Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "model rozmyty Takagi-Sugeno" wg kryterium: Wszystkie pola


Wyświetlanie 1-3 z 3
Tytuł:
Nonlinear actuator fault estimation observer: an inverse system approach via a T-S fuzzy model
Autorzy:
Xu, D.
Jiang, B.
Shi, P.
Powiązania:
https://bibliotekanauki.pl/articles/331464.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
model rozmyty Takagi-Sugeno
obserwator ślizgowy
system odwrotny
actuator fault estimation
Takagi-Sugeno fuzzy models
robust sliding mode observer
inverse system method
Opis:
Based on a Takagi-Sugeno (T-S) fuzzy model and an inverse system method, this paper deals with the problem of actuator fault estimation for a class of nonlinear dynamic systems. Two different estimation strategies are developed. Firstly, T-S fuzzy models are used to describe nonlinear dynamic systems with an actuator fault. Then, a robust sliding mode observer is designed based on a T-S fuzzy model, and an inverse system method is used to estimate the actuator fault. Next, the second fault estimation strategy is developed. Compared with some existing techniques, such as adaptive and sliding mode methods, the one presented in this paper is easier to be implemented in practice. Finally, two numerical examples are given to demonstrate the efficiency of the proposed techniques.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 1; 183-196
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
A novel fuzzy c-regression model algorithm using a new error measure and particle swarm optimization
Autorzy:
Soltani, M.
Chaari, A.
Ben Hmida, F.
Powiązania:
https://bibliotekanauki.pl/articles/330134.pdf
Data publikacji:
2012
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
model rozmyty Takagi-Sugeno
algorytm grupowania
metoda najmniejszych kwadratów
optymalizacja rojem cząstek
Takagi-Sugeno fuzzy models
noise clustering algorithm
fuzzy c-regression model
orthogonal least squares
particle swarm optimization (PSO)
Opis:
This paper presents a new algorithm for fuzzy c-regression model clustering. The proposed methodology is based on adding a second regularization term in the objective function of a Fuzzy C-Regression Model (FCRM) clustering algorithm in order to take into account noisy data. In addition, a new error measure is used in the objective function of the FCRM algorithm, replacing the one used in this type of algorithm. Then, particle swarm optimization is employed to finally tune parameters of the obtained fuzzy model. The orthogonal least squares method is used to identify the unknown parameters of the local linear model. Finally, validation results of two examples are given to demonstrate the effectiveness and practicality of the proposed algorithm.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2012, 22, 3; 617-628
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
Tytuł:
Comparision of Two Construction Algorithms for Takagi-Sugeno Fuzzy Models
Autorzy:
Nelles, O.
Fink, A.
Babuska, R.
Setnes, M.
Powiązania:
https://bibliotekanauki.pl/articles/911156.pdf
Data publikacji:
2000
Wydawca:
Uniwersytet Zielonogórski. Oficyna Wydawnicza
Tematy:
modelowanie
identyfikacja
model rozmyty
turbosprężarka doładowująca
modeling
identification
Takagi-Sugeno fuzzy models
local linear models
turbocharger
Opis:
This paper compares two different approaches to the construction of Takagi-Sugeno fuzzy models from data. These models approximate nonlinear systems by means of interpolation between local linear models. The main issue in the construction of Takagi-Sugeno models is the decomposition of the operating space into validity regions for the local models. The way this decomposition is done influences the complexity, accuracy and transparency of the obtained model. The first of the presented methods, the local linear model tree (LOLIMOT) algorithm generates incrementally the fuzzy model by axis-orthogonal decomposition of the input space. In the other method, product-space fuzzy clustering (the Gustafson-Kessel algorithm) is used to partition the available data into fuzzy subsets. The fundamental advantages and drawbacks of both the alternative strategies are pointed out. Their properties and real-world applicability are illustrated by building a dynamic model of a truck Diesel engine turbocharger.
Źródło:
International Journal of Applied Mathematics and Computer Science; 2000, 10, 4; 835-855
1641-876X
2083-8492
Pojawia się w:
International Journal of Applied Mathematics and Computer Science
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-3 z 3

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies