模糊模型是当前系统辨识方法中经常用到的模型,它具有能够有效地综合利用专家知识和系统输入输出数据的能力,并且得到的模型相对其它黑箱模型来说具有可解释性。目前为止,已经有很多模糊建模方法被提出来,然而,仍然存在着许多待解决的问题。 T-S模糊模型采用线性方程去表示每一个局部区域的局部规则,以局部线性化为基础,通过模糊推理的方法实现全局的非线性。由于其良好的逼近性能,T-S模糊模型得到了广泛的应用。 本文围绕T-S模糊模型的辨识,将前件部分和结论部分分开进行。基于三角形隶属函数对输入空间的均匀划分,将遗传算法应用于后件规则参数的辨识。针对遗传算法求解T-S模糊模型后件规则参数时,待寻优参数较多、普通比例规则后件法寻找自由规则困难的问题,提出用矩阵分解的方法,利用满秩分解,将减少待寻优参数和寻找自由规则一同处理。同时,提出了后件规则简化算法,剔除对最后输出结果的影响可以忽略的规则。仿真结果表明,算法能以较快的进化速度辨识出模糊模型后件规则参数,在保证精度的同时,减少了冗余规则。