Data-driven system identification via evolutionary retrieval of Takagi-Sugeno fuzzy models [Elektronische Ressource] / von: Ingo Renners

Data Driven System IdentificationviaEvolutionary Retrieval of Takagi Sugeno Fuzzy ModelsDissertationzur Erlangung des akademischen GradesDoktoringenieur (Dr. Ing.)vorgelegt der Fakultat¨ fur¨ Informatikder Otto von Guericke Universit at¨ Magdeburgvon: Dipl. Inf. Ingo Rennersgeb. am 16. August 1969 in OpladenSoest, den 9. Marz¨ 2004ZusammenfassungSystemidentifikation hat die Aufgabe, eine Anzahl von zusammengehorenden¨ Kom ponenten der realen Welt in einem Modell abzubilden. Wenn diese Abbildung durchden Transfer von menschlichem Expertenwissen in ein Modell geschieht, wird dies alswissensbasierte Modellierung bezeichnet. Wenn die Informationen uber¨ das Systemallerdings nur implizit und formlos in Datenbestanden¨ vorliegen, wird die Abbildungdieses Wissens mit Hilfe von Algorithmen als datengetriebene Modellierung bezeich net.In dieser Arbeit wird vorgeschlagen, fur¨ die datengetriebene Systemidenti fizierung die Klasse der sogenannten Takai Sugeno Fuzzy Modelle zu benutzen.Dies wird durch das Vorhandensein effektiver Lernalgorithmen fur¨ diese Klasse vonModellen begrundet.¨ Des weiteren ist es oft vorteilhaft, die bei der Systemidenti fizierung gefundenen Modelle auch interpretieren zu konnen.¨ Daher wird auf dieFormulierung verschiedener Interpretierbarkeitsfaktoren, welche zu einem objektivenund leicht zu implementierendeneitsmaß fur¨ Takagi Sugeno Modellezusammengefuhrt¨ werden konnen,¨ besonderer Wert gelegt.