基于生态系统冗余结构的Type-2模糊控制器设计

本文提出了一类新的基于生态位模型的Type-2模糊控制系统,将含参数的生态位贴近度函数作为模糊规则的后件,从而构成了Type-2 Takagi-Sugeno(T-S)模糊控制模型。主要采用Lyapunov方法设计控制器,利用梯度下降法优化参数,得到参数的自适应律。建立的模糊T-S模型具有生物个体的自适应性,可以确保整个系统的稳定性,通过prey-predator生态模型验证了该类控制器的有效性。     

一类非线性系统的模糊自适应控制器设计

针对一类非线性系统，构造了具有高斯隶属度函数的T-S函数逼近器．根据逼近误差和控制要求，运用Lyapunov稳定性理论设计了一种模糊自适应控制器．该控制器不仅可以调节模糊规则参数，同时也能调节隶属度函数的参数．将这种模糊自适应控制器应用到倒立摆系统的跟踪控制，仿真结果表明，它具有良好的控制性能，从而验证了该方法的有效性．     

一种基于隶属度函数在线学习优化策略的T-S模糊系统的L_2-L_∞/H_∞混合控制

基于Takagi-Sugeno(T-S)模糊模型,研究了在非并行分布式补偿框架下的非线性系统L_2-L_∞/H_∞混合性能指标优化问题.首先,给出了使得模糊系统渐近稳定并满足混合性能的模糊静态控制器设计的充分条件.然后,在保证系统性能的前提下,根据每一个模糊控制器的隶属度函数的可行域,提出了一种新颖的隶属度函数在线学习优化策略来实时地优化控制器隶属度函数进而得到优越的L_2-L_∞/H_∞混合性能指标.相比已有的传统非并行分布式补偿模糊控制方法,该优化算法能够有效地降低实际的抗干扰衰减性能指标.根据李雅普诺夫稳定性理论,得到了成本函数误差收敛的充分条件.最后,通过仿真实例验证了所提出的在线学习优化算法的有效性.     

遗传算法优化的非线性钢结构模糊控制研究

采用遗传算法优化模糊控制算法的隶属函数及比例因子,通过压电变摩擦阻尼器实现减少非线性钢结构的地震响应。采用双输入单输出的模糊控制器,选取结构的层间位移的绝对值、层间速度的绝对值作为模糊控制器的输入变量,输出变量为作用电压,选取三角形函数作为输入、输出变量的隶属度函数,使用遗传算法对隶属函数及比例因子做出优化。以3层非线性钢结构地震响应为例,分别对模糊控制算法及遗传算法优化后模糊控制算法进行数值分析,结果表明:经遗传算法优化后的模糊控制,进一步降低了非线性钢结构的加速度和位移等响应。     

基于模糊性能估计器的风能转换系统反馈控制器

针对风能转换系统(WECS)强非线性、参数不确定性的问题,设计基于模糊性能估计器的T-S模糊状态反馈控制器.以高速杆转速和电磁转矩为前提变量,采用无损调试方法,利用隶属度函数构建了整个全局模型模糊状态反馈控制器.实现了WECS模型的模糊动态化,减小了建模误差和外界扰动影响.仿真结果表明:该控制器能将风能转换系数和叶尖速比控制在最优值附近,实现了额定风速下风能捕获的最大化.     

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.     

基于Type-2 T-S的模糊脉冲控制

利用Type-2模糊系统在描述复杂非线性系统诸多不确定性问题时的有效性,在Type-1模糊脉冲控制的基础上,提出了区间Type-2 T-S模糊脉冲控制方法.该方法利用Type-2模糊隶属函数的“宽带”效应,解决了Type-1模糊脉冲控制中数据噪声和外界扰动问题;利用Lyapunov理论和Lipschitz条件,通过运用比较方法和线性矩阵不等式等综合方法,设计Type-2 T-S模糊脉冲控制器,给出系统的渐进稳定性分析;最后,在倒立摆系统的仿真中,较方便地确定了隶属函数并选取了较少的模糊规则,表明系统的有效性和优异性.     

基于遗传算法的无人机模糊-积分控制器设计

针对某小型固定翼无人机纵向姿态控制和轨迹跟踪的要求设计了一种模糊-积分混合控制器. 为避免控制器参数调试的复杂性,提高控制性能,利用遗传算法对模糊控制的隶属度函数进行了优化设计. 在优化设计阶段,确定了设计变量和约束条件,并给出了比例因子整定原则. 仿真结果表明,基于遗传算法的模糊-积分控制器与传统PID控制器相比具有更短的响应时间,鲁棒性强,并且解决了单一模糊控制器稳态响应精度低、响应曲线颤振的问题.      

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

用遗传算法划分模糊量的语言变量覆盖范围

在模糊控制器设计中．模糊规则的确定以及模糊变量隶届函数的选取都是非常重要的，隶属函数的形状、模糊划分的覆盖范围对模糊推理有很大影响。本主要介绍在模糊规则确定时用遗传算法划分模糊量的语言变量覆盖范围，利用调整已给定形状下隶属函数参数的方法改变各语言变量的语言值所覆盖范围，以模糊控制器的推理结果与专家经验控制结果的方差最小作为遗传算法进行优化的目标函数。     

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.     

基于模糊Lyapunov-Krasovskii函数的离散时滞T-S模糊模型的非二次镇定条件

研究了离散时滞T-S模糊模型基于模糊Lyapunov-Krasovskii函数的稳定性分析及控制器设计问题.首先,构造出离散型模糊Lyapunov-Krasovskii函数,此函数是系数与T-S模糊模型的模糊规则权重相对应的复合型Lyapunov-Krasovskii函数.然后,基于一系列线性矩阵不等式,得到了开环系统稳定的充分条件,进而又基于非二次PDC控制律,设计出了模糊控制器.最后,仿真实例验证了该方法的有效性和优越性.     

基于T-S型模糊系统的复杂系统镇定控制器

针对局部可用非线性系统描述的复杂系统问题,基于T-S(Takageno-Sugeno)模糊模型,给出了一种设计非线性镇定控制器的方法.该方法所依赖的稳定性假定只涉及其中一个特定的模糊子系统和隶属函数的选取,而模糊规则库中的隶属函数可以依照一个明确的方向选择,所得到的非线性控制器依赖于隶属函数的选取,保证了全局模糊逻辑系统渐近稳定.通过仿真验证了该非线性控制器的有效性.     

智能火力/飞行综合控制系统研究

本文设计了基于遗传算法和模糊逻辑控制的智能火力/飞行综合控制系统(IFFC),设计了采用论域自调整的模糊控制器,给出了控制器输入输出的隶属函数,设计了相应的规则库.并在此基础上进一步利用遗传算法对模糊控制器进行优化设计,给出了遗传算法各个参数的选择原则.仿真结果表明,基于遗传算法和模糊逻辑的智能火力/飞行综合控制系统具有良好的控制效果,在综合火力/飞行控制系统的设计中颇有应用潜力和前景.     

基于正则化的模糊C-均值聚类算法及其在T-S模糊系统辨识问题中的应用

在模糊C-均值聚类问题目标函数中使用正则化泛函,将聚类中心解的误差指标引入到模糊聚类的目标函数中,构造出新的模糊C-均值聚类算法RBFCM(Regularization based Fuzzy C-means)算法.算法RBFCM不仅具有较高的聚类精度,且计算结果具有更好的稳定性.进一步,将此RBFCM算法应用于基于T-S模糊模型的系统辨识问题.由于RBFCM算法优化了模糊系统的输入空间划分,提高了隶属度函数的精度,使得后继得到的T-S模糊系统辨识精度也有所提高,且系统辨识过程的收敛速度也有所改善.最后,通过对经典IRIS数据集、带有噪声的IRIS数据集的聚类算例和对Box-Jenkins煤气炉数据集进行辨识算例,验证了RBFCM算法的有效性和优越性.     

基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

混合动力汽车模糊神经参考控制策略优化

为提高并联式混合动力汽车控制策略精准性,建立了基于发动机效率的模糊逻辑控制器,进一步使用神经网络模型对模糊逻辑控制器的隶属度函数进行在线学习,引入变尺度优化方法的改进型学习算法,完成了隶属度函数的在线学习后的优化;通过模型参考构成闭环在线修正,降低输出转矩的误差。通过循环仿真实验,利用模糊神经参考模型控制策略,发动机工作效率点与实时工况的匹配率更高稳定性更好,发动机平均效率提高4. 16%,峰值电源荷电状态保持在稳定的容量范围内,整车燃油经济性得到改善。因此该控制策略具有较强的工程实用性。     

基于T-S模糊模型的自适应重构控制

针对建模误差,外界干扰及操作故障等因素对重构控制的影响,提出了一种基于T-S模糊模型的自适应重构控制方案。整个方案基于模糊T-S模型,在与神经网络的学习能力相结合后,使模糊控制器能自动调整它的隶属度函数,为模糊控制器增加了相当的灵活性,可重构的控制律又使系统在故障情况下的输出精确跟踪期望参考模型的输出,可以有效地补偿故障引起的非线性因素的影响。仿真结果表明了所提出的方法的有效性。     

齐次T-S模糊系统的逼近性能

为深入剖析模糊系统的通用逼近性能,明确定义了输入模糊集的有关概念和模糊系统输入空间的标准双交叠模糊划分,给出了在此定义下的模糊系统的一些基本性质.构造了一类输入变量采用伪梯形隶属函数的一般齐次T-S(CHTS)模糊系统,进而证明了此类T-S模糊系统能够以任意精度逼近满足Lipschitz条件的任意非线性函数,定理假设的保守性得以降低,结论更具一般性.仿真结果验证了齐次T-S模糊系统的通用逼近性,为基于平行分布补偿(PDC)原理和线性矩阵不等式(LMI)的T-S模糊控制系统的设计和稳定性分析提供了理论依据.