基于一种新模糊模型的非线性系统模糊辨识

提出一种基于新的模糊模型和加权递推最小二乘算法 (WRLSA)的非线性系统模糊辨识方法.新型的具有插值能力的模糊系统可以通过学习从输入输出采样数据中提取MISO系统模糊规则,它继承了Sugeno模型及其变化形式的许多优点.采用相应的模糊隶属函数,使得被辨识的模型可用若干局部线性模型来表示,然后利用WRLSA拟合这些线性模型.给出了详细的模糊辨识算法,为了验证该辨识方法的有效性,还给出了对熟知的Box-Jenkins数据的辨识结果.     

基于简化 Takagi- Sugeno 模糊模型的系统镇定策略

针对Takagi—Sugeno型模糊控制器设计方法计算复杂且难以求解的问意，在分析原因的基础上，利用模糊规划将系统的输入输出空间划分为一个完备的模糊模式集，通过寻找与实时输入对应的模糊模式，对整个系统进行了筒化。将该模型筒化算法应用于一类非线性系统镇定问题的求解，利用Lyapunov穗定性分析理论和线性矩阵不等武等工具推导了闭环系统的可镇定条件，进而设计了相应的简化Takagi—Sugeno型模糊状态反馈控制器。仿真结果表明了这种模型简化方法的有效性。     

非线性离散系统的自适应PID控制器

针对非线性离散系统设计了利用TSK(Takagi Sugeno Kang)模糊模型的自适应PID控制器。利用模糊模型预测控制信号误差,通过控制信号误差自适应PID控制器参数。比较系统输出和模糊模型输出自适应模糊模型的参数。该方法可以弥补系统参数的模糊性、数学模型的模型误差和系统参数的变化。非线性离散系统的仿真实验验证了所设计的自适应PID控制器对非线性离散系统控制的有效性。     

一类非线性互联系统的模型参考跟踪模糊H∞控制

对一类不确定非线性互联系统,给出了一种模型参考跟踪分散模糊H∞控制方法.采用模糊不确定T-S模型对非线性不确定互联系统进行模糊建模,应用并行分布补偿算法（PDC）给出了模型参考跟踪分散模糊H∞控制的设计及算法.应用李亚普诺夫方法证明了模糊闭环分散系统的稳定性分析.仿真结果进一步验证了该方法的有效性.     

基于模糊辨识方法的机械臂振动控制研究

为了抑制机器人等复杂结构的振动,提高复杂结构的振动控制精度,提出一种用于辨识机械臂连接结构的非线性模型在线辨识的模糊算法,并以此为基础研究了机械臂振动控制方法.该算法将非线性输入输出系统用时变线性系统模型来拟和,并把此模型表示成模糊模型的形式,用在线调节模糊模型的方法来辨识时变线性模型的相关参数.将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数,将此算法应用在两自由度柔性杆件的扭转振动的控制上,并设计相应的硬件控制系统,实验结果表明了此算法的有效性.将该算法应用于工程实践中,实际使用效果表明,此算法具有重要的工程应用价值.     

基于Sugeno 模糊模型的帆船控制方法研究

针对非线性、时变的帆船航行系统，提出一种基于Sugeno模糊模型的帆船控制新方法．采集舵手的航行经验建立知识库，将专家知识融合到控制系统中，提高了控制系统的智能度；采用Sugeno模糊模型，将舵角的非线性控制局部线性化，并设计相应的局部线性控制器，通过模糊推理综合各局部线性控制器的输出，得到全局控制量．仿真结果表明，该方法能实现对帆船航向的智能控制，具有一定的实用价值．     

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.     

MIMO系统的多模型预测控制

针对非线性多变量系统提出一种多模型预测控制(MMPC)策略.首先给出一种多模型 辨识方法,利用模糊满意聚类算法将复杂非线性系统划分为若干子系统,并获得多个线性模型, 通过模型变换得出全局系统模型,接着对全局MIMO系统设计MMPC,并进行了系统的性能分 析,最后以pH中和过程为例,通过仿真研究验证了辨识和控制算法的有效性.     

应用改进粒子群算法辨识Hammerstein模型

研究非线性系统辨识问题.针对非线性系统中单输入单输出Hammerstein模型,由于传统辨识方法对Hammerstein模型中非线性部分具有不易辨识的缺陷,造成辨识精度低、辨识效果差等问题.为此,在基本粒子群算法的基础上,提出了一种带有收缩因子的改进的粒子群算法对非线性系统进行辨识的方法,可将参数辨识问题转换为参数空间上的函数优化问题,然后利用粒子群算法的并行搜索能力进行参数寻优.通过MATLAB软件进行仿真,并与基本粒子群算法进行比较,结果表明,利用改进算法不仅提高了辨识精度而且获得了良好的辨识效果,从而验证了算法的有效性和可行性.     

一种非线性模型的在线辨识方法

提出一种用于非线性模型在线辨识的模糊算法。该算法将非线性输入输出系统用时变线性系统模型来拟和。并把此非线性系统模型表示成模糊模型的形式，用在线调节模糊模型的方法来辨识时变线性模型的相关参数。在以往的模糊辨识方法中，均未给出在线调整非线性系统的模糊辨识算法。将递推模糊聚类方法与卡尔曼滤波法用于在线调整模糊模型参数，仿真算例表明了此算法的有效性与良好的实用价值。     

A new approach to fuzzy modeling

This paper proposes a new approach to fuzzy modeling. The suggested fuzzy model can express a given unknown system with a few fuzzy rules as well as Takagi and Sugeno's model (1985), because it has the same structure as that of Takagi and Sugeno's model. It is also as easy to implement as Sugeno and Yasukawa's model (1993) because its identification mimics the simple identification procedure of Sugeno and Yasukawa's model. The suggested algorithm is composed of two steps: coarse tuning and fine tuning. In coarse tuning, fuzzy C-regression model (FCRM) clustering is used, which is a modified version of fuzzy C-means (FCM). In fine tuning, gradient descent algorithm is used to precisely adjust parameters of the fuzzy model instead of nonlinear optimization methods used in other models. Finally, some examples are given to demonstrate the validity of this algorithm     

Fuzzy regulators and fuzzy observers: relaxed stability conditionsand LMI-based designs

This paper presents new relaxed stability conditions and LMI- (linear matrix inequality) based designs for both continuous and discrete fuzzy control systems. They are applied to design problems of fuzzy regulators and fuzzy observers. First, Takagi and Sugeno's fuzzy models and some stability results are recalled. To design fuzzy regulators and fuzzy observers, nonlinear systems are represented by Takagi-Sugeno's (TS) fuzzy models. The concept of parallel distributed compensation is employed to design fuzzy regulators and fuzzy observers from the TS fuzzy models. New stability conditions are obtained by relaxing the stability conditions derived in previous papers, LMI-based design procedures for fuzzy regulators and fuzzy observers are constructed using the parallel distributed compensation and the relaxed stability conditions. Other LMI's with respect to decay rate and constraints on control input and output are also derived and utilized in the design procedures. Design examples for nonlinear systems demonstrate the utility of the relaxed stability conditions and the LMI-based design procedures     

Identification of nonlinear systems by Takagi–Sugeno fuzzy logic grey box modeling for real-time control

Identification of nonlinear systems by fuzzy models has been successfully applied in many applications. Fuzzy models are capable of approximating any real continuous function to a chosen accuracy. An algorithm for real-time identification of nonlinear systems using Takagi–Sugeno's fuzzy models is presented in this paper. A Takagi–Sugeno fuzzy system is trained incrementally each time step and is used to predict one-step ahead system output. Ability of the proposed identifier to capture the nonlinear behavior of a synchronous machine is illustrated. Effectiveness of the proposed identification technique is demonstrated by simulation and experimental studies on a power system.     

An Indirect Adaptive Fuzzy Control Scheme for a Class of Nonlinear Systems

This paper presents an indirect adaptive control scheme, for a class of nonlinear systems in controller canonical form. Owing to the universal approximation property of a Takagi–Sugeno (T–S) fuzzy model, controller design is simplified by utilizing the T–S fuzzy model representation of a nonlinear system. An adaptation mechanism ensures that the estimator model asymptotically follow the actual T–S fuzzy model and thus removes the need of any a priori identification of the T–S fuzzy model of the system. The overall controller gain is a convex combination of the local linear gains which vary adaptively to ensure the convergence of the tracking error. Preliminary simulation results indicate the potential of the proposed method.     

并联Boost变换器T-S建模与控制

在并联Boost变换器建模过程中,含有状态量的输入矩阵使得模型具有非线性特点,本文针对并联Boost变换器的这一特点,建立Boost变换器等价T-S模型,并根据建立的模型,利用Lyapunov函数方法和线性不等式方法,采用并行分配补偿(PDC)策略设计非线性T-S模糊控制器。仿真结果表明:本文所建立的并联Boost变换器的模型是准确的,设计的T-S模糊控制器是可靠的,系统工作稳定并且具有较强的抗扰动性能。     

一类未知非线性离散系统的直接自适应模糊预测控制

将自适应模糊逻辑系统引入预测控制,对一类未知非线性离散系统提出了直接自适应 模糊预测控制方法.首先对被控对象提出了线性时变子模型加非线性子模型的预测模型,然后直 接利用模糊逻辑系统设计预测控制器,并基于广义误差估计值对控制器参数和广义误差估计值中 的未知向量进行自适应调整.文中证明了此方法可使广义误差估计值收敛到原点的小邻域内.     

基于U模型的模糊免疫自抗扰控制方法研究

针对一类非线性系统在持续扰动下的控制问题,设计基于U模型的模糊免疫自抗扰控制方法。首先,引入U模型方法进行被控对象建模,提高处理非线性系统的能力,结合自抗扰控制方法,设计基于U模型的改进自抗扰控制器。在非线性反馈环节引入模糊免疫方法实现非线性智能反馈,设计基于U模型的模糊免疫自抗扰控制系统。最后仿真实验表明：基于U模型的模糊免疫自抗扰控制方法在保持了基于U模型的自抗扰控制的简洁性和良好抗扰性能的基础上,简化了控制器参数调节过程,在持续未知扰动下的跟踪速度、精度都更优。