Genetic optimization of structure and parameters of TSK fuzzy models

• Autorzy: Wnuk P.

Warianty tytułu

PL

Genetyczna optymalizacja struktury i parametrów modeli rozmytych TSK

• Konferencja: International Conference Mechatronics 2004 (5 ; 23-25.09.2004 ; Warsaw, Poland)
• Języki publikacji: EN

Abstrakty

EN

The paper presents genetic approach to identification of fuzzy model in Takagi-Sugeno-Kanga form. The presented method is focused on identification of the number of membership functions as well as all theirs parameters. Classic genetic algorithm with newly developed genetic operators and stop conditions was used tor model identification. ldentification results obtained for nonlinear, second order process model, used as a benchmark example, are included.

PL

W niniejszym artykule zamieszczono opis identyfikacji modeli rozmytych Takagi-Sugeno-Kanga przy wykorzystaniu algorytmów genetycznych. Przedstawiona metoda służy do optymalizacji zarówno liczby jak i parametrów liczbowych funkcji przynależności. Wykorzystano klasyczną formę algorytmu genetycznego oraz nowo opracowane wersje operatorów genetycznych i warunek zatrzymania optymalizacji. Jako przykład zamieszczono wynik identyfikacji modelu nieliniowego obiektu drugiego rzędu często przyjmowanego jako benchmark.

Słowa kluczowe

EN

genetic algorithms; fuzzy models; TSK models; identification

PL

algorytmy genetyczne; modele rozmyte; modele TSK; identyfikacja

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Elektronika : konstrukcje, technologie, zastosowania
• Rocznik: 2004
• Tom: Vol. 45, nr 8-9
• Strony: 1--3
• Opis fizyczny: Bibliogr. 9 poz.

Twórcy

autor

Wnuk P.

• Institute of Automatic Control and Robotics, Warsaw University of Technology, Poland

Bibliografia

• 1. Babuska R.: Fuzzy Modeling for Control, Kluwer Academic Publishers, Boston 1998
• 2. Janiszewski K.: Fuzzy identification of fuzzy models, Methods and Models in Automation and Robotics, Międzyzdroje 2003
• 3. Michalewicz Z.: Genetic A/gorithms + Data Structures = Evolution Programs, Springer Verlag, New York, 2nd edition, 1994.
• 4. Robuos H., Setnes M.: Compact fuzzy models through complexity reduction and evolutionary optimization, Proc. of IEEE International Conference on Fuzzy Systems, 2000
• 5. Sugeno M., Kang G.T.: Fuzzy modeling and control of multilayer incinerator, Fuzzy Sets and Systems, 1986
• 6. Takagi T. , Sugeno M.: Fuzzy ldentifications of System and lts Applications to Modeling and Control, IEEE Trans. on System. Man and Cybernetic, 1985
• 7. Wang L., Yen J .: Extracting fuzzy rules for system madelling using a hybrid of genetic algorithm and Kalman filter, Fuzzy Sets and Systems, 1999
• 8. Yen J ., Wang L.: Application of statistical information criteria for optimal fuzzy model construction, IEEE Trans. Fuzzy Systems, 1998
• 9. Yen J., Wang L.: Simplifying fuzzy rule based models using orthogonal transformations method, IEEE Trans. Man, Systems and Cybernetics-Part B, 1999