基于聚类和文化算法的补偿模糊神经网络建模方法

根据补偿模糊神经网络的建模特点，提出了基于聚类和文化算法的补偿模糊神经网络建模方法。该网络的学习分为两步：结构辨识和参数辨识。在结构辨识中，采用改进的聚类算法确定模糊规则数及初始参数，构造一个初始模糊模型；在参数辨识中，采用基于多层信念空间的文化算法对具有5层结构的补偿模糊神经网络参数进一步优化，使其具有更高的精度。通过对TE过程的故障诊断建模，结果表明该网络在建模精度和收敛速度上均优于常规补偿模糊神经网络和常规模糊神经网络。