Resumen

En el campo de la ingeniería, es necesario conocer el modelo de los sistemas no lineales reales para asegurar su control y supervisión; en este contexto, el modelado difuso y especialmente el modelo difuso Takagi-Sugeno ha llamado la atención de varios investigadores en las últimas décadas debido a su potencial para aproximar el comportamiento no lineal. Para identificar los parámetros del modelo difuso Takagi-Sugeno se han desarrollado varios algoritmos de clustering como el algoritmo Fuzzy C-Means (FCM), el algoritmo Possibilistic C-Means (PCM), y el algoritmo Possibilistic Fuzzy C-Means (PFCM). Este trabajo presenta un nuevo algoritmo de clustering para la identificación de modelos difusos Takagi-Sugeno. Nuestro algoritmo propuesto, llamado algoritmo Robust Kernel Possibilistic Fuzzy C-Means (RKPFCM), es una extensión del algoritmo PFCM basado en el método kernel, donde la distancia euclidiana utiliza la función kernel robusta hiper tangente. El algoritmo propuesto puede resolver los problemas separables no lineales encontrados por los algoritmos FCM, PCM y PFCM. A continuación, se presenta un método de optimización que utiliza el método de optimización por enjambre de partículas (PSO) combinado con el algoritmo RKPFCM para superar la convergencia a un mínimo local de la función objetivo. Por último, se ofrecen resultados de validación de ejemplos para demostrar la eficacia, practicidad y robustez de nuestro algoritmo propuesto en un entorno estocástico.

• Materias:Álgebra Análisis Matemático Ingeniería Matemática aplicada Lógica matemática
• Subjects:Algebra Mathematical Analysis Engineering Applied Mathematics Mathematical logic
• Palabras claves:Campo de la ingeniería; modelo; sistemas no lineales; control; supervisión; modelado difuso.
• Keywords:Engineering field; model; nonlinear systems; control; supervision; fuzzy modeling