基于递阶分解聚类的非线性系统递推模糊辨识

提出一种基于递阶分解聚类的递推模糊辨识方法．采用半模糊化方法对论域内的样本进行归类，根据各子集“线性化”程度评判模糊聚类的有效性，通过对性能最差的子集进行分解并辨识新增子模型的参数，逐步完成整个样本空间的模糊划分和模型辨识过程．在线辨识时采用递推最小二乘算法对模糊规则进行修正，同时可根据建模精度的要求删除性能最差的规则，并确立新模糊规则．仿真研究表明了该方法的有效性．