MIMO modellek identifikációja és analízise csoportosítási algoritmus segítségével

  • Balázs Feil
  • János Abonyi
  • Sándor Németh
  • Péter Árva
  • János Madár
Kulcsszavak: MIMO modell, csoportosítási algoritmus, állapottér-rekonstrukció, kaotikus idősorok

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.

Megjelent
2004-02-15
Hogyan kell idézni
Feil, B., Abonyi, J., Németh, S., Árva, P., & Madár, J. (2004). MIMO modellek identifikációja és analízise csoportosítási algoritmus segítségével. Acta Agraria Kaposváriensis, 8(3), 183-190. Elérés forrás http://journal.ke.hu/index.php/aak/article/view/1726