基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

基于TS模糊模型的热工过程建模方法

热工过程对象通常具有复杂的动态特性和非线性、强耦合、不确定性等特征,从而使得常规建模方法难以取得满意的效果,因此提出一种改进型TS模糊模型在线建模方法。此建模方法基于以下思想,首先提出基于中心粒群算法的截集模糊C-均值聚类算法并对TS模糊模型进行模型结构离线辨识,确定模型的结构和前件部分参数的初始值;然后应用解耦扩展卡尔曼滤波算法进行后件参数在线辨识,同时对前件辨识结果进行精确修正。最后,对煤气炉、500MW机组及气化炉等热工过程进行仿真计算表明本方法具有精度高、计算量小等优点。     

基于IOWA算子的行为证券组合投资决策研究

旨在通过建立投资者多心理账户权重的确定方法,用以改进传统的行为证券组合理论(BPT).针对投资者多心理账户的模糊性和随机性特征,引入诱导有序加权平均(IOWA)算子描述投资者心理账户的权重确定过程;基于此,建立了经过IOWA算子调整的BPT模型;算法释例表明,确定投资者各个心理账户的权重有利于精确描述其资产配置的优化过程.     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于智能优化算法的T-S模糊模型辨识

将智能算法应用在T-S模糊模型的辨识方面,是模糊系统辨识的一种新途径。文中对几种智能优化算法,如遗传算法(genetic algorithm, GA)、粒子群(particle swarm optimization, PSO)算法、菌群优化(bacterial foraging optimization, BFO)算法等的优化原理和在模糊辨识方面的应用现状进行了综述和分析,并给出了它们在T-S模糊模型辨识中对参数进行优化的过程。最后将这些优化方法用于一非线性动态系统的建模,并对仿真结果进行了对比和详细的分析,为进一步了解这几种优化方法在模糊模型辨识参数优化方面的作用提供了仿真实验依据。     

一类时滞系统的模糊跟踪控制及其仿真

研究了一种基于模糊T-S模型的非线性时滞系统模糊跟踪控制问题。首先利用模糊T-S模型对不确定非线性系统进行模糊建模,然后在此基础上研究了模糊系统在状态可测与不可测的情况下的模糊跟踪问题。控制器的设计避开了复杂的精确反馈线性化与自适应方法。采用本方法,可将控制器的设计问题转化为求解线性矩阵不等式问题,再利用凸优化技术可将其有效地解决。因此该方法既简单又实用,并且通过仿真实例说明了它的有效性与正确性。     

一类参数不确定性混沌系统的T-S模糊控制

针对一类参数不确定性混沌系统,首次提出利用区间矩阵理论描述其不确定性,进而用T-S模糊模型对其进行精确描述的新方法.在此T-S模糊模型的基础上,给出一种基于并行分布补偿(PDC)技术的状态反馈控制器设计方法,并用Lyapunov稳定性理论证明了闭环系统的鲁棒稳定性.该方法充分考虑了模糊子系统之间的相互作用.状态反馈控制器增益矩阵可以通过求解一组线性矩阵不等式(LMIs)获得.仿真结果验证了所提方法的有效性.     

基于混合协同粒子群优化的广义T-S模糊模型训练方法

针对广义Takagi-Sugeno(T-S)模糊模型训练中存在的高维、非线性、混合参数估计问题,提出了一种基于混合协同粒子群优化的广义T-S模糊模型训练方法.该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的模型前件参数集.两种群通过协同进化优化所有前件参数;模型后件参数用卡尔曼滤波算法估计.该方法不要任何先验知识,能产生紧凑的、泛化性能较好的模糊模型.函数逼近的数字仿真说明了该方法的有效性.     

一种新型模糊控制器设计与稳定性分析

基于T-S模糊动态模型，采用模糊模型相除补偿(CDF)技术和线性矩阵不等式(LMI)方法，设计了一种新型模糊控制器，并进行了稳定性分析。非线性质量弹簧阻尼系统的仿真结果表明了该方案的有效性．与传统的并行分配补偿法(PDC)相比，所设计的控制器具有更小的保守性。     

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。     

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。     

间歇过程模糊预测学习控制器的设计与仿真

针对工业间歇过程的控制问题，分析比较了现有的两类反馈-前馈迭代学习算法在解决工业间歇过程控制系统滞后问题上的缺陷，采用T-S模糊预测模型，在原有反馈-前馈迭代学习算法基础上引入预测思想，研究了基于模糊预测的迭代学习算法，并设计了一种模糊预测学习控制器。以具有滞后、变参数特性的间歇过程为例，进行了仿真研究，验证了提出方法的有效性。     

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。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

电站中速磨的模糊跟踪控制及仿真

针对电站中速磨的控制难题,提出了一种模糊状态反馈跟踪控制方案。利用内模原理的特性来改善模糊跟踪控制系统的性能,使得被控非线性对象的输出变量可以渐进跟踪期望的变化轨迹。采用T-S建模方法来对中速磨进行建模并得到其T-S模糊模型。针对中速磨的T-S模糊模型设计模糊状态反馈跟踪控制系统并进行仿真,结果表明系统的输出可以很好地跟踪给定的轨迹。     

一种规则简化的模糊神经网络控制器

构造了一种实时模糊神经网络控制器，为解决模糊规则组合爆炸问题提供一个新方案。控制器基于T-S模糊模型，由前后件分离的网络结构实现。前件参数通过移动小论域法创建，每个变量仅在工作小论域上生成两个模糊子集，有效减少模糊规则，增强实时性；后件参数通过有ki,kp,kd修正因子的BP改进算法在线更改，控制意义明确，确保系统动态性能。仿真结果证实该控制器实时性好，控制性能优，鲁棒性强。     

基于T-S模糊模型的离散不确定时滞系统的容错控制

研究了一类离散不确定时滞模糊系统的容错控制问题。针对非线性离散系统，构造T-S模型，引入参数不确定项和时滞项，使得模糊模型能够更精确逼近原系统。基于T-S模糊模型，利用Lyapunov方法，证明了所采用的模糊控制律使得闭环模糊系统对于执行器故障以及传赢器故障具有完整性和鲁樟挂。不确定项具有范数有界时，利用求解线性矩阵不等式（LMI）的方法，得出了闭环模糊系统在执行器故障以及传意器故障时具有完整性的充分条件。仿真结果说明了该方法的有效性。