11、基于Type-2 FIS的混沌时间序列预测与模糊机器人避障系统调优

基于Type-2 FIS的混沌时间序列预测与模糊机器人避障系统调优

1. 混沌时间序列预测

1.1 时间序列数据生成

本部分将使用Mackey-Glass（MG）非线性延迟微分方程来模拟时间序列数据。具体方程如下：
[
\dot{x} t = \frac{0.2x {t - \tau}}{1 + x_{t - \tau}^{10}} - 0.1x_t
]
以下是模拟时间序列的MATLAB代码：

ts = 1;
numSamples = 1200;
tau = 20;
x = zeros(1,numSamples+tau+1);
x(tau+1) = 1.2;
for t = 1+tau:numSamples+tau
    x_dot = 0.2*x(t-tau)/(1+(x(t-tau))^10)-0.1*x(t);
    x(t+1) = x(t) + ts*x_dot;
end
figure(1)
plot(x(tau+2:end))
title('Mackey-Glass Chaotic Time Series')
xlabel('Time (sec)')
ylabel('x(t)')

上述代码中，我们设定了采样时间 ts 、样本数量 numSamples 和延迟参数 tau ，并通过循环计算出时间序列的值，最后绘制出模拟的MG时间序列数据。

1.2 训练和验证数据生成

时间序列预测是利用直