非线性系统的T-S模糊建模与控制

研究了非线性系统的T-S模糊建模与控制问题，并应用到一级倒立摆的模糊建模中，采用并行分配补偿法（PDC）设计控制器，并用线性矩阵不等式（LMI）计算控制器参数，仿真验证建模正确，控制器简洁有效。     

基于多分辨率分析的模糊系统结构辨识算法

分析了尺度函数多分辨率逼近性以及与T—S模糊系统结构的相似性，提出基于多分辨率分析的模糊系统(MAFS)。在此基础上，利用B—样条尺度函数作为模糊隶属函数具有紧支撑性、多分辨率逼近的特性，从时一频域局域化角度，采用WTMM技术，给出了模糊系统结构辨识算法。仿真结果验证了这种模糊系统在不影响辨识精度情况下，模糊隶属函数具有模糊语义的完备性和可解释性，同时表明该结构辨识算法的正确性和有效性。     

注塑机注射速度的模糊控制及其仿真

注射速度控制是注塑成型工艺里极其重要的一环。由于注塑过程的时变和非线性特点,注射速度控制成为较为复杂的一个课题。在一个螺杆往返式注塑机通用模型的基础上,给出了注塑机速度模糊控制系统的一般性设计方法:输入输出量定义域的选择,隶属度函数的形状,使用相位面分析设计知识库,前馈控制器的设计。通过仿真说明了该方法设计的控制系统能有效的跟踪快速变化的速度设定曲线,在模型参数发生变化时也能够得到良好的控制效果。     

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Simulink的小车-倒摆模糊自适应控制系统设计与仿真

运用动力学原理建立了小车—倒摆的仿真模型，并以对象输入输出的测试数据为依据，讨论了Takagi—Sugeno模糊模型的参数辨识，提出了模糊逆模型控制方案，基于此借助Matlab的Simulink设计了小车—倒摆的动态模型及其模糊自适应控制系统。仿真结果证明了本文采用的控制策略的有效性。     

T-S模糊控制系统稳定性分析及控制器设计

研究了在新型的模糊Lyapunov方法下连续T-S模糊控制系统稳定性和模糊控制器设计问题,首先,得出了自由系统新的稳定性充分条件,这个条件具有更大的宽松性;然后基于一系列线性矩阵不等式设计了模糊控制器,这些矩阵不等式可以利用凸优化技术来进行解决。通过对两个具体的实例的仿真验证了本算法的有效性。     

不确定T-S模糊广义系统基于观测器的无源控制

针对一类范数有界不确定性T-S模糊广义系统,研究了其在满足不确定性的基于观测器的无源控制器的设计问题.在状态不可测的情况下给出了使得闭环系统广义二次稳定且无源的基于观测器的控制器存在的充分条件和设计方法.通过求解若干线性矩阵不等式,获得系统的观测增益与控制增益.最后通过数值仿真例子,说明所提出的设计方法可行、有效.     

一种T-S型粗糙模糊控制器的设计与仿真

提出了一种新型的粗糙模糊控制器的设计方法,该方法将粗糙逻辑与模糊推理结合起来,利用粗糙集寻求输入输出空间的最小规则集,通过对粗糙规则输出控制信息的补充,建立起T-S型粗糙模糊控制系统。此方法能有效地从输入输出数据中获取控制规则,同时能够解决规则数目随系统变量呈指数增长的“规则爆炸”问题。对变杆长倒立摆控制的仿真结果表明,该方法能够以较少的规则实现高精度、非线性控制。     

基于神经网络实现的交叉口多相位模糊逻辑控制

针对城市交叉口交通流的分布特点,给出了一种自适应交叉口多相位控制算法,考虑相邻车道上的车辆排队长度,利用多层BP神经网络实现了道路交叉口多相位模糊控制.仿真结果表明,文章所设计的模糊神经网络控制器能有效地减少单交叉口平均车辆延误,具有较强的学习和泛化能力,为实现交通系统智能控制提供了一条新途径.     

一种PID型模糊神经网络控制器

为了使一种基于两维控制规则基的PID型模糊控制器具有参数在线学习功能，提出了一种包含一个自回归神经元的五层模糊神经网络，并根据梯度下降法，给出了它各权值的修正算法，该网络可以在反馈控制系统中作为一个自学习控制器来使用，最后，根据有关定理，给出并证明了该网络各层权值学习速率的收敛准则。     

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。     

基于T-S模型的迭代学习控制算法及其在机器人点位控制中的仿真研究

考虑了一类特殊的迭代学习控制问题，即用迭代学习方法解决机器人的点位控制问题。采用T-S模型描述机器人系统，在T-S模型的基础上，运用并行分配补偿方法(PDC)确定T-S模型的迭代学习控制器结构，并给出了误差收敛条件。为避免迭代过程的初始定位操作，丈中还设计了模糊循环迭代学习律。最后以在垂直面内运动的单关节的机器人为例说明了所提出方法的有效性。     

基于T-S模糊模型的非线性时滞系统的变结构控制

基于T-S模糊模型和变结构控制策略,研究了一类带有参数不确定项的非线性时滞系统的变结构控制问题。首先,利用变结构控制理论选择滑模面,根据可达条件提出了一种变结构控制方法,该方法确保系统的运动轨迹在有限时间内到达滑模面并一直保持在滑模面上。当不确定项不满足匹配条件时,根据Lyapunov稳定性理论和线性矩阵不等式(LMI)的方法得到了系统状态全局稳定的充分条件。最后给出了一个仿真加以说明该设计方法的有效性。     

基于量子遗传算法的正规模糊神经网络控制器设计

针对模糊神经网络控制器通常涉及的参数较多,反传播算法难于收敛的问题,提出了一种优化设计正规化模糊神经网络控制器的量子遗传算法。该方法用量子比特构成染色体,用量子旋转门进行染色体更新,用量子非门进行染色体变异,将量子位的概率幅看作两个并列的基因,因此每条染色体包含两条并列的基因链,在染色体数目相同时,可提高获得全局最优解的概率。对控制器参数随机编码建立初始群体,利用量子遗传算法进行参数优化。实验结果表明该方法是有效的。     

一类T-S 模糊广义系统的无源控制

研究了一类T-S模糊广义系统的无源控制问题.通过矩阵分解方法,证明了这类系统容许的充分必要条件.在此基础上,将严格无源的概念引入到T-S模糊广义系统中,得到了使闭环系统容许、严格无源的充分条件,并将此条件用线性矩阵不等式(LMIs)表示.通过解这些矩阵不等式得到状态反馈增益矩阵.这个充分条件,可以一次判定系统的容许、严格无源.最后的数值算例说明所给方法的可行、有效.