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．     

锅炉汽包水位的模糊预测控制

针对锅炉汽包水位的强非线性及虚假水位现象,研究了基于模糊模型的预测控制方案.在模糊建模中,采用模糊聚类法求取规则前提部分模糊集合的隶属函数,采用相似性算法清除冗余模糊集合,以获得规则简化、具有良好逼近能力的模糊模型.为了解决非凸优化问题,采用遗传算法进行目标函数优化;结合预测控制的特点,设计了适合于预测控制的遗传算法.试验结果证明了该方案是有效的.     

基于T-S模型的一类非线性系统自适应滑模跟踪控制及仿真

针对一类带有内部干扰和未知非线性函数的非线性系统,首先基于伸缩器和饱和器的概念,将一个时变伸缩因子ρ-1引入到T-S模糊逻辑系统的输入而形成扩展模糊逻辑系统,然后利用该模糊逻辑系统给出一种时变伸缩因子参数的自适应滑模控制器的设计方法。其中非线性系统中的未知非线性函数采用T-S模糊逻辑系统进行逼近,故只需较少的模糊规则即可达到逼近要求,而且参数自适应率的个数与模糊逻辑系统中的模糊规则数无关,因此该方法不仅有效地减少在线运算量,而且在有限的时间内实现跟踪控制。最后,对带有干扰项和未知非线性函数的Duffing混沌系统完成了目标跟踪仿真,仿真结果验证了该控制算法的有效性和可行性。
     

基于T-S模型的一类非线性系统自适应滑模跟踪控制及仿真

针对一类带有内部干扰和未知非线性函数的非线性系统,首先基于伸缩器和饱和器的概念,将一个时变伸缩因子ρ-1引入到T-S模糊逻辑系统的输入而形成扩展模糊逻辑系统,然后利用该模糊逻辑系统给出一种时变伸缩因子参数的自适应滑模控制器的设计方法。其中非线性系统中的未知非线性函数采用T-S模糊逻辑系统进行逼近,故只需较少的模糊规则即可达到逼近要求,而且参数自适应率的个数与模糊逻辑系统中的模糊规则数无关,因此该方法不仅有效地减少在线运算量,而且在有限的时间内实现跟踪控制。最后,对带有干扰项和未知非线性函数的Duffing混沌系统完成了目标跟踪仿真,仿真结果验证了该控制算法的有效性和可行性。     

基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

变论域模糊控制器的万能逼近性及其逼近条件

通过一组非线性伸缩因子实时地调节论域,变论域模糊控制器显著减少初始规则的数量,在期望控制点有效地提高控制精度。首先,证明这类模糊控制器的逼近误差具有收敛性,从而证明它在整个时域上是一种万能逼近器,即它能以任意精度逼近紧集上的任意非线性实函数;并指出它是一种二阶精度的逼近器;在预定精度条件下,给出它作为逼近器的充分条件。最后,通过1个数值实例验证变论域模糊控制器逼近非线性函数的实际效果。研究结果表明:逼近精度完全满足给定的要求,相对常规模糊控制器,变论域模糊控制器的逼近精度提高87.4%。     

一种用于非线性逼近的新型模糊神经网络

针对一般非线性映射的逼近问题，提出用分域逼近的通用算法来实现全局逼近，并据此构造了实现该算法的新型模糊模糊神经网络。通过仿真，将新型模糊神经网络和常用的BP和RBF两种神经网络进行比较。结果表明，该新型模糊神经网络的非线性逼近能力明显优于后两者，且权值具有明显的几何意义，设计难度相对较小，可用于解决复杂非线性函数的逼近问题。     

非线性系统建模的复合型模糊神经网络研究

针对非线性系统建模问题,提出了一类由函数逼近和规则推理网络构成的复合型模糊神经网络,其规则网络基于过程先验知识用于对操作区间的划分,而函数网络采用改进型模糊神经网络结构完成非线性函数逼近。采用一类非线性函数模型进行了仿真研究,结果表明,复合型模糊神经网络较之普通模糊神经网络在建模收敛速度和预测精度等方面都有较大的改善。     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性探索算法，对于多变量寻优问题是一种易于实现的、有效的途径，提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明，用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法.采用结构辨识和参数辨识相结合的方法,构造模糊系统完善的模糊规则库.用此设计方法对函数逼近问题进行仿真,结果表明该方法具有规则数目少、学习速度快、建模精度高等特点.     

任意隶属度函数模糊系统的逼近特性

以四边形隶属函数作为一般的隶属函数，利用StoneWeierstrass定理对任意隶属函数的模糊系统任意逼近紧集上的任意连续实函数进行证明，是对基本模糊系统逼近任意连续非线性函数理论的推广，模糊系统对任意非线性函数的逼近性能，是模糊系统用于系统辩识的理论依据。     

一种基于改进BFO和RLS的模糊建模方法

为了提高非线性系统的模糊建模精度,提出了一种基于改进的菌群优化算法(IBFO)和递推最小二乘(RLS)算法的模糊建模混合学习算法。该方法采用T-S模糊系统进行函数逼近,首先用改进的菌群优化算法优化模糊模型的前提参数,然后用递推最小二乘算法优化模糊模型的后件参数,实现对模糊模型全局参数的优化。对非线性系统、煤气炉数据和气动加载系统的建模表明,该方法在逼近精度方面优于其他方法。     

一类混沌系统的模糊自适应控制

模糊控制器具有设计简单,适用于非线性系统和鲁棒性的特点,在工程实践中有广泛的应用。本文针对单输入一单输出的非线性混沌系统,提出了一种新的模糊自适应控制方法。此方法中,用两个模糊逻辑系统逼近两个未知函数,并根据跟踪误差来定义参考误差,再根据前一步参考误差来修正两个模糊逻辑系统的输入,以此对逼近误差进行补偿。该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛于原点或原点的一个小领域内。     

一种使用遗传算法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法．设计人员只需设置性能指数或适值函数,而模糊规则的数目、隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成．描述了一种具有局部优化机制的遗传算法,给出的应用实例表明该算法具有良好的适用性     

一种使用遗传睡法生成模糊控制器的方法

提出一种使用遗传算法生成模糊控制器的方法，设计人员只需设置性能数或适值函数，而模糊规则的数目，隶属函数的参数以及模糊控制器的规则都可通过遗传算法自动生成。描述了一种具有局部优化机制的遗传算法，给出的应用实例表明算法具有良好的适用性。     

基于遗传算法的模糊控制器设计

遗传算法是建立在自然选择和自然遗传学机理上的遗传自适应概率性搜索算法 ,对于多变量寻优问题是一种易于实现的、有效的途径 ,提出了一种基于遗传算法的隶属函数和控制规则的最优设计方法。仿真结果表明 ,用该方法设计的模糊控制器用较少的模糊变量即可获得良好的性能。     

基于T-S模糊模型的RBF网络的自适应学习算法

针对多维模糊推理中的推理规则庞大和参数难辨识的问题,提出一种基于T-S模糊模型的RBF神经网络的自适应学习算法．该算法不仅能动态调节T-S型模糊RBF网络的隐节点数,还能使网络的数据中心值自适应变化,有较好的自学习能力和优化能力．仿真结果验证了该算法是有效和可行的,表明此T-S型模糊RBF网络不仅可以快速逼近任意多变量非线性函数,而且具有良好的自适应能力．     

一种基于模糊规则遗传算法在车间布置中的应用

提出了一种将模糊控制规则引入遗传算法的方法．根据每一代种群中所有个体适应度值的变化，对交叉概率、变异概率和染色体交叉长度进行模糊调整，很好地抑制了遗传算法的早熟现象，提高了搜索的效率．归纳出模糊调整规则，并叙述了应用模糊规则对交叉概率、变异概率和染色体交叉长度进行调整的策略；给出了模糊控制器的设计．用该模糊遗传算法对制造系统中的车间布置问题进行了仿真．结果表明，该算法是一种效率很高的寻优方法．     

一种用于纤维增强复合材料微观结构图像目标识别的改进模糊分类系统建模方法

提出了一种改进的模糊分类系统的建模方法,采用模糊C均值聚类完成初始模糊分类系统的设计.提出改进的模糊规则置信度计算方法,对隶属函数和模糊规则相似度进行检测,剔除模糊规则中的冗余信息,利用遗传算法进行模糊分类系统的优化,提高系统的精确性和解释性.仿真结果证明了方法的有效性,对纤维图像的分类结果显示,该方法能获得与手工分类基本一致的分类结果.