第 34卷 第 4期 控 制 与 决 策 Vol.34 No.4
2019年 4月 Control and Decision Apr. 2019
文章编号: 1001-0920(2019)04-0759-08 DOI: 10.13195/j.kzyjc.2017.1282
融合改进蚁狮算法和T-S模糊模型的噪声非线性系统辨识
赵小国
1,2,3
, 刘 丁
1,2†
, 景坤雷
1,2
(1. 西安理工大学 晶体生长设备及系统集成国家地方联合工程研究中心，西安 710048；
2. 西安理工大学 陕西省复杂系统控制与智能信息处理重点实验室，西安 710048；
3. 西安建筑科技大学 机电工程学院，西安 710055)
摘 要: 针对传统的 T-S 模糊辨识方法难以准确辨识含噪声的非线性系统问题, 将噪声信号和系统的其他输入变
量一起作为模糊前件的输入, 采用具有动态随机搜索和寻优半径连续收缩机制的改进蚁狮算法优化模糊前件的
结构参数, 使用加权最小二乘法实现模糊后件的参数辨识. 数值仿真表明, 所提出的辨识方法可以有效抑制噪声
的影响, 经过改进蚁狮算法优化后的 T-S 模糊模型辨识效果更好. 最后,将所提出方法用于直拉硅单晶生长热模型
的辨识,实验结果表明该方法优于传统的辨识方法.
关键词: 蚁狮算法；T-S 模糊模型；噪声；非线性系统；直拉硅单晶
中图分类号: TP18 文献标志码: A
Identification of nonlinear system with noise based on improved ant lion
optimization and T-S fuzzy model
ZHAO Xiao-guo
1,2,3
, LIU Ding
1,2†
, JING Kun-lei
1,2
(1. National & Local Joint Engineering Research Center of Crystal Growth Equipment and System Integration，Xi’an
University of Technology，Xi’an 710048，China；2. Shaanxi Key Laboratory of Complex System Control and Intelligent
Information Processing，Xi’an University of Technology，Xi’an 710048，China；3. School of Mechanical and Electrical
Engineering，Xi’an University of Architecture and Technology，Xi’an 710055，China)
Abstract: For the identification of nonlinear systems with noise, the traditional T-S fuzzy identification method is difficult
to get better results. Therefore the noise signal is regarded as the input of the antecedent together with other input variables
of the system. The improved ant lion optimization (ALO) algorithm with dynamic random search and continuous radius
contraction is used to optimize the structural parameters of the antecedent. The weighted least square method is utilized
to identify the parameters in the consequent. The simulation results show that the proposed method can effectively repress
the noise, and achieve better identification effect by using the improved ALO algorithm. Finally, the proposed method is
applied to the identification of the thermal model of CZ silicon single crystal growth, and the experimental results show
that it is superior to the traditional identification method.
Keywords: ant lion optimization；T-S fuzzy model；noise；nonlinear system；CZ silicon single crystal
0 引 言
现代科学技术的发展使得过程工业系统日趋复
杂且规模日益增大, 在化工、炼油、冶金、玻璃等一些
工业过程中,广泛存在着多变量、大时滞、强耦合、非
线性等特征,这些特征使得被控量不能及时地反映系
统所承受的扰动, 从而产生明显的超调, 使得控制系
统的稳定性变差. 为了实现对这些复杂非线性系统
的精确控制,建立准确的过程模型是控制系统的首要
任务. 现有方法大都利用简单的一阶惯性加纯滞后,
或者二阶加纯滞后的模型来近似实际的非线性系统,
这是远远不能满足精确控制要求的. 当前, 可以从生
产过程中获得大量的现场数据,再通过这些数据对过
程的模型进行辨识. 但是, 受制于工业生产过程数据
采集方法和采集环境等方面的影响, 原始过程数据通
收稿日期: 2017-09-26；修回日期: 2017-12-27.
基金项目: 国家自然科学基金重点项目 (61533014)；国家科技重大专项基金项目 (2009ZX02011001)；陕西省教育厅
专项科研计划项目(17JK0456).
责任编委: 李少远.
作者简介: 赵小国 (1978−), 男, 讲师, 博士生, 从事复杂系统建模与控制的研究；刘丁 (1957−), 男, 教授, 博士生导
师, 从事信号处理、智能机器人、智能控制理论与方法、复杂系统建模与控制等研究.
†
通讯作者. E-mail: liud@xaut.edu.cn.
剩余7页未读，继续阅读
资源评论
