无失效指数分布参数的模糊加权最小二乘估计

无失效数据的出现，使分布参数的估计成为可靠性评定的又一关键问题。在对指数分布进行参数估计时，引入模糊加权系数，利用模糊加权最小二乘估计对数据进行回归拟合，推导出模糊加权失效率的估计式。由于无失效数据失效概率的确定对参数的估计结果有较大的影响，以减函数法确定失效概率的Bayes估计，并进行模糊加权线性回归。回归结果与常规线性回归结果相比，更接近工程实际。     

TSK动态网络及其在非线性动态系统中的应用

针对非线性动态系统特点，提出了一种新型的基于TSK模糊模型的动态回归模糊神经网DRFNN（Dynamic recurrent fuzzy neural networks），并给出了网络参教的迭代算法和基于李亚普诺夫稳定理论的收敛性证明。该动态回归网络由静态网络和内反馈动态回归网络组成，在结构上更好的拟合了非线性动态系统特点，应用于非线性动态系统的辨识和控制的试验结果也说明该动态回归模糊神经网络对解决非线性动态系统辨识和控制问题的有效性。     

基于组合式信号源的非线性系统辨识

针对非线性系统中噪声的干扰，研究了一类神经模糊Hammerstein输出误差非线性系统的建模和辨识方法，利用组合式信号源实现静态非线性模块和动态线性模块参数辨识的分离，推导了相关性分析法和辅助模型递推最小二乘辨识方法估计动态线性模块和非线性模块的参数，有效抑制系统输出噪声的干扰。仿真结果表明：与最小二乘算法、多项式模型以及多信息方法相比，提出的方法具有参数估计收敛速度快，辨识精度高，建模误差小等优势，验证了所提学习算法的有效性。     

一类非线性系统的直接自适应模糊滑模控制

研究了一类非线性系统的一种直接适应模糊滑模控制（AFSMC）的问题。首先，在系统的非线性动态函数满足可估计和有界两个基本假设的条件下，给无了此类系统基于非线性动态函数估计的一般滑模控制律设计。然后基于目标函数梯度校正的方法，通过自适应机构调解模糊逻辑系统（FLS）的后作参数，所设计的自适应模糊逻辑系统（AFLS）能够逼近系统基于非线性动态函数估计的一般滑模控制律。这样，系统的自适应模糊控制律具有一般滑模控制律的控制效果，同时由于AFLS的滤波作用，具有消除滑模控制高频抖振的特性。数值仿真结果证明了所设计控制律的有效性。     

混沌系统的一种模糊变结构控制器设计

研究了Chua混沌系统的稳定控制问题。采用模糊动态模型逼近非线性混沌系统，将非线性混沌系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出，确保模糊动态模型全局渐近稳定的变结构控制器。仿真验证了方案的有效性，模糊控制器简单，规则少。     

一类典型非线性-线性系统数学模型建立方法

对于典型的Hammerstein模型,如“死区一线性”和“空回一线性”系统模型,在非线性和线性部分之间的任何信息都不知道的情况下,只根据系统输入和输出信息,利用频谱分析方法,可以识别出非线性和线性部分的全部参数,并对非线性特性进行确认性检验。本文给出了识别系统全部参数的方法和步骤,最后以例题说明。     

基于LMI的模糊控制器设计

对于许多实际的非线性系统,状态变量往往不能获取或难于测量。因此设计模糊状态观测器来估计状态变量是非常必要的。针对T-S模糊模型近似描述的非线性系统,提出了一种基于线性矩阵不等式(LMI)的具有区域极点配置功能的模糊控制器和模糊状态观测器的设计方法。首先利用并行分布补偿(PDC)设计思想和基于线性矩阵不等式(LMI)的极点配置理论,将闭环系统的全局渐进稳定性要求,性能指标及控制量约束条件统一到线性矩阵不等式框架内。然后求解线性矩阵不等式族获得控制器和观测器参数。最后将该设计方法应用于倒立摆的平衡控制中,通过仿真曲线可以看出该方法设计的控制器可使倒立摆稳定并满足指定的性能指标,因此该设计方法是有效的。     

基于T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

混沌系统基于T-S模糊模型的控制方法

将模糊控制技术应用于混沌控制中，可以克服反馈线性化等传统方法对参数完全精确已知的限制；用T-S模糊系统来逼近非线性系统，它的IF-THEN规则后件由线性状态空间子系统构成，进而可以应用模糊系统的控制理论求得模糊控制器，用此非线性控制器来控制非线性系统，以求良好的控制效果；模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统，基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器，控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。     

信息不完全确定的模糊多准则UTA方法

针对准则权系数信息不完全确定和准则值为模糊数且有训练集的多准则决策问题,提出了一种模糊多准则UTA方法。该方法在考虑对训练集排序的基础上,结合不完全确定的准则权系数信息和训练集中各方案的模糊准则值的效用建立非线性模糊规划模型,并将其转化为模糊线性规划模型,求解得出准则权系数、训练集中各方案准则值的模糊效用值,利用插值求出方案的准则值的模糊效用,进而得到整个方案集的排序。最后实例说明该方法的有效性和可行性。     

Parameter estimation for dual-rate sampled Hammerstein systems with dead-zone nonlinearity

The identification of nonlinear systems with multiple sampled rates is a difficult task.The motivation of our paper is to study the parameter estimation problem of Hammerstein systems with dead-zone characteristics by using the dual-rate sampled data.Firstly,the auxiliary model identification principle is used to estimate the unmeasurable variables,and the recursive estimation algorithm is proposed to identify the parameters of the static nonlinear model with the dead-zone function and the parameters of the dynamic linear system model.Then,the convergence of the proposed identification algorithm is analyzed by using the martingale convergence theorem.It is proved theoretically that the estimated parameters can converge to the real values under the condition of continuous excitation.Finally,the validity of the proposed algorithm is proved by the identification of the dual-rate sampled nonlinear systems.     

基于非线性PLS回归的军用软件成本估算

当变量间存在多重相关性时,常采用偏最小二乘（partial least squares, PLS）回归进行建模。但是,传统PLS回归采用线性关系式来建立内部成分与外部成分之间的关系,已有的非线性PLS在模型可解释性方面存在不足。针对军用软件成本估算问题的非线性特点,建立了一种基于内部机理的非线性PLS回归模型,给出了模型的推导过程和实现算法。实例分析表明,该方法的估算精度优于多元线性回归,线性PLS回归和基于多项式内部映射的非线性回归。     

基于结构元理论的模糊多元线性回归模型

针对系数为模糊数的多元线性回归模型， 运用基于模糊结构元理论的最小二乘法， 研究模型的解析表达式. 首先运用模糊结构元方法定义了模糊数距离公式， 该公式与文[1]给出的距离公式在一定条件下等价， 但避 免了后者因区间运算而带来的不便. 对模糊参数用结构元理论表示， 得到了模型的解析表达式. 再根据 定义的距离公式采用最小二乘法得到了估计模糊参数的方法. 根据该方法得到系数为LR-型模糊数的回归模型. 最后给出一个应用算例， 说明本文方法的简便性.     

Introducing System Identification Strategy into Model Predictive Control

As system identification theory and model predictive control are belonged to two different research fields separately, so one gap exists between these two subjects. To alleviate this gap between them, one new idea proposed in this paper is to introduce system identification theory into model predictive control. As the most important element in model predictive control is the prediction of the output value for a nonlinear system, then the problem of deriving the prediction of the output value can be achieved by system identification theory. More specifically, a Bayesian approach is applied for the nonparametric estimation by modeling the prediction as realizations of zero mean random fields.Through comparing this kind of prediction corresponding to this Bayesian approach and the former direct weight optimization identification for nonlinear system, the authors see that if the unknown weights are chosen appropriately, these two approaches are equivalent to each other. Based on the obtained prediction of the output value, the authors substitute this prediction of the output value into one cost function of model predictive control, and then a quadratic programming problem with inequality constraints is formulated. When to solve this quadratic programming problem, a detailed process about how to derive its dual form is given. As the dual problem has a simple constraint set, it is amenable to the use of the common Gauss-Seidel algorithm, whose convergence can be shown easily.Finally, one simulation example confirms the proposed theoretical results.     

Quadrature Kalman particle fitler

In order to resolve the state estimation problem of nonlinear/non-Gaussian systems,a new kind of quadrature Kalman particle filter (QKPF) is proposed.In this new algorithm,quadrature Kalman filter (QKF) is used for generating the importance density function.It linearizes the nonlinear functions using statistical linear regression method through a set of GaussianHermite quadrature points.It need not compute the Jacobian matrix and is easy to be implemented.Moreover,the importantce density function integrates the latest measurements into system state transition density,so the approximation to the system posterior density is improved.The theoretical analysis and experimental results show that,compared with the unscented partcle filter (UPF),the estimation accuracy of the new particle filter is improved almost by 18%,and its calculation cost is decreased a little.So,QKPF is an effective nonlinear filtering algorithm.     

Fuzzy Modeling of Non-Uniformly Sampling Nonlinear Systems Based on Clustering Method and Convergence Analysis

The studying motivation of this paper is that there exist many modeling issues of nonuniformly sampling nonlinear systems in industrial systems. Based on multi-model modeling principle,the corresponding model of non-uniformly sampling nonlinear systems is described by the nonlinear weighted combination of some linear models at local working points. Fuzzy modeling based on multimodel scheme is a common method to describe the dynamic process of non-linear systems. In this paper, the fuzzy modeling method of non-uniformly sampling nonlinear systems is studied. The premise structure of the fuzzy model is confirmed by GK fuzzy clustering, and the conclusion parameters of the fuzzy model are estimated by the recursive least squared algorithm. The convergence perfromance of the proposed identification algorithm is given by using lemmas and martingale theorem. Finally, the simulation example is given to demonstrate the effectiveness of the proposed method.