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。