基于T-S模糊模型的Nadolschi混沌系统同步控制

为了实现一类新型混沌系统的同步控制,提出一种基于T-S模型的模糊控制方法。利用T-S模糊模型对Nadolschi混沌系统进行精确描述;采用并行分布补偿技术设计状态反馈控制器;进而将Nadolschi系统的同步控制问题转化为误差模糊系统零平衡点的镇定问题。然后,利用精确线性化的方法将误差模糊系统转换成定常系统,最后,根据线性系统理论,得出使Nadolschi混沌系统达到渐近同步的充分条件。仿真结果验证了所提方法的有效性,所设计的模糊控制器具用结构简单,规则少,控制响应速度快等优点。     

基于T-S模型的模糊神经网络

一种基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ模型的模糊神经网络由前件网络和后件网络两部分组成。前件网络用来匹配模糊规则的前件，它相当于每条规则的适用度。后件网络用来实现模糊规则的后件。总的输出为各模糊规则后件的加权和，加权系数为各条规则的适用度。所提出的模糊神经网络具有局部逼近功能，且具有神经网络和模糊逻辑两者的优点。它既可以容易地表示模糊和定性的知识，又具有较好的学习能力。给出了调整规则后件参数及前件隶属度函数参数的学习算法，举例说明了它的逼近性能。     

基于T-S模型的模糊PID控制系统设计

在对T-S模型的结构及稳定性分析研究的基础上，提出了一种基于T-S模型最简的模糊PID控制系统；该系统克服了非线性系统设计的困难，借助于线性系统理论解决非线性系统设计中的问题；还把三维模糊PID控制系统设计用两个二维的模糊控制器或是二维模糊控制器加上积分环节来替代，使模糊PID控制系统的设计得到大大的简化．仿真结果表明：这种模糊PID控制系统具有结构简单，规则数少，稳定性高的特点．     

基于T-S模糊模型的自适应重构控制

针对建模误差,外界干扰及操作故障等因素对重构控制的影响,提出了一种基于T-S模糊模型的自适应重构控制方案。整个方案基于模糊T-S模型,在与神经网络的学习能力相结合后,使模糊控制器能自动调整它的隶属度函数,为模糊控制器增加了相当的灵活性,可重构的控制律又使系统在故障情况下的输出精确跟踪期望参考模型的输出,可以有效地补偿故障引起的非线性因素的影响。仿真结果表明了所提出的方法的有效性。     

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。     

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.     

规则递归T-S模糊模型及其辨识方法

针对传统T-S模糊模型不能较好描述系统时变特性的问题,提出了一种基于递归策略的动态T-S模糊模型及其辨识方法.规则递归T-S模糊模型在传统T-S模糊模型基础上,增加了具有一定权重的反馈环节,该环节对当前激励强度与前一时刻激励强度进行加权和得到当前时刻新的规则激励强度,从而实现动态递归变化,有效描述了系统的动态过程.为使规则递归T-S模糊模型具有较少的规则数量和较好的泛化能力,前件参数采用一种基于规则激励强度的模糊聚类算法获得,而后件和递归环节参数则采用一种由支持向量机和粒子群优化算法组成的联合辨识方法获得.Box-Jenkins煤气炉的仿真结果表明,规则递归T-S模糊模型及其辨识方法具有较好的动态描述能力,与混合聚类方法相比,均方差降低了1.2％.     

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．     

Liu混沌系统基于T-S模糊模型的控制方法

论文运用并行分布补偿(PDC)技术建立了Liu混沌系统的T-S模型,并利用Lyapunov稳定性理论和线性矩阵不等式(LMIs)方法,设计了模糊控制器,仿真结果表明,所设计的控制器能有效地控制Liu混沌系统的混沌时间轨迹到其零平衡点,且控制简单可靠.     

一种新的T-S模糊模型辨识算法

针对非传统T-S模糊模型,给出了一种新的辨识方法。利用改进模糊划分聚类算法辨识前件参数,最小二乘法对模糊模型的后件参数进行辨识。应用Box-Jenkins煤气炉数据和一个非线性系统进行仿真实验,结果证明了该方法的有效性与实用性。     

T-S模糊控制在乙型病毒性肝炎传播过程中的应用

基于微分代数方程描述的乙型病毒性肝炎传播模型,构造了相应的广义T-S模糊模型。利用T-S模糊广义系统控制方法,设计状态反馈控制器,以抑制传染病的发展,使乙肝病毒传播模型在无病平衡点达到稳定状态。通过数值模拟验证了结论的合理性。     

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．     

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.     

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T-S模糊模型的半主动悬架非线性控制方法

建立1/2车四自由度半主动悬架的T-S模糊模型,将其描述成多个局部线性系统的组合.运用并行分布补偿方法设计各个子系统的状态反馈控制器,通过求解线性矩阵不等式族等方法获得控制器参数,验证T-S模糊模型的有效性和闭环系统的稳定性.仿真结果表明,采用本文控制方法设计的半主动悬架与被动悬架相比,系统振动能快速衰减,趋于稳定速度更快.     

基于T-S模糊模型的不确定非线性系统的鲁棒模糊控制

讨论了一类由T S模糊模型表示的不确定非线性系统的鲁棒控制器的设计问题 .首先用标准的DFE结构刻画系统的不确定性 ,再采用PDC(并行分布补偿 )的基本思想设计状态反馈控制器 ,然后利用T S模糊模型扩展的稳定性条件 ,给出了系统以衰减率α全局渐近稳定的充分条件 ,最后基于线性矩阵不等式 (LMI)方法 ,将鲁棒控制器的设计问题转化为线性矩阵不等式问题(LMIP) .Lorenz混沌系统的仿真表明本设计方法的有效性 .     

基于T-S模糊模型的酸碱中和过程的系统辨识

针对pH中和过程存在非线性和大滞后性的特点,建立了基于协同GK模糊聚类的T-S模糊模型。将协同模糊聚类与GK相结合进行系统辨识,提高了聚类效果,使其前件和后件参数得到优化。利用上述方法建立了pH中和过程系统模型,取得了良好的仿真效果,验证了该算法的优越性和有效性。     

基于T-S模糊模型的新型非线性系统控制器设计

针对非线性系统的镇定控制问题,设计了一种新型的基于T-S模糊模型的非-并联分布补偿(PDC)控制器.在控制器设计的过程中,采用了一种新颖的模糊李亚普诺夫函数和一种松弛变量技术.这些措施的应用可以为控制器的设计引入更多的自由度,因而可以获得比以往结果保守性更小的镇定条件.由于控制条件是以线性矩阵不等式形式给出的,因此可以...     

基于Lyapunov方法的模糊广义系统稳定性

为了解决广义T-S模糊控制系统稳定性和模糊控制器设计问题,利用模糊Lyapunov方法得出了自由系统新的稳定性充分条件,该条件具有更大的宽松性;同时基于一系列线性矩阵不等式(LMI)设计了模糊控制器,该矩阵不等式可以利用凸优化技术来进行解决;把所有子系统的系数放到一个矩阵中综合考虑,放松了控制系统的稳定条件。