基于FKCM的球磨机系统T-S模糊建模方法

针对传统的描述热工过程动态数学模型的方法难以建立非线性模型的缺点,提出了一种基于模糊核聚类的球磨机系统T-S模糊建模算法.该算法首先通过灰色关系法确定模型输入变量,利用FKCM聚类算法对输入空间进行模糊划分,确定T-S模型的前件结构和前件参数;进而利用最小二乘算法确定模糊规则的后件参数.最后,利用数字仿真数据对球磨机系统进行模糊建模,建模结果表明该算法简单、实用,模型能够精确地描述过程的非线性.     

离散T-S模糊系统输出稳定性

研究了离散T-S模糊控制系统的稳定性分析及控制器设计问题。考虑到系统状态不易测量,利用输出反馈设计模糊控制器;基于模糊Lyapunov函数方法提出一新的稳定性判别条件,利用矩阵变换把该条件转化为一组线性矩阵不等式(LMIs),该条件具有更大的宽松性。最后,一个仿真实例说明了本算法的有效性和优越性。     

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T-S模糊模型的临界混沌系统复杂动力学分析

针对新近提出的临界混沌系统,在其相应的Takagi-Sugeno(T-S)模糊模型基础上,通过给每个模糊规则后件施加一类扰动并调节这些扰动,深入研究了该混沌系统的复杂动力学特性.仿真结果表明:除了具有已经发现的由镜相形成机制所决定的复合结构外,该混沌系统仍然具有尚未发现的由压缩和拉伸形成机制所决定的其他复杂动力学行为.     

基于T-S模型的Chua混沌系统同步

研究了Chua混沌系统的同步问题．采用T-S模糊动态模型描述Chua混沌系统，用Lyapunov稳定性理论设计出全局渐近稳定的模糊变结构同步控制器．仿真验证了方案的有效性，模糊控制器结构简单，规则少，有实用价值．     

混沌系统基于T-S模糊模型的控制方法

将模糊控制技术应用于混沌控制中，可以克服反馈线性化等传统方法对参数完全精确已知的限制；用T-S模糊系统来逼近非线性系统，它的IF-THEN规则后件由线性状态空间子系统构成，进而可以应用模糊系统的控制理论求得模糊控制器，用此非线性控制器来控制非线性系统，以求良好的控制效果；模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统，基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器，控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。     

一类非线性系统的模糊建模与仿真

将模糊推理建模法应用于一阶非线性系统，推导出基于该方法建模后得到的数学模型，即变系数线性微分方程。首先根据模糊逻辑系统的插值机理将被控对象的模糊推理规则库归结为某种线性插值函数，然后将这些插值函数转化为变系数线性微分方程，从而得到控制系统的数后将这些插值函数转化为变系数线性微分方程，从而得到控制系统的数学模型。仿真结果表明，用模糊推理建模法得到的模型关于真实模型具有较高的逼近精度。     

T-S模糊系统的鲁棒耗散控制

通过应用Lyapunov稳定性理论,研究了具有参数不确定性的T-S模糊系统的鲁棒稳定性和耗散性。具有参数不确定性的T-S模糊模型可以以任意精度近似连续非线性不确定系统。假设系统中的参数不确定性是范数有界的。利用Lyapunov稳定性理论给出了鲁棒耗散控制器存在的充分条件。通过解一组线性矩阵不等式(LMIs),可获得鲁棒耗散控制器。设计的鲁棒耗散控制器能够保证对于T-S模糊系统中所有的参数不确定性,闭环系统都是稳定的,且满足给定的耗散性能指标。数值例子证明了方法的有效性。     

复杂大系统建模的模糊神经网络方法

提出了一种新的复杂大系统建模方法。采用模糊神经网络对复杂大系统对象中的结构不确定性因素进行建模,并利用同步扰动随机近似算法对模型参数进行在线调整。将该方法应用于直升飞机旋翼自转着陆过程中的仿真建模中,给出了全量模型和模型调整过程。仿真结果表明,该方法是切实可行的。     

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。     

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。     

自适应T-S型模糊径向基函数网络

针对T-S型模糊推理系统的模型参数辨识问题,充分利用模糊推理系统的可理解性与神经网络的学习能力,提出一种自适应T-S型模糊径向基函数网络。为设计满足精度要求的最小结构神经网络,在对网络学习动态进行分析的基础上,给出了网络拓扑结构的动态构造学习算法。在不需要任何先验知识的情况下,能够根据任务复杂度和学习进度进行网络隐层节点的自适应增加、合并和删除操作。将该网络应用于非线性函数逼近问题,取得较好的效果。     

一种模糊神经系统的修正学习算法

本文在深入分析模糊神经系统的基本结构和学习算法的基础上,指出基于梯度下降的学习算法的不足,并提出一种模糊神经系统的修正学习算法。分析表明,该算法具有能够确保模糊语义和模糊空间一致划分的优点。     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

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。