模糊全区间序导出的T-S弱序及严格T-S弱序

以可加的φ-模糊偏好结构为基础,研究由模糊全区间序结构导出的T-S弱序及严格T-S弱序。首先,我们证明了在一个模糊全区间序结构中,大偏好及严格偏好的右迹均为T-S弱序。其次,通过严格偏好关系P及大偏好关系R给出普通偏好结构下两个严格弱序Q_1及Q_2的等价形式,并据此进行模糊化,在(T,S,N_φ)是一个De Morgan三元组及T是旋转不变t-模的情况下,通过对模糊全区间序结构进行详细讨论,从而得出Q_1及Q_2均为严格T-S弱序。     

T-S模糊控制方法在生物流化床系统中的应用

针对生物流化床污水处理系统的非线性、时滞、时变等问题,提出采用T-S模糊控制方法,将复杂的非线性系统模糊化为局部线性模型,并引入积分环节,降低T-S模糊控制器维数,简化规则.最后,通过实验进行理论验证.实验结果表明,该方法可行且有效.     

基于在线模糊聚类的故障检测和容错控制

提出了一种新的基于T-S模糊模型在线辨识的非线性系统的故障诊断与容错控制策略.在闭环控制中,根据在线产生的数据对T-S模糊模型进行辨识,当故障引起系统动态的结构性变化时,在线模糊聚类算法能够辨识出系统的重大改变并产生新的模糊规则描述系统新的动态,同时基于T-S模型的控制律也会做出相应的调整.分析了T-S模糊模型结构和参...     

基于单组缓发中子模型的反应堆功率T-S模糊控制

基于T-S模糊模型,针对单组缓发中子点堆动力学方程,设计了T-S模糊控制器来实现对反应堆功率的控制.仿真结果表明,所设计的T-S模糊模型控制器能够较好的控制反应堆功率的输出,取得较好的控制效果.     

基于改进T-S云推理网络的板形模式识别方法

将云模型与T-S模糊神经网络相结合,利用正态云代替模糊神经网络的隶属度函数,构成T-S云推理网络.该网络综合考虑了模糊逻辑的快速性和云模型处理数据的不确定性,增强了网络处理数据的能力,同时分析了T-S云推理网络的结构和稳定性.在超熵确定的情况下,使用最速下降法辨识了T-S云推理网络的参数,将该网络应用于板形模式识别,并与T-S模糊神经网络作了对比.仿真结果表明:T-S云推理网络抗干扰能力较强,能够识别出常见的板形缺陷,并且识别精度较高.     

基于三角模糊化的Mamdani模糊系统输出算法

先利用三角模糊化给出模糊规则后件输出模糊集的乘积推理机公式； 再根据三角模糊化、 乘积推理机和中心平均解模糊化引入Mamdani模糊系统的解析式, 并当前件模糊集取值为三角形模糊数时利用剖分论域和三角模糊化方法设计Mamdani模糊系统输出算法； 最后通过实例利用统计学的t-假设检验方法验证算法的有效性.     

基于三角模糊化的Mamdani模糊系统输出算法

先利用三角模糊化给出模糊规则后件输出模糊集的乘积推理机公式； 再根据三角模糊化、 乘积推理机和中心平均解模糊化引入Mamdani模糊系统的解析式, 并当前件模糊集取值为三角形模糊数时利用剖分论域和三角模糊化方法设计Mamdani模糊系统输出算法； 最后通过实例利用统计学的t-假设检验方法验证算法的有效性.     

水翼双体船纵向姿态鲁棒估计的仿真实验研究

针对水翼双体船纵向运动的非线性,提出了一种基于 T-S 模糊模型的鲁棒滤波器,对水翼双体船的纵向运动姿态进行估计。建立水翼双体船运动模型的 T-S 模糊模型,将鲁棒滤波与 T-S 模糊模型相结合,建立基于 T-S 模糊模型的鲁棒滤波器,结合线性矩阵不等式求解增益矩阵,对水翼双体船的纵向姿态进行估计,并运用Matlab进行仿真。仿真结果表明,该方法是有效可行的。     

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.     

一类单摆系统的模糊建模

研究一类单摆系统的T-S模糊建模问题.结合传统的近似线性化的模糊建模方式,将无法近似的非线性项按照不确定项进行处理,进而可以得到单摆系统较为简单的T-S模糊模型,这样就可以采用鲁棒技术对所得到的不确定T-S模糊系统进行控制设计.尽管该建模方法会得到维数较大的矩阵不等式,但却可以按阶数地减小模糊规则数目,在实际中是可行的.