Bacterial algorithm and its application for tuning of Takagi-Sugeno-Kang fuzzy models used in control systems

• Autorzy: Jastrzębski M.

Warianty tytułu

PL

Algorytmy bakteryjne w zadaniach strojenia modeli rozmytych typu Takagi-Sugeno-Kanga stosowanych w układach sterowania

• Języki publikacji: EN

Abstrakty

EN

A new method of tuning parameters of Takagi-Sugeno-Kang (TSK) fuzzy models is presented in the paper. To model discontinuous dependences, a new type of consequent function was introduced. The described algorithm (BA+LSQ) combines a bacterial algorithm (BA) for tuning parameters of membership functions and the least square method (LSQ) for parameters of consequent functions. The conducted practical experiment shows advantages of the proposed method in real control systems.

PL

W artykule przedstawiono nowa metodę strojenia modeli rozmytych typu Takagi-Sugeno-Kanga (TSK). Skoncentrowano się na modelowaniu nieliniowości o charakterze nieciągłym. Pokazano korzyści płynące z zastosowania nowego typu nieciągłych następników. Algorytm użyty do strojenia nieciągłego modelu wykorzystywał algorytm bakteryjny do strojenia parametrów funkcji przynależności i metodę najmniejszych kwadratów do strojenia parametrów funkcji następników. Korzyści płynące z użycia proponowanej metody strojenia nieciągłych modeli rozmytych zostały pokazane na przykładzie.

Słowa kluczowe

EN

bacterial algorithm; tuning of fuzzy models; fuzzy model; Takagi-Sugeno-Kang model; TSK model; control systems

PL

algorytm bakteryjny; strojenie modeli rozmytych; model rozmyty; Takagi-Sugeno-Kang model; TSK model; układy sterowania

• Wydawca: Wydawnictwo Politechniki Łódzkiej
• Czasopismo: Zeszyty Naukowe. Elektryka / Politechnika Łódzka
• Rocznik: 2007
• Tom: z. 111
• Strony: 25--30
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Jastrzębski M.

• Technical University of Łódź, Institute of Automatic Control

Bibliografia

• [1] Takagi T., Sugeno M.: Fuzzy identification of systems and its application to modeling and control, IEEE Transaction on Systems, Man and Cybernetics 15, 1985.
• [2] Hashiyatna T,, Furuhashi T., Uchikawa Y.: A Study on Finding Fuzzy Rules for Semi-Active Suspension Controllers with Genetic Algorithm, IEEE International Conference on Evolutionary Computing, 1995.
• [3] Nawa N.E., Hashiyama T., Furuhashi T., Uchikawa Y.: A Study on Fuzzy Rules Discovery Using Pseudo-Bacterial Genetic Algorithm with Adaptive Operator, 1997.
• [4] Nawa N.E., Furuhashi T.: A Study on the Effect of Transfer of Genes for the Bacterial Evolutionary Algorithm, 1998.
• [5] Salmeri M., Re M., Petronargi E., Cardarilli G.C.: A Novel Bacterial Algorithm to Extract the Rule Base from a Training Set, 1999.
• [6] Botzheim J., Hamori B., Koczy L.T.: Extracting Trapezoidal Membership Functions of a Fuzzy Rule System by Bacterial Algorithm, 2001.
• [7] Jastrzębski M., Kabziński J.: Optimisation of Takagi-Sugeno fuzzy models by pseudo-bacterial genetic algorithm, Proc. of the l0th IEEE International Conf. on Methods and Models in Automation and Robotics, Międzyzdroje 2004.
• [8] Jastrzębski M.: Fuzzy modeling of friction by Bacterial and Least Square Optimization, MMAR Conference, Międzyzdroje, 2005.
• [9] Botzheim J., Lughofer E., Klement E.P., Koczy L.T., Gedeon T.D.: Separated Antecedent and Consequent Learaing for Takagi-Sugeno Fuzzy Systems, International Conference on Fuzzy Systems, Vancouver, Canada, 2006.
• [10] Kabziński J.: Experimental identification of disturbance forces effecting permanent magnet linear motors, PELINCEC Conference, 2005.