基于模糊T-S自适应观测器的近空间飞行器故障诊断与容错控制

提出了一种基于自适应观测器的故障诊断与容错控制策略,应用到近空间高超声速飞行器(NSHV)上处理执行器故障.NSHV是非线性、多变量和强耦合的系统,首先使用T-S模糊技术建模,基于T-S模型设计自适应故障诊断观测器(AFDO).然后定义AFDO和实际系统误差的范数作为残差来检测故障,采用自适应故障估计算法估计系统故障.基于所得故障信息,设计容错控制器(FTC)来补偿执行器的失效.通过求解线性矩阵不等式得到AFDO的增益矩阵,采用Lyapunov理论证明了误差系统的稳定性.最后,对高超声速飞行器的纵向模型进行算法验证,仿真结果表明了所提方法的有效性.     

改进的T-S模糊模型建模方法及其应用

针对一般的仿射非线性系统,提出了一种改进的建立T-S模糊模型的方法. 使建立的模糊系统与原非线性系统具有相同的响应特性,避免了平衡点线性化产生的系统误差的不利影响,同时也适用于含有多个非线性项的系统. 将这种建模方法应用到GMAW系统,建立了改进基于T-S模糊模型GMAW系统,并且建立的模糊系统和原系统具有相同的响应特性. 仿真结果证明了该方法的有效性.     

近空间飞行器光电对抗技术研究

随着光电精确制导武器的广泛使用,光电对抗技术也迅速发展,近空间飞行器作为情报、侦察、监视和通信的重要平台,其生存能力是关系战争胜负的重要方面。本文分析了近空间飞行器的主要威胁-光电制导武器,并对其今后光电对抗手段及发展趋势作了探悉。     

基于模糊聚类方法的T-S模糊系统建模

提出了用一个聚类验证准则设计模糊C均值聚类算法，这个聚类验证准则是用来确定模糊C均值算法中合适的聚类数．针对T—S模糊模型，由模糊c均值聚类算法确定其逻辑前件参数，进而采用最小二乘算法确定模糊推理规则的后件参数．最后，应用本文建模方法对一个非线性实例进行仿真计算，并与其它方法进行了比较，结果表明本文方法是有效的．     

基于T-S模糊神经网络的柔性评价专家系统

基于T-S模糊模型提出了一种易于推理的神经网络结构,通过神经网络的自适应模糊控制简化了系统的有效辨识,讨论了其自学习算法,给出了用于模糊推理的估值算法和3级知识表示法,并分析和构造了MIMO型教学柔性评价专家系统的模糊建模技术,实现了自动评价的柔性专家系统。     

基于T-S模糊神经网络的柔性评价专家系统

基于T-S模糊模型提出了一种易于推理的神经网络结构,通过神经网络的自适应模糊控制简化了系统的有效辨识,讨论了其自学习算法,给出了用于模糊推理的估值算法和3级知识表示法,并分析和构造了MIMO型教学柔性评价专家系统的模糊建模技术,实现了自动评价的柔性专家系统。     

基于均匀设计的T-S建模方法

T-S模糊系统被广泛应用在基于数据的建模方法中.模糊规则作为T-S模糊系统的核心,是影响系统精度和泛化性能的重要因素,然而模糊规则数量的确定非常困难.考虑基于减聚类的规则生成方法中,聚类半径直接影响规则生成数量,采用均匀设计设定聚类半径,合理选择规则数量,简化了复杂多变量系统的建模问题.实例证明所提出基于均匀设计思想的聚类半径设定法简单易行,具有较好的实际应用价值,适合于复杂多变量系统的建模应用.     

基于数据简化及卡尔曼滤波方法的T-S模糊模型辨识

T-S模糊辨识方法已成为模糊集理论和应用中的重要研究。仅在获取被辨识系统输入-输出数据情况下,提出一种能自动建立T-S(Takagi-Sugeno)模糊模型的有效方法。在结构辨识阶段,首先利用GK(Gustafson-Kessel)聚类算法对原始数据集进行聚类划分为若干个子集;再引入重叠因子对每个子集的大小做进一步简化;同时获取各个聚类中心及宽度。对于参数辨识,应用卡尔曼滤波方法求解后件参数值。最后,通过两个实验研究,论证所提出方法的有效性和优越性。     

一种基于T-S模糊模型的自适应建模方法及其应用

提出了一种改进的基于T-S模糊RBF神经网络模型的辨识算法和自适应方法,采用模糊C均值聚类(FCM)算法划分输入输出数据空间,最后将该算法应用于丙烯腈收率的预报,仿真结果表明了这种基于T-S模糊模型的自适应建模方法的有效性。     

一类非线性系统的模糊建模方法

针对一类非线性系统的建模问题,以扇区非线性化为基础,提出了一种T-S模糊建模方法。首先在论域上确定出系统中非线性项的最大值和最小值;然后给出非线性项的隶属度函数;最后建立了非线性系统的T-S模糊线性模型。本算法计算简单,容易实现,同时,仿真结果也表明算法能够有效实现对原系统的逼近。     

基于T-S模糊故障树分析的液压系统故障搜索策略

提出一种基于T-S模糊故障树分析的故障搜索策略。以某型液压载重车支腿液压系统故障树为例,在给出T-S模糊故障树基本事件的T-S关键重要度概念和计算方法的基础上,综合考虑基本事件的T-S关键重要度和搜索费用等因素,采用逼近理想解排序法(TOPSIS)计算出故障方案的搜索顺序。该方法克服了传统故障树分析方法在故障搜索中二态假设的局限,分析了在不同顶事件故障程度的条件下的故障搜索策略,增加了故障搜索结果的准确度,提高了故障诊断的可行性。     

基于T-S模型的倒立摆LQR模糊控制

对固高倒立摆的控制目标、T-S建模方法、LQR控制器的设计、参数Q与控制性能的关系进行了分析,根据各个T-S模糊子集中倒立摆系统所处的不同状态,权衡2个控制目标的比重,选取合适的Q参数,从而设计出有针对性的控制目标的LQR模糊控制器,拓宽了LQR控制器在非线性领域的应用.实验结果证明了它的有效性.     

高斯白噪声下T-S模糊系统的传感器故障诊断

提出了一种传感器故障诊断的新方法，适用于高斯白噪声下的T－S模糊系统，利用基于T－S模糊模型的卡尔曼滤波器估计系统状态，系统的残差即测量输出与估计输出之差被用来检测和隔离传感器故障，并且推导了传感器故障隔离的充分条件，还用一个铁路拖动系统的感应发电机的例子验证了该方法的有效性。     

基于连续域蚁群改进算法的T-S模型辨识

针对一些带复杂参数辨识性能指标的模糊建模无法采用经典辨识方法解决的情况,提出了采用改进连续域蚁群算法进行T-S模型辨识的方法.该方法利用蚁群算法无需具体数学模型的特点,解决了模糊模型辨识中辨识指标表达式过于复杂甚至非解析所带来的难题,从而实现了T-S模型前提部和结论部参数的一次性辨识.仿真研究表明,利用文中辨识方法得到的模糊模型能够很好的逼近真实系统,并且对初始条件和输入信号不敏感,具有鲁棒性.     

基于逆系统方法的非线性系统故障调节

针对一类多输入多输出非线性可逆系统,提出一种基于逆系统原理的故障调节方法.该方法通过设计被控对象的自适应观测器来估计执行器故障,并根据故障估计值,基于逆系统方法产生附加控制律对逆系统进行调节补偿,使得被控对象和经调节后逆系统的串联仍能保持为无故障时的伪线性系统模型,从而在无需改变系统正常控制器参数的情形下,方便地实现对执行器故障的良好性能容错目标.     

基于T-S模糊模型的半主动悬架控制研究

在1／4车辆悬架数学模型的基础上,分别采用T-S和Mamdani模糊控制策略,建立模糊模型的半主动悬架控制系统,分析和比较了两种控制系统的性能,设计了基于CIP-51为核心的单片机控制器,并进行了半主动台架试验．计算和试验结果表明,模糊控制器均能有效地控制半主动悬架系统,提高车辆的乘坐舒适性,改善车辆的性能．与普通Mamdani模糊控制相比,T-S模糊控制器具有设计简单,运算速度快,便于实时控制的优点,验证了T-S模糊控制方法的有效性和优越性．     

光纤陀螺漂移误差的T-S模糊建模补偿算法

基于G-K聚类算法辨识T-S模糊模型前件参数理论,并采用最小二乘法辨识T-S模糊模型后件参数的误差模型,研究了一种光纤陀螺温度漂移误差的非线性补偿算法。在建立该模型的基础上对光纤陀螺零位输出进行了补偿,计算结果表明采用该种方法能够在不完全了解陀螺误差机理的情况下对其进行有效的补偿。其绝对误差与未补偿相比较降低了99%,同线性拟合补偿相比降低了96%和神经网络补偿比较降低了10%,其误差方差分别减少99%,98%,20%。     

温室草莓灰霉病T-S模糊控制模型

基于生物种群的Logistic增长模型,结合灰霉病病菌的模糊性,建立温室草莓灰霉病病菌的T-S模糊模型。根据Lyapunov稳定性定理,给出所建T-S模糊控制系统稳定的充分条件,并设计控制器,使模型全局稳定,实现对温室草莓灰霉病的预防与控制。最后利用Matlab进行数值仿真,以验证结论的正确性。     

基于改进Gath-Geva聚类方法的磁流变阻尼器T-S模糊建模

磁流变阻尼器作为车辆智能悬架系统的核心元件,其逆模型的精度是影响车辆悬架减振控制性能的主要因素。文中针对全地形车悬架系统中磁流变阻尼器的滞回非线性导致建模精度低的问题,提出了采用基于改进的Gath-Geva聚类的模糊T-S建模方法。通过MTS试验机对磁流变阻尼器在不同工作频率、幅值和激励电流下的输出力进行测试和分析。基于试验测试结果和T-S模糊推理方法,建立了阻尼器的逆向模型。采用改进Gath-Geva聚类方法对建立的T-S模糊模型参数进行辨识,获得了激励位移、速度、阻尼力和控制电流之间的关系,提高建模精度和参数辨识速度。最后,通过试验对所提出的模糊非线性建模方法进行验证。结果表明,文中方法对阻尼器的控制电流具有较高的预测精度,电流预测值与实验值的均方根误差仅为0.008 8 A。