论文部分内容阅读
该文在分析Ｍａｍｄａｎｉ和Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模糊模型的基础之上，提出一种全新的，既包括语言信息，又包括系统的不确定性的动态模糊模型，以及相应的辨识方法。这种动态模糊模型的误差不再是已知参数概率密度函数的随机变量，而是和系统的非线性结构范数有界相一致的。因此，最后辨识的结果是一组和范数有界的模型结构，数据和误差相一致的参数。辨识的方法是基于Ｋｈａｃｈｉｙａｎ优化递推椭球算法。仿真结果表明，该文所提出的方法具有良好的收敛性和辨识精度。