تحلیل پایداری لیاپانوف در آموزش سیستم فازی- عصبی نوع 2 با یک الگوریتم ترکیبی مبتنی بر گرادیان نزولی و فیلتر کالمن

نویسندگان

1 گروه مکاترونیک- دانشکده مهندسی برق - دانشگاه صنعتی خواجه نصیرالدین طوسی - تهران- ایران

2 استادیار، دانشکده مهندسی مکانیک، برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

3 دانشکده مهندسی مکانیک، برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

doi
10.22075/jme.2021.22189.2017
چکیده

پایداری آموزش در شناسایی سیستم‌های غیرخطی یکی از مهمترین مسائل در پژوهش های مربوط به کنترل است. این مقاله به بررسی پایداری یک سیستم فازی- عصبی نوع 2 بازه‌ای (IT2ANFIS) به عنوان شناساگر از طریق یک تابع لیاپانوف جدید می‌پردازد. در این تحلیل، آموزش قسمت مقدم و تالی سیستم IT2ANFIS به ترتیب با الگوریتم‌های گرادیان نزولی و فیلتر کالمن صورت می‌پذیرد. از این رو، با استفاده از تابع لیاپانوف مورد نظر، محدوده‌های مجاز متغیر‌های قابل تنظیم آموزش، بدست می‌آیند و بر الگوریتم ها اعمال می‌گردند تا فرآیند شناسایی پایدار بماند. مطابق با تحلیل پایداری این پژوهش، محدوده‌های تطبیقی وسیعی از متغیر‌های قابل تنظیم در آموزش الگوریتم‌ها بدست آمده است. علاوه بر این، مطابق با نتایج شبیه‌سازی، با انتخاب محدوده‌های مجاز بر مبنای تحلیل پایداری پیشنهادی ، فرآیند شناسایی پایدار و با عملکرد مناسبی بوده است. هنگامی که روش پیشنهادی برای پیش‌بینی مقادیر آتی سری آشوب مکی‌گلاس و یک سیستم غیرخطی با داده‌های تصادفی به کار گرفته می‌شود، از نظر ریشه دوم میانگین خطا، زمان شناسایی، و قرار‌گیری در تله کمینه محلی عملکرد بهتری نسبت به روش‌های دیگر دارد.