MIMO modellek identifikációja és analízise csoportosítási algoritmus segítségével

Absztrakt

Nemlineáris több bemenetű-több kimenetű (MIMO) rendszerek modell-identifikációja fontos és kihívásokkal teli probléma. Fuzzy modellek hatékonyan alkalmazhatók komplex nemlineáris dinamikus rendszerek esetén, de többnyire egy bemenetű-egy kimenetű modellekre találunk példákat az irodalomban. Ez a cikk olyan kompakt Takagi-Sugeno fuzzy modell identifikációját mutatja be, amely dinamikus MIMO rendszereket is képes reprezentálni. Ennek a modellnek az identifikációjához fuzzy csoportosítási algoritmust fejlesztettünk ki. Az esettanulmány mutatja, hogy a javasolt algoritmus hasznos és hatékony eszköz dinamikus rendszerek dimenziójának meghatározásában is. Ez a lépés kulcsfontosságú nemlineáris és kaotikus idősorok analízise és predikciója esetén is. A csoportosítást a kimeneti változók időkésleltetett tagjai által definiált ún. rekonstrukciós térben alkalmaztuk. A javasolt módszer nagy előnye, hogy három feladatot lehet megoldani a csoportosítás alkalmazásával szimultán módon: a helyes és a lokális dimenzió meghatározását, továbbá a predikcióhoz is használható modell identifikációját. A lokális dimenzió a fuzzy kovariancia mátrixok sajátértékeinek analíziséből becsülhető, míg a helyes állapottér-dimenzió a csoportok által definiált lokális modellek predikciós teljesítménye alapján állapítható meg.