利用模糊逻辑系统实现函数逼近的仿真研究

针对不确定性非线性系统，基于Wang L X提出的模糊辨识器的设计原理,给出了基于模糊逻辑系统实现函数逼近的方法，该方法通过采用中心平均模糊消除器和隶属函数，实时地调整参数来实现未知函数、尤其是非线性函数的逼近。通过适宜选择初始参数可使模糊逻辑系统在任意精度上逼近真实系统。该文给出了实现函数逼近的具体算法、步骤和程序流程，并利用MATLAB语言编写了实现函数逼近的通用程序，在工程中可利用此通用程序实现对未知作用函数的近似估算，具有一定的工程实际使用价值。实例仿真取得了良好的效果。     

线性多步法模糊逻辑系统

根据求解常微分方程的线性多步逼近方法构造了线性多步法模糊逻辑系统以辨识由常微分方程所描述的未知动态系统,这种新的模糊逻辑系统在预测状态的同时也能够逼近系统微分方程中的未知函数,文中从理论上对精度作了分析,并用仿真验证了所得的结果。     

一类多变量非线性动态系统的模糊辨识及鲁棒分析

对一类非线性多变量未知动态系统，提出一种模糊辨识器，设计中采用ＩＦ－ＴＨＥＮ推理规则来构造多变量模糊逻辑系统，实现对系统中未知函数的逼近；应用李亚普诺夫合成方法和奇异摄动理论，研究模糊辨识器的稳定性和鲁棒性。     

一类数据结构的模糊规则构造方法

提出用模糊逻辑规则精确表示一类有限元的方法，基于这种方法构造的模糊规则是唯一的，模糊规则之间不存在相互矛盾的情况。理论分析表明，一类有限元插值是模糊逻辑系统逼近器和多项式逼近器的交集。单机无穷大系统励磁控制的仿真结果表明了这种模糊逻辑构造方法的有效性和实用性。     

基于自适应模糊逻辑系统的一类混沌系统同步控制

针对一类带有未知函数和干扰的混沌系统,进行了基于自适应模糊逻辑系统的自适应同步控制器的设计。首先基于模糊逼近原理,通过对该混沌系统中未知函数的输入输出进行采样,根据采样数据信息设计出具有参数自适应功能的Mamdani型模糊逻辑系统;然后利用该模糊逻辑系统给出一种带有参数自适应的驱动响应同步控制器设计方法;最后通过数值仿真算例表明了该方法的有效性。     

一类不确定非线性离散系统的模糊自适应控制器设计

针对一类不确定非线性离散系统,提出一种带有自动可调伸缩因子的模糊自适应控制方法.该控制器设计方法的优点是模糊逻辑系统的逼近精度不再依赖于模糊逻辑系统的结构和规则数目,参数自适应律调节与被逼近函数的特征和逼近精度有关,因此能有效减少在线估计的参数数目,且设计方法能够保证闭环系统的所有状态半全局一致终极有界.最后,通过数值仿真算例表明所提出方法的有效性.     

一类严格反馈系统变比例增益精确微分补偿控制

针对包含不确定函数和未知外部扰动的一类严格反馈型非线性系统,提出基于精确扰动观测器的变比例增益自适应模糊控制器.系统中的未知不确定函数由模糊逻辑系统在线逼近,同时将模糊逻辑系统的逼近误差和未知外部扰动定义为总扰动,利用精确扰动观测器进行精确微分补偿控制. 将非线性函数应用于设计可调节的输出反馈增益,有效消除系统的稳态误差,使得系统跟踪误差可以控制在零的任意小邻域内.最后,通过Lyapunov定理证明闭环系统中所有信号均是有界的.数值仿真表明了所提出方案的有效性.     

基于补偿神经网络的航空电子故障智能诊断系统及应用

针对航空电子系统中故障诊断的问题，提出一种将神经网络中的BP算法与模糊逻辑系统相结合、自动产生并自动修正模糊规则的自适应的模糊逻辑推理机。通过函数逼近仿真分析和航空电子系统故障诊断的实际应用，证明此方法简单有效，故障诊断的精度高，取得了较好的效果，具有一定的应用前景。     

SISO Mamdani模糊系统作为函数逼近器的必要条件

模糊系统已被证明是通用逼近器,但实现高精度通常需要大量规则．模糊系统满足给定精度的必要条件能指导最优系统的构造,如输入输出模糊集、模糊规则的选取．研究了单输入单输出（SISO）Mamdani模糊系统在给定逼近精度下作为函数逼近器的必要条件．由于通用型SISO Mamdani模糊系统在划分子区间单调,所以模糊系统的最优配置是输入域的划分数至少为系统输出的单调性变化次数．当模糊系统满足给定逼近精度时,通过分析目标函数的局部特性,基于目标函数的极点,建立了SISO Mamdani模糊系统的必要条件．更重要的是证明了现有的必要条件仅仅是该文结论的一种特例．最后,使用数值实例来验证该文的结论,分析模糊系统作为函数逼近器的优劣．     

正则模糊神经网络是模糊值函数的泛逼近器

通过分析多元模糊值Bernstein多项式的近似特性，证明了4层前向正则模糊神经网络（FNN）的逼近性能，该类网络构成了模糊值函数的一类泛逼近器，即在欧氏空间的任何紧集上，任意连续模糊值函数能被这类FNN逼近到任意精度，最后通过实例给出了实现这种近似的具体步骤。     

含有参数化和非参数化不确定性系统重复学习控制

针对含有参数化和非参数化的高阶非线性系统,设计了一种重复学习控制方案.假设未知时变参数和参考信号的共同周期是已知的,通过参数重组技巧,将所有未知时变项合并为一个周期时变向量.将改进Backstepping方法与分段积分机制相结合,构造了微分-差分参数自适应律和重复学习控制律,使跟踪误差在误差平方范数意义下渐近收敛于零.利用Lyapunov泛函,给出了闭环系统收敛的充分条件.仿真结果验证了该方法的有效性.     

一类MIMO非线性大系统基于H∞ 跟踪的分散自适应输出反馈模糊控制

针对一类状态不可测的MIMO不确定非线性大系统,提出一种基于H∞跟踪的分散自适应输出反馈模糊控制器.主要工作有:1)通过对观测误差向量进行滤波来确保严格正实条件成立,使得提出的反馈与自适应机制可以执行;2)利用模糊系统提出一种适用于一般非线性大系统基于H∞跟踪的分散自适应模糊控制方案;3)在统一的框架下处理了控制器奇异性.闭环大系统被证明足稳定的,且输出误差具有H∞跟踪性能.仿真结果验证了控制器设计的有效性.     

永磁同步电机伺服系统模糊分数阶滑模控制

针对传统整数阶滑模控制系统中的抖震问题,结合分数阶理论、模糊逻辑推理和滑模控制技术的优点,提出了模糊分数阶滑模控制策略.将传统滑模控制器中的整数阶切换面推广到分数阶并设计了全控制域滑模面,保证系统在整个控制域都具有较强的鲁棒性.采用模糊逻辑推理算法,实现了开关切换增益的自整定.仿真和实验验证了模糊分数阶滑模控制系统不但能有效地削减抖震,而且能保持滑模控制器对系统外部扰动的全局鲁棒性.     

一类带有变时滞的广义切换系统的滑模控制

研究一类具有非匹配不确定性和变时滞的广义切换系统的滑模控制问题.首先,基于Lyapunov稳定性理论和线性矩阵不等式(LMI)技术,针对每个子系统设计对应的积分型滑模面,给出了每个滑动模态方程鲁棒渐近稳定的充分条件;然后,设计了滑模控制器及切换规则,使得闭环系统的状态能够到达滑模面上,产生滑动模态;最后以仿真实例说明了所提出方法的有效性.     

不确定广义系统多约束指标的相容性

针对一类线性不确定广义系统,研究了容许性、H∞指标和状态方差相容条件下的输出反馈控制器的设计问题.首先建立了一个使闭环广义系统满足容许性和给定H∞指标的充要条件;然后利用quasi-Newton方法,将非线性矩阵不等式的可行解问题转化为求解最大特征值的最小问题,在广义系统容许的条件下,对具有指定H∞指标及相容状态方差约束的控制问题给出了满意控制设计方法,同时给出了方差约束指标的取值范围;最后,仿真结果表明了所提出方法的有效性,且更能保证系统的动态性能.     

具有状态时滞的切换随机系统的指数稳定条件

考虑由具有状态时滞的线性It(o)随机子系统构成的切换系统,基于多Lyapunov泛函方法研究切换与时滞对于稳定性的共同影响,并以此建立均方指数稳定条件.在均方意义下噪声对于稳定性的影响基本是负面的,因此构造一类形式较为一般的Lyapunov泛函并运用噪声的统计特性于其解析过程中,以减少噪声所引起的保守性.最后,通过一个仿真算例描述切换与时滞的相互制约关系表明了所提出方法的有效性.     

一类非线性系统准滑模控制的稳态误差分析

针对一类具有未知控制增益的不确定非线性系统准滑模跟踪控制,通过分析跟踪误差和滑模变量之间的关系,利用有界输入有界输出稳定的思想,分别推导了采用Slotine形式的传统滑模面和传统积分滑模面时系统的稳态跟踪误差的界.将其与现有的几种方法进行比较,该方法求得的稳态跟踪误差界更精确.根据给定的稳态跟踪误差要求,可设计出适合抑制抖振的饱和函数.通过仿真算例验证了所提出方法的有效性.     

非均匀周期采样系统的递阶最小二乘辨识方法

针对非均匀周期采样系统,通过状态空间模型离散化方法得到其输入输出表达形式.鉴于参数化后得到的辨识模型同时包含1个参数向量和1个参数矩阵,利用递阶辨识原理,将辨识模型分解为分别含有参数向量和参数矩阵的2个虚拟子系统;考虑到系统的因果约束问题,将包含参数矩阵的子系统分解为子子系统进行辨识,从而提出这类非均匀采样系统的递阶最小二乘辨识方法.仿真例子表明该算法是有效的.     

状态量化的非线性网络化系统的H-infinity控制

鉴于网络数字通信的特点,研究非线性网络化系统的状态量化反馈H<,∞>控制问题.首先.同时考虑到网络的诱导时延、数据丢包和信号量化,建立闭环系统的采样模型:然后,结合区问时滞分割法,将其转化为状态中附加两个时滞变量的分段连续模糊系统;再利用时滞系统方法和对数壁化器的扇形界格式,对闭环模糊系统进行了H<,∞>性能分析和H<...     

基于变异记忆矩阵的克隆选择算法

利用免疫系统的免疫记忆机制,提出一种适于函数优化的基于变异记忆矩阵的克隆选择算法.首先,利用变异记忆矩阵保存进化中有用的变异信息,以引导抗体的克隆和变异操作,加强局部搜索能力;然后,利用当代种群的综合信息生成新抗体进入种群,以加强全局搜索能力;最后,对最优抗体进行自学习,以提高算法结果的精度.标准函数仿真表明,该算法适合求解复杂函数优化问题,具有收敛速度快、全局收敛能力强、精度高、鲁棒性强的优点.