性。
审核人：O.Pastravanu（伊阿什）

引用于2文件

MSC公司：

93A30型 系统数学建模（MSC2010）
92B20型 生物研究、人工生命和相关主题中的神经网络
第93页第42页 模糊控制/观测系统
93立方厘米 控制理论中的非线性系统
93E11号机组 随机控制理论中的滤波

关键词：

\（B\）-花键;神经模糊网络;模糊逻辑系统;系统标识;自适应状态估计;非线性系统

软件：

系统标识工具箱;NNSYSID（NNSYSID）;神经网络工具箱
PDF格式BibTeX公司 XML格式引用
\textit{Z.Q.Wu}和\textit{C.J.Harris}，国际期刊系统。科学。28，第4号，335--345（1997；Zbl 0883.93007）
全文： DOI程序

参考文献：

[1] AHLBERG J.H.，《样条理论及其应用》（1967年）·Zbl 0158.15901号
[2] BROWN M.，《第四届欧洲智能技术和软计算大会论文集》（EUFIT’96）2 pp 762–（1996）
[3] BROWN M.，神经模糊自适应建模与控制（1994）
[4] CHUI C.K.，《卡尔曼滤波与实时应用》（1987）
[5] GOODWIN G.C.，自适应滤波预测和控制（1984）·Zbl 0653.93001号
[6] KONG S.-K.，《国际神经网络会议论文集》（IJCNN’90）3 pp 349–（1990）·doi:10.1109/IJCNN.1990.137868
[7] MIZUMOTO M.，《模糊控制系统》第276页–（1993）
[8] NORGAARD M.，基于神经网络的系统识别工具箱：用于MATLAB（1995）
[9] 内政部：10.1109/72.105416·数字对象标识代码：10.1109/72.105416
[10] DOI:10.1049/cp:19950577·doi:10.1049/cp:19950577
[11] SCHUMAKER L.L.，样条函数：基本理论（1981）
[12] TAKAGI T.，IEEE系统、人与控制论汇刊15第116页–（1985）
[13] DOI:10.1007/BF02169537·Zbl 0850.93265号 ·doi:10.1007/BF02169537
[14] DOI:10.1016/0165-0114（90）90098-Q·Zbl 0714.93029号 ·doi:10.1016/0165-0114（90）90098-Q
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。