多变量非线性复杂系统的模糊建模与控制综述

康庄,贾利民

Review of fuzzy modeling and control for multivariable nonlinear complex systems

Zhuang KANG,Limin JIA

表 1 模糊模型结构辨识各方法优缺点对比

Tab.1 Comparison of advantages and disadvantages of various methods for structural identification of fuzzy models

内容 方法 优点 缺点 输入变量 选择 模糊搜索树 有效地通过RC（规则性准则）优化输入变量选择，能减少输入输出关系的复杂性. 计算量较大，尤其在处理复杂或多维数据时，需要较多的计算资源. 灰色关联法 适用于处理多输入变量系统，能够评估输入变量与输出之间的关联度，直观且简单易用. 对数据噪声敏感，特别是数据中存在干扰因素时，结果误差较大. 灵敏度分析法 通过量化输入对系统输出的影响，能有效识别关键输入变量，适用于多变量系统. 对高维度系统的计算要求高，耗时大，且忽视了变量之间的相互影响. 双阶段模糊 曲线法 对非线性系统尤其有效，能够处理不确定性较高的输入输出关系，适合MIMO系统. 需要良好的数据结构，并且对初始参数选择较为敏感，系统复杂时可能需要调参. 模糊空间划分 模糊网格法 简单直观，适应性强，适合规则且均匀分布的输入空间划分，计算高效. 划分精度有限，无法适应复杂数据；高维情况下计算量大，处理复杂数据困难. 模糊聚类法 能处理复杂的非线性关系，灵活性高，鲁棒性强，对噪声数据容忍度高. 计算要求高，对初始参数敏感，尤其是初始中心的选择，且容易陷入局部最优解. 模糊树法 通过树形结构划分输入空间，结构灵活，适合高维数据的处理，适用于多层次复杂问题. 模型复杂，容易过拟合，需要较多计算资源，训练过程较为耗时.