Robust fuzzy control of Takagi-Sugeno fuzzy neural networks with discontinuous activation functions and time delays

The problem of global robust asymptotical stability for a class of Takagi-Sugeno fuzzy neural networks(TSFNN) with discontinuous activation functions and time delays is investigated by using Lyapunov stability theory.Based on linear matrix inequalities(LMIs),we originally propose robust fuzzy control to guarantee the global robust asymptotical stability of TSFNNs.Compared with the existing literature,this paper removes the assumptions on the neuron activations such as Lipschitz conditions,bounded,monotonic increasing property or the right-limit value is bigger than the left one at the discontinuous point.Thus,the results are more general and wider.Finally,two numerical examples are given to show the effectiveness of the proposed stability results.     

抛光力实时控制策略研究

针对传统抛光过程中的力位耦合问题,构建力位解耦的抛光力气动伺服控制系统.利用数据采集卡和Matlab/simulink的实时工具箱RTW,分别采用传统PID控制、前馈PID控制和单神经元PID控制三种控制策略,研究抛光力气动伺服系统实时控制效果.采用在线最小递归二乘法对前馈PID控制策略的参数实现精确辨识.采用有监督的Hebb学习规则调整单神经元PID加权系数.抛光力实时控制实验结果表明,前馈PID控制和单神经元PID控制与传统PID控制相比,能达到更好的控制效果.前馈PID控制达到稳定力输出所需时间短,单神经元PID控制达到力稳定的过程中振荡很小.     

Response synchronization: New progress in brain-visual information processing

Studies on brain-vision have entered a new stage, after the stimulus-induced y synchronized oscillation of neuron group activities have been discovered in cat primary visual cortex. Naturally, how to understand the visual system became a very important methodological problem. From aspects such as information processing, nonlinear dynamics and neuronal network, some primary problems in vision studies have been deeply discussed, which are related with the response synchronization of neuron groups to external objects. The nerve representation (NR) is a distinct feature of the visual system that acts as the intelligent information processing system. NR is also the kernel concept of the computational theory of vision, and the wavelet transform is the basis of multiscale representation. Some important problems should be paid attention to in the study of neuronal spatio-temporal coding and brain-visual information processing. The response synchronization might be a significant approach for integration of brain-visual information processing.     

三相SVPWM逆变电源输出波形优化控制策略

为了提高三相逆变电源的电压输出波形质量,减少输出电压的谐波分量和总畸变率,提出模糊神经元PID控制策略。以DSP芯片为控制系统核心,对输出电压进行Clarke和Park矢量变换,采用人工神经网络方法与PID控制理论构成神经元PID控制器,对PID控制器参数进行在线调整,将模糊控制理论引入神经元PID控制器形成模糊神经元PID控制策略,并将基于60°坐标系的SVPWM算法用于逆变电源控制系统中,对系统稳态负载、动态负载、不对称负载情况下分别进行仿真实验。仿真结果表明:采用模糊神经元PID控制策略控制下的三相SVPWM逆变电源,在不同负载情况下的输出电压谐波分量小,总畸变率少,达到电压输出波形质量性能要求。     

匈牙利田鼠视交叉上核的研究

哺乳动物下丘脑的视交叉上核控制着多种生理节奏的发生,田鼠是一种营地下生活的独特的啮齿动物,用免疫组织化学,辣根过氧化物酶法和Ｎｉｓｓｌｅ染色法做了其ＳＣＮ形态上的一些研究。     

一类工业过程的神经元智能控制

研究了基于自适应神经元的一类工业过程控制问题，分析了闭环系统稳定性与神经元控制器参数的关系，给出了闭环系统稳定的充分条件及神经元学习参数初值的一种方法及学习的收敛性证明。理论分析表明，神经元智能过程控制系统有很强的鲁棒性和适应性，仿真结果表明了其优良的性能。     

一种单神经元PID控制器

提出了一种单神经元自适应PID控制器，给出了控制模型，探讨了单神经元自适应PID控制学习算法，通过修改神经元控制器连接加权系数w(k)和神经元比例系数K的选取，构成了自适应PID控制器，并基于MATLAB／SIMULINK对其进行仿真．结果证明单神经元PID控制器是一种具有自学习，自适应，鲁棒性强，适用的控制器。     

有惯性项的二元神经网络系统存在暂态混沌

发现了有惯性项的二元神经网络系统存在暂态混沌，并用相图及短期Lyapunov指数说明了此暂态混沌的存在。给出了理论证明和计算方法，其结果很容易扩展到高维系统。     

一种改进的自适应PID控制器

提出了一种新型的PID控制器，其基本思想是把神经元非线性映射和权值的自适应修正功能引入到PID控制器中，利用神经元收敛和权值在线修正，动态改变对偏差、偏差变化率、变化率之变化率的不同加权，从而获得较好控制性能。实验表明该算法使用可靠、精度高，而具有较强的抗干性能和鲁棒性。