前提不匹配的模糊时滞系统镇定条件的改进

本文研究了前提不匹配的Tagaki-Sugeno(T–S)模糊时滞系统的镇定问题.与一般的T–S模糊时滞系统相比,该系统中模糊模型与模糊控制器拥有不同的模糊规则数与不同的隶属度函数.基于Lyapunov稳定性理论,通过引进新型积分不等式,给出了包含隶属度函数信息的镇定条件.本文提出的新方法充分考虑了隶属度函数的信息,同时得到了Lyapunov函数导数的最小下界,因此新的镇定条件比以往结果具有更小的保守性.另一方面给出前提不匹配的控制器设计方法,由于模糊控制器的隶属度函数可以任意选取,因此提高了控制器设计的灵活性.最后仿真实例证明了本文方法的有效性及优越性.     

一种基于聚类的超闭球模糊神经网络

针对一类不确定非线性多输入多输出复杂系统,根据系统的输入输出数据对,提出一种基于聚类的超闭球模糊神经网络系统．该系统通过改进的模糊聚类方法（FCM）确定模糊规则数,采用高维隶属度函数取代常规的单维隶属度函数,并对隶属度函数中心值和隶属度函数参数采用一步通过算法,所提方法可降低系统的模糊规则数,简化网络计算．此外,当系统的输入输出发生变化时,可实现模糊规则库的在线修改．仿真实例验证了所提方法的有效性．     

模糊控制器在车辆稳定系统中的设计应用

针对车辆安全稳定系统的算法设计中加载于车身的横摆力矩值如何确定的问题,建立了以隶属度函数和运算规则为基础的模糊控制器。本文简述了模糊控制器的一般组成,并阐明此系统控制器针对的输入参考对象是车辆质心的横摆角速度偏差,再通过描述车辆安全稳定控制系统的流程和系统的模糊控制原理设计了需要的隶属度函数和模糊子集。最后,设计了输出力矩的模糊运算规则以满足系统的实际需要。     

基于混合人工鱼群的图像模糊增强算法

模糊隶属度函数的形式直接影响灰度图像增强的质量,为进一步改善图像模糊增强的效果,对目前的模糊隶属度函数进行研究,并提出一种改进的参数化s型模糊隶属度函数用于图像增强;所提算法利用图像对比度的质量评价模型,结合人工鱼群算法和Powell算法搜索s型函数中的未知参数值,进而确定该模糊隶属度函数;通过实验结果表明:该算法能够较好地改善灰度图像质量,并且控制参数可通过优化算法自适应获得,具有较好的通用性,是一种有效的图像模糊增强算法。     

一种保证隶属度函数完备性和模糊集合语义一致性的学习方法

文中首先对模糊系统的两类主要的学习算法：梯度下降和遗传算法方法进行了深入分析,并指出了存在的问题．然后,在此基础上提出了一种针对半梯形和三角形隶属度函数的保证隶属度函数ε完备性和模糊集语义一致性的参数调整方法．并基于上述方法实现了一种新的基于遗传算法并利用梯度下降的快速模糊系统学习算法．最后通过实例进行了模拟,验证了该方法的高效性,以及保证隶属度函数完备性和模糊集合语义一致性的优点     

含状态和输入时滞的模糊系统的隶属函数依赖的稳定与镇定

研究一类含有状态时滞和输入时滞的T-S模糊系统的稳定性分析和镇定问题.首先,构造一个含三重积分的Lyapunov-Krasovskii(L-K)泛函,利用一个近期提出的二重积分不等式和基于辅助函数的积分不等式处理积分项.为了得到更为放松的时滞依赖的稳定性结果,考虑隶属度函数的边界信息,选择分段隶属函数去近似隶属度函数,同时引入松弛矩阵,以线性矩阵不等式(LMIs)形式给出保守性较小的隶属函数依赖的稳定性准则;然后,基于前提不匹配技术,结合Finsler引理,首次提出含状态和输入时滞的模糊系统的状态反馈控制器的设计方法,该模糊控制器不要求与模糊系统拥有相同的隶属度函数和模糊规则数目,从而提高设计的灵活性;最后,通过给出3个仿真算例表明所提出方法的先进性和有效性.     

二型模糊系统的规则提取算法

模糊规则提取是建立二型模糊系统需要解决的关键问题.提出一种改进的基于c均值模糊聚类算法(FCM)的二型模糊规则提取方法.该方法借助于二型模糊集主隶属度函数的期望与次隶属度函数值之间的联系,能克服已有算法忽略二型模糊集次隶属度函数对模糊聚类结果的影响.仿真实例表明.该算法能成功地提取二型模糊规则,比FCMV算法具有更好的性能和收敛性.     

基于Mean-shift算法与模糊熵的图像平滑

为解决均值漂移算法的滤波核带宽的选择问题,通过分析模糊理论的模糊隶属度函数和Mean-shift算法的核函数的定义,指出可将模糊隶属度函数作为Mean-shift的核函数。由此定义新隶属度函数作为表示灰度信息的核函数,应用Mean-shift算法对一幅混有噪声的细胞图像进行平滑处理。通过实验表明该方法能到达较好的平滑效果且不需要选择核带宽hr。     

学习矢量量化的软竞争算法

尽管FALVQ算法的亏损因子为模糊隶属度函数,但由于它的尺度函数并不是模糊隶属度函数,使得算法的性能不稳定.为了克服这个问题,通过推广FALVQ中获胜亏损因子的定义,导出了广义LVQ的一类软竞争算法(SCALVQ),并且给出了它的3种具体形式.在SCALVQ中,亏损因子和对应的尺度函数是同一个模糊隶属度函数,它汲取了FALVQ和软竞争格式的优点,有效地克服了FALVQ存在的问题.     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

滑模模糊控制应用于自治水下机器人的实验研究

分析了自治水下机器人(AUV)的控制特点, 论述了滑模模糊控制(SMFC)的基本原理, 并在6 000 m自治水下机器人"CR-02"上进行了仿真和水池实验.结果表明,滑模模糊控制的性能明显优于PID控制,在强干扰时表现出良好的鲁棒性.     

基于模糊逻辑的一类非线性系统直接自适应控制

针对一类连续非线性不稳定系统,基于模糊逻辑提出了一种新的自适应跟踪控制方法,在此方法中,控制器由两部分组成：模糊逼近控制器（FAC）和模糊滑模补偿控制器（FSMCC）,其中,FAC利用模糊逻辑系统全局逼近理论控制器,FSMCC用于全局补偿逼近误差和系统的不确定性及消除外部干扰的影响,整个闭环控制系统在Lyapunov意义下全局渐进稳定踊跃误差收敛于零的某一领域内,最后通过示例验证了本方法的有效性。     

多变量模糊控制的现状与发展（Ⅰ）：关于分层,自学习,自适应等问题

回顾了多变量模糊控制近年来的发展过程，着重介绍近年来出现的一些新研究方向，并对当前该研究领域的热点课题：模糊模型的辨识、多变量模糊自校正控制、模糊解耦、模糊分层控制、模糊神经网络的研究现状以及它们的发展趋势作了进一步讨论。     

模糊滑模控制研究综述

本文介绍了90年代以来将模糊逻辑和滑模控制相结合的研究工作,着重描述了模糊控制和滑模控制的相似性、启发式模糊滑模控制、直接和间接自适应模糊滑模控制、模糊神经网络在滑模控制中的应用等方面的原理和方法,分析了它们的特点和联系,本文最后还展望了这一领域的研究方向.     

基于模糊控制技术的热轧带钢卷取温度控制

针对宝钢热轧厂层流冷却控制系统提出了一种温差模糊控制策略 ,以克服带钢头部和尾部温差精度低的缺点。通过对实际数据的分析 ,获得了完整的模糊控制规则集。模拟轧制表明该新型智能控制系统是成功的。     

基于Matlab的模糊预估控制系统的仿真

模糊预估模型在Matlab的环境下,应用模糊工具箱及Simulink对一纯滞后过程的模糊预估控制系统进行了仿真.并将其仿真结果与未用模糊预估器的仿真结果进行了比较,表明了基于模糊理论的模糊预估器对提高纯滞后系统的控制品质具有一定作用.     

用于SVC的一种模糊非线性变结构控制方法

采用直接反馈线性化方法得到有SVC单机无穷大系统线性模型状态方程。以此为被控对象,设计了一个滑膜变结构控制器,将滑膜切换面函数值及其变化率作为模糊控制器输入,以调整控制量输出。通过仿真验证,所设计的SVC模糊滑膜控制器可以有效的改善系统功率环境,受到扰动时可以迅速的平息功率的变化。     

Model-Reference Fuzzy Adaptive Control as a Framework for Nonlinear System Control

The paper presents a general methodology of adaptive control based on fuzzy model to deal with unknown plants. The problem of parameter estimation is solved using a direct approach, i.e. the controller parameters are adapted without explicitly estimating plant parameters. Thus, very simple adaptive and control laws are obtained using Lyapunov stability criterion. The generality of the approach is substantiated by Stone-Weierstrass theorem, which indicates that any continuous function can be approximated by fuzzy basis function expansion. In the sense of adaptive control, this implies the adaptive law with fuzzified adaptive control parameters. The proposed control algorithm may be viewed as an extension of classical adaptive control for linear plants, but compared to the latter it provides higher adaptation ability and consequently better performance if the plant is nonlinear. The global stability of the control system is assured and the tracking error converges to the residual set that depends on fuzzification properties. The main advantage of the approach is simplicity that suits control engineers since wide range of industrial processes can be controlled by the proposed method. In the paper, the control of heat exchanger is performed.     

基于模糊树模型的自适应模糊滑模控制方法

本文针对单输入–单输出仿射非线性系统提出了一种基于模糊树模型的具有监督控制器的模糊滑模控制方法. 该方法用模糊树模型逼近非线性系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考输入信号的跟踪控制. 模糊树辨识方法自适应划分输入空间, 大大减少模糊规则的数目, 在一定程度上可以缓解困扰模糊控制中的”规则爆炸”问题. 该方法通过监督控制器保证闭环系统所有信号有界. 通过理论分析, 证明了跟踪误差收敛到零. 用倒立摆进行仿真验证, 结果表明该方法用较少的模糊规则, 就能得到满意的控制效果, 有推广应用价值.