Identificación de modelos difusos
Fecha
2004-06-29
Autores
Marichal Arbona, Erik
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad Central "Marta Abreu" de Las Villas. Facultad de Ingeniería Eléctrica. Departamento de Automática y Sistemas Computacionales
Resumen
En este trabajo se realiza un estudio sobre la identificación de modelos difusos del tipo Takagi-Sugeno aplicando diferentes algoritmos de clusterización, tanto difusa como clásica, debido a la posibilidad que brinda la combinación de ambas técnicas de obtener modelos compactos y que, por tanto, disminuyen notablemente los gastos computacionales. Se hace una pequeña exposición de las principales características de los algoritmos de clusterización que han sido objeto de estudio en otros trabajos y que aplicaremos en este. Se tratan también los fundamentos teóricos sobre algunos criterios de medidas de validez que permiten encontrar el número de clusters óptimo para lograr una exitosa identificación y de un algoritmo de reducción de la base de reglas necesario para eliminar las redundancias en dicha base de reglas difusas. Estos resultados son insertados dentro del
procedimiento de identificación que aquí se utiliza. Además, es obtenida una biblioteca de funciones en el software Matlab con la implementación de los algoritmos antes mencionados y otras funciones indispensables para
lograr la modelación difusa, que finalmente fue validada aplicandola a tres ejemplos
tomados de la literatura, con vista a valorar los resultados del procedimiento de
identificación difusa que se propone.
Descripción
Palabras clave
Modelos Difusos, Algoritmos de Clusterización, Identificación Difusa