不确定T-S模糊广义系统基于观测器的无源控制

针对一类范数有界不确定性T-S模糊广义系统,研究了其在满足不确定性的基于观测器的无源控制器的设计问题.在状态不可测的情况下给出了使得闭环系统广义二次稳定且无源的基于观测器的控制器存在的充分条件和设计方法.通过求解若干线性矩阵不等式,获得系统的观测增益与控制增益.最后通过数值仿真例子,说明所提出的设计方法可行、有效.     

模型参数不确定双臂柔性机械手的轨迹跟踪控制

基于奇异摄动方法,在将参数不确定双臂柔性机械手分解为慢变和快变两个子系统基础上,提出一种复合控制方法,以实现关节轨迹跟踪控制,抑制弹性振动.针对慢变子系统,提出一种模糊非奇异终端滑模控制方法,保证系统的全局稳定性,提高系统的跟踪速度和精度,同时消除滑模控制的抖振现象.针对快变子系统,提出一种基于观测器的LQR控制方法,估计系统不可测状态,压制柔性振动.仿真结果证明所提方法的有效性.     

基于@-合成算子的模糊控制器设计

用@-合成算子对模糊控制器进行设计,得到三种新的设计方案,并应用于工业锅炉锅筒水位模糊控制器的设计. 通过MATLAB编程,实现了常用的$ \odot$-合成算子所设计的锅炉锅筒水位模糊控制器和基于@-合成算子得到的三种新的控制器.对实验结果进行分析,发现用@-合成算子设计的一种方案比人们常用的$\odot $-合成算子所设计出来的方案更好,是四种方案中最好的.     

不确定云环境下基于滚动窗口的节能调度

目前,绿色云计算已经成为工业界和学术界的研究热点. 然而,以往的绿色节能调度研究忽略了虚拟机性能的不确定因素,使得调度效果与实际情况相差甚远. 本文提出一种基于滚动窗口的节能调度算法（ERRHU）,用于动态调度不确定云环境中的实时任务,同时根据系统的负载动态伸缩系统的计算资源以减少系统的能量消耗. 本文通过大量的模拟实验比较ERRHU与其他算法的性能.     

模糊线性规划的γ-鲁棒解

对于不确定系统的优化问题,模糊线性规划是一种常用的建模方法,但得到的最优解或满意解,往往对参数的变动缺少"免疫"能力,即参数受到扰动后,最初的最优解会变得不再最优甚至不可行.首先针对λ-截集水平下的模糊线性规划,给出了λ-鲁棒解的定义.利用模糊结构元理论对λ-鲁棒解的定义进行表示,得到了求解模型.由于决策者的不同,对解的可实现程度要求不同,故在模型中加入了能够反映决策者风险偏好的测度约束,该模型的解即为γ-鲁棒解,该解既有鲁棒性、优化性,又能体现决策者的风险偏好程度.通过算例可以看出,γ-鲁棒解对参数的变动具有"免疫"能力,能为决策者提供更为丰富的信息,体现出了更好的实用价值.     

基于数据加权策略的模糊C均值聚类算法

针对模糊C均值(fuzzy C means, FCM)聚类算法没有考虑噪声样本点和样本数据的分布特征对聚类结果影响的不足,利用数据加权策略对FCM聚类算法进行改进。改进后的算法通过计算各样本点的密度值,将初始聚类中心限制在高密度样本点区域,并把样本点的密度值作为该点的权值,对聚类中心进行调整,突出高密度样本点在聚类中心调整中的影响力,从而达到提高聚类效果的目的。人造数据集和加州大学欧文分校(University of California Irvine, UCI)真实数据集的实验结果表明,在不提高时间复杂度的同时,与FCM算法相比,基于数据加权策略的FCM算法聚类的准确率更高。     

灰色Verhulst预测模型的病态特性

为揭示灰色Verhulst模型的建模精度在原始序列存在微小扰动下的变化规律,采用矩阵谱条件数作为研究工具对该模型系数矩阵谱条件数的取值进行分类讨论. 研究结果表明,当且仅当系统原始数据序列第一项为大于零的常数,其他所有项数据皆为0时,建立灰色Verhulst模型才会呈现严重病态性,而采用已呈现特定规律的数据序列构建灰色Verhulst预测模型毫无实际意义. 研究结论认为,灰色Verhulst模型并不存在严重病态性.     

基于二级模糊综合评判的建筑物打击效果评估研究

本文从模糊数学的知识出发,实现了基于二级模糊综合评判理论的建筑物打击效果评估模型. 通过对打击前后建筑物的目标检测与识别以及对它们的变化检测,提取打击前后建筑物的灰度特征、几何 特征和纹理特征作为评估准则,并构建相应的知识库推理系统,最后利用二级模糊综合评判方法实现打击 效果的自动评估,建立了建筑物的打击效果评估系统. 实验结果表明,该模型能对建筑物的打击效果进 行有效的评估.     

一种K分布随机数产生方法

Abraham（2002）从海底散射的物理现象出发。提出并证明了有限个幅度服从指数分布，相位服从均匀分布的复随机变量之和的模服从K分布．本文以Abraham的上述理论为基础构造了一种K分布随机数产生方法．该方法以一组相互独立。在区间[0，1]服从均匀分布随机数为基础，经过一系列运算，即可产生服从K分布的随机数．还对该方法进行了仿真分析，结果表明该方法可以有效地产生K分布随机数，而且比较简单，易于实现。     

模糊遗传滚动优化的LS-SVM预测控制研究

提出一种基于最小二乘支持向量机(LS-SVM)的非线性系统预测控制算法。该算法通过LS-SVM对非线性系统输入输出数据序列的训练学习建立其预测模型;基于模糊遗传算法完成非线性预测控制的滚动优化过程。仿真结果表明基于该方法的非线性系统预测控制比基于RBF神经网络的预测控制具有更好的控制效果。