基于模糊辨识的PEMFC电特性模型

提出了一种基于非线性系统模糊辨识建立质子交换膜燃料电池(PEMFC)电特性模型的新方法,并建立了包括反应气体的压力、电池的温度和电池负载多变量的质子交换膜燃料电池电特性模型。通过与相关文献中的建模方法和模型仿真的结果比较,表明该模糊辨识建模方法具有建模简单、模型精度高等优点。研究结果对质子交换膜燃料电池控制系统的建模和控制具有一定的实用价值。     

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模型的模糊自适应PSO算法

惯性权重的取值对改善微粒群优化(Particle Swarm Optimization,PSO)算法的收敛性起着关键作用.针对惯性权重的取值问题,提出一种基于T-S模型的模糊自适应PSO(T-SPSO)算法.算法根据当前种群最优适应值和惯性权重,自适应更新惯性权重取值,改善了算法收敛性.最后以典型优化问题的实例仿真验证了所提出算法有效性.     

基于T-S模糊模型的鲁棒故障诊断

针对T-S模糊模型描述的具有外部干扰的非线性不确定系统,构造了相应的测量冗余方程和模糊奇偶方程,给出并证明了对特定传感器和执行器故障敏感的最优奇偶向量的存在条件和求解定理,采用奇偶方程故障检测与诊断方法,研究了非线性不确定系统的鲁棒故障检测和诊断.最后,通过仿真示例说明了所提出的方法是有效的.     

一类基于T-S模型的非线性系统模糊完整性控制

针对一类非线性系统的执行器故障,提出了一种基于T-S模型的模糊完整性容错控制设计方法。将不同模糊规则下的系统模型转化为其中一个模糊规则下的不确定性系统,分别给出执行器故障前后模糊控制器存在的充分条件,证明了两个充分条件存在交集的情况下,根据LMI原理设计的模糊完整性控制器使得在执行器卡死或失效时,仍然能够保证非线性闭环系统的稳定性。仿真算例表明了本方法的有效性。     

基于正交最小二乘的非线性系统模糊辨识

提出了一种新的基于T-S模糊模型的建模方法．该方法是基于输入空间的模糊划分计算给定样本在各模糊子空间的隶属度，并利用正交最小二乘辨识模糊模型的结论参数．最后通过Box-Jenkins煤气炉数据和Mackey-Glass混沌时间序列的仿真结果验证了该方法的有效性与实用性．     

基于T-S模糊逻辑推理的DFS预测控制方法的研究

高载荷飞行仿真中载人离心机本身的转动惯量较大,在飞行高过载状态离心机的延时控制成为控制系统要解决的主要问题之一。针对这一问题,通过基于T-S模糊逻辑推理建立DFS系统高载荷飞行阶段的模糊规则,经对相关操纵输入量的模糊聚类辨识,在采样点附近采用广义预测控制方法得到当前控制规律,从而实现对飞行仿真的预测控制。仿真试验表明了该方法的科技较好的调节控制规律。     

基于Hsia算法的Hammerstein模型辨识

针对采用广义最小二乘法（GLS）辨识Hammerstein模型时反复滤波，计算效率不高的问题，提出了利用Hsia算法进行Hammerstein模型辩识的策略．谈法不需滤波，克服最小二来解有偏性的同时，消除了Hammerstein模型中非线性增益的阶次对计算效率降低的作用，鳊程简单，计算快速．仿真及试验研究证明谈法省时明显，值得推广。     

基于T-S模糊模型的离散不确定时滞系统的容错控制

研究了一类离散不确定时滞模糊系统的容错控制问题。针对非线性离散系统，构造T-S模型，引入参数不确定项和时滞项，使得模糊模型能够更精确逼近原系统。基于T-S模糊模型，利用Lyapunov方法，证明了所采用的模糊控制律使得闭环模糊系统对于执行器故障以及传赢器故障具有完整性和鲁樟挂。不确定项具有范数有界时，利用求解线性矩阵不等式（LMI）的方法，得出了闭环模糊系统在执行器故障以及传意器故障时具有完整性的充分条件。仿真结果说明了该方法的有效性。     

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。     

基于TS模糊模型的热工过程建模方法

热工过程对象通常具有复杂的动态特性和非线性、强耦合、不确定性等特征,从而使得常规建模方法难以取得满意的效果,因此提出一种改进型TS模糊模型在线建模方法。此建模方法基于以下思想,首先提出基于中心粒群算法的截集模糊C-均值聚类算法并对TS模糊模型进行模型结构离线辨识,确定模型的结构和前件部分参数的初始值;然后应用解耦扩展卡尔曼滤波算法进行后件参数在线辨识,同时对前件辨识结果进行精确修正。最后,对煤气炉、500MW机组及气化炉等热工过程进行仿真计算表明本方法具有精度高、计算量小等优点。     

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.     

Sliding Mode Control for Nonlinear System Based on T－S Model

1　IntroductionNonlinear control system is the mostactive research region,butthere is little systematicaleffective way to deal with them.In the eighties of the 2 0 th century,fuzzy logic controlobtained greatdevelopment in control theory and industrial control,because the design offuzzy controller is simple and suits for many nonlinear system and has strong robustness,but less strict proof for stability.Takagi[1 ] and Sugeno put forward famous T- S fuzzydynamic system model,and raised new way…     

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T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。