基于模糊Lyapunov-Krasovskii函数的T-S模糊系统的H∞控制

研究了离散时滞T-S模糊系统基于模糊Lyapunov-Krasovskii函数的H∞控制问题.通过构造离散型模糊Lyapunov-Krasovskii函数,首先给出了一个使得T-S模糊系统渐近稳定的充分条件,然后给出了相应的H∞控制器的设计方法,该设计方法保证了模糊闭环系统内部渐近稳定并满足从干扰输入到控制输出的H∞范数界约束,且具有较少的保守性.最后通过仿真实例,验证了该方法的有效性.     

基于积分型模糊Lyapunov函数的T-S模糊系统H∞控制

研究了连续T-S模糊系统H∞状态反馈控制器的设计问题.主要目的 是针对连续T-S模糊系统设计H∞状态反馈控制器,使得闭环控制系统渐近稳定并且满足给定的H∞性能指标.通过应用积分型模糊Lyapunov函数方法并结合有效的矩阵变换技术引入松弛变量,以线性矩阵不等式的形式给出了两个H∞状态反馈控制器存在的充分条件.最后通过仿真算例验证了所提出方法的有效性.     

基于T-S模糊模型离散时间非线性网络系统的输出跟踪控制

研究离散时间非线性网络控制系统的输出跟踪控制问题,其中被控对象是由T-S模糊模型表示。利用非平行分布补偿技术和时滞输入方法建立跟踪控制模型。以线性矩阵不等式的形式给出隶属度函数偏差依赖的控制器存在的充分条件,保证闭环系统的给定跟踪性能。     

一种基于定性基准变换的模糊隶属度表示法

从基准变换角度,给出了一种基于定性基准变换的模糊隶属度表示法：在性质拓扑空间中进行的基准变换Tij,令区间域R={eik,eik 1],k=0,1,…,n}为（0,1]上的一个划分,设性质Pi(x)的基准域簇为τi={Nik},映射Hλ,τi→R为基准变换的扰动系数映射,在扰动系数映射下可以构成集合套H：（0,1]→Nim,从而可以确定一个模糊集：A＝∪λ∞（0,1]λTijHλ^-1(λ）,最后的隶属度的确定的数学表达为：μ（Pa(t)=sup{λ|Pa(x)→Tij Hλ^-1(λ）,λ∈（0,1]}。     

基于改进隶属度函数的电能质量模糊综合评价

通过分析电能质量模糊综合评价中的隶属度函数问题,提出了一种改进的隶属度函数来量化刻画电能质量评价指标各质量等级的模糊特性,从而实现更为细致的电能质量的模糊综合评价,解决了电能评价指标两质量等级之间难以建立联系和量化刻画的问题.文中首先对电能质量指标的权重、确定隶属度函数参数的指标限值及质量等级划分问题进行了分析;然后以传统的岭形函数为基础进行改进,得到基于评价指标质量等级的隶属度函数,并对电能质量的各项评价指标建立了模糊模型;最后运用所设计的算法对某地区的电能质量数据进行评价,结果验证了文中方法的实用性和有效性.     

一类T-S模糊系统的非脆弱H∞控制

针对一类T-S模糊系统,研究了具有反馈增益扰动的H∞状态反馈控制器的设计问题。当设计的控制器受到外部扰动时,闭环系统仍稳定并满足H∞性能。该文利用Lyapunov稳定性理论,采用线性矩阵不等式(LM I)技术,给出了一种保守性更小的T-S模糊系统非脆弱状态反馈H∞控制器存在的充分条件,并给出了保证系统H∞性能的非脆弱状态反馈控制器的设计方法。已有结果仅仅考虑2个子系统之间的相互作用,该文所给的方法充分考虑了各个模糊子系统之间的相互作用,以降低保守性。数值算例验证了该方法的有效性及优越性。     

具有双交叠输入的T-S模糊系统的H∞控制

针对一类非线性时滞不确定的T-S模糊系统,在充分利用输入变量的双交叠模糊分划性质的基础上,提出了一个新的判定系统H∞稳定性的充分条件,并同时提出了控制器的设计方案.通过求解线性矩阵不等式(LMI)得到满足要求的控制器参数,使系统具有良好的稳态精度和动态性能.仿真的结果可以表明:利用输入变量的双交叠性质,可以较容易地在各个最大交叠规则组内找到一个公共的正定解矩阵,这样就大大减少了以往求解多个LMI的难度和局限性.     

基于T-S型模糊系统的复杂系统镇定控制器

针对局部可用非线性系统描述的复杂系统问题,基于T-S(Takageno-Sugeno)模糊模型,给出了一种设计非线性镇定控制器的方法.该方法所依赖的稳定性假定只涉及其中一个特定的模糊子系统和隶属函数的选取,而模糊规则库中的隶属函数可以依照一个明确的方向选择,所得到的非线性控制器依赖于隶属函数的选取,保证了全局模糊逻辑系统渐近稳定.通过仿真验证了该非线性控制器的有效性.     

基于遗传算法的模糊隶属函数的优化及应用

提出了一种用遗传算法进行模糊隶属函数优化的新方法。采用该方法,可获得一个基于一定性能指标的最优或次优的隶属函数参数。最后给出了该方法的一个应用实例。     

对一种基于RBF神经网络结构的模糊隶属度函数学习计算方法研究的探讨

本文探讨了一种基于RBF神经网络结构的模糊隶属度函数学习算法的研究,并给出了验证该算法有效性的检验,检验结果表明了基于这种改进的RBF神经网络结构的隶属度函数的学习算法是比较有效的,在本文的基础上,还有以下的工作需要进一步研究:在线调节隶属度函数划分的中心值和宽度,利用遗传算法、免疫算法等进化算法优化RBF网络结构等等.     

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模糊模型一类不确定非线性系统的H∞模糊鲁棒跟踪控制

研究一类不确定非线性系统模糊鲁棒跟踪控制的设计. 基于存在外界干扰的不确定非线性系统的T-S模糊模型, 考察被控系统跟踪参考信号的误差, 得出跟踪误差指数稳定的约束条件, 在跟踪控制与镇定控制一致的前提下研究了H_∞模糊鲁棒跟踪控制器的设计问题, 基于Matlab的LMI和FLC工具可实现对此问题求解. 仿真实例验证了算法的有效性.     

一类T-S模糊广义系统的非脆弱H∞控制

在状态空间下,针对一类T-S模糊广义系统,研究了其具有反馈增益变化的H∞状态反馈控制器的设计问题,即设计的控制器当自身受到外部扰动时仍能完成对系统的镇定并满足H∞性能.利用Lyapunov稳定性理论,采用线性矩阵不等式(LMI)的处理方法,提出了T-S模糊广义系统的非脆弱状态反馈H∞控制器存在的充分条件,并进一步给出了保证T-S模糊广义系统H∞性能指标的非脆弱状态反馈控制器的设计方法.数值仿真表明该方法的可行性和优越性.     

基于状态反馈的广义T-S模糊系统鲁棒H∞控制

分别讨论了子系统和全局系统的正则、无脉冲、稳定的关系,举例说明了子系统的正则、无脉冲、稳定并不能保证全局系统的正则、无脉冲、稳定·说明了对其进行研究的可行性和必要性·研究了一类广义T S模糊系统鲁棒控制问题·给出了设计该状态反馈控制器保证闭环系统稳定并满足一定性能指标的充分条件·使用LMI方法表示了此条件,算例显示了该方法的简易有效·     

一种区间二型模糊隶属度函数的构造新方法

针对现有区间二型模糊隶属度函数的构造方法中,存在受试者需为模糊专家,易出现不确定迹(FOU)填满现象(下隶属度函数近似为0),或需预先确定不确定迹的形状的问题,设计受试者不为模糊专家也可正确回答的调查问题,提出一种构造区间二型模糊集隶属度函数的新方法.该法不需预先确定FOU的形状,受试者不必为模糊专家.该法的基本思想是从一组领域专家中收集类属词的上下隶属度区间数据,对所获数据进行数据预处理,最后获得类属词的隶属度函数和FOU.实验结果表明,所提出的新方法可有效构造区间二型模糊隶属度函数,避免出现填满现象.     

基于T-S模型的不确定切换系统的鲁棒H_∞可靠控制

提出一种基于局部T-S模型不确定切换系统的可靠控制方法,将输入空间划分为若干个区域,在每一区域内构建局部T-S模型并设计相应的控制器;这样由于模糊论域的变小而提高了逼近精度,然后再通过多模型切换控制,实现对整体非线性系统的逼近与控制.在此,利用并行分布补偿技术(PDC),借助于LMI和凸优化方法,得出系统鲁棒H∞可靠控制器的解析式.     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

一种模糊聚类算法归类的研究

模糊C均值(FCM)算法是模式识别领域应用最广的聚类算法之一.但是FCM算法存在很多缺点,其中以对噪声数据敏感,鲁棒性较差最为突出.针对这种情况,Lee于1994年提出了一种所谓的改进模糊C均值算法＿Lee's算法.但是本文证明了Lee's算法并不是一种真正意义上的模糊C均值改进算法,而是Krishnapuram和Keller于1993年所提出的PCM算法的一种特殊情况.数值实验进一步证明了我们的结论.这对合理地使用模糊聚类算法提供了一定的理论依据.     

一种工程混合免疫计算的多峰值函数优化方法

为获得多峰值函数优化的多个极值,提高智能优化方法,获得多峰值函数优化解的精度,受生物免疫系统相关机理的启发,提出了基于工程混合免疫计算的多峰值函数优化方法,并给出了具体的求解算法.采用传统的蚁群优化方法以及本文方法对3个典型的多峰值复杂测试函数进行性能测试,对比每种方法的搜索代数、搜索到的峰值个数、最大适应度值以及平均适应度值.比较结果表明,本文方法具有增量学习能力且在分类准确率方面都高于传统的蚁群优化方法.