基于正交变换的模糊规则选取研究

针对实际测量数据中噪声对模糊建模规则的影响,研究了基于矩阵正交变换的模糊规则选取方法。分别利用正交最小二乘和奇异值分解,分析模糊规则对辨识结果的贡献度大小。舍去贡献度较小的模糊规则,得到模糊规则中的有效信息,减少了模糊规则数。分别用Mackey-Glass混沌数据验证了它们的有效性和实用性。     

冷带轧机液压AGC系统T-S模糊模型辩识研究

该文以冷带轧机液压AGC系统为对象,进行了T-S模糊模型辩识研究。首先,采用开环控制策略进行了辨识数据的测取,采用AIC定阶法确定了液压AGC系统的阶次。在此基础之上,采用基于满意聚类的T-S模糊模型辨识方法,通过GK算法进行模糊聚类,进行了液压AGC系统T-S模糊模型的辨识,得到了系统的T-S模糊模型。该模糊模型分为前提部分和结论部分,各条规则间构成线性组合,对液压AGC系统的非线性有着较为良好的线性描述。通过模型的白色残差校验进行了模型校验,所辨识出的冷带轧机液压AGC系统T-S模糊模型,模型精度符合要求。     

基于动态模糊神经网络的机床时变定位误差补偿

为提高数控机床的定位精度,提出基于动态模糊神经网络进行数控机床时变定位误差补偿的方法.针对数控机床定位误差影响因素复杂、模糊规则难于获取的情况,改进动态模糊神经网络,使其能够应用于多输入多输出系统,并实现模糊规则的自动在线辨识与生成.通过测量机床温度和定位精度,应用改进后的动态模糊神经网络建立机床时变定位误差预测模型....     

基于模糊C聚类的油封冷却系统鲁棒辨识研究

由于实际的复杂工业过程常常具有强非线性、不确定性、多变量以及工况变化频繁等特点,很难建立其精确的数学模型描述,使得传统控制难以达到理想的控制效果.根据目标函数选择模糊模型的结构,提出了一种非线性系统模糊建模新方法,以系统的输入和输出量试验数据为依据,确定其模糊规则,建立了系统的模糊模型.其次,将时域H_∞辨识方法应用于非线性系统的模糊建模中,使得由干扰到估计误差的最大能量增益达到最小.实例表明该方法具有一定得可行性.     

基于遗传算法的双模糊控制器设计及应用

对非线性、时变性的不确定系统,模糊控制是一种较有效的方法.但模糊控制器隶属度函数及模糊推理规则的合适选取比较困难.将遗传算法引入到双模糊控制器的设计中,对倒立摆系统的控制仿真结果表明,该方法是有效的.     

基于遗传算法的双模糊控制器设计及应用

对非线性、时变性的不确定系统,模糊控制是一种较有效的方法.但模糊控制器隶属度函数及模糊推理规则的合适选取比较困难.将遗传算法引入到双模糊控制器的设计中,对倒立摆系统的控制仿真结果表明,该方法是有效的.     

模糊离散事件系统的自适应监督控制

针对基于模糊自动机的模糊离散事件系统模型在实际工程应用中的不足,从产生式规则出发,建立了该类系统的模糊规则化模型.通过定义结构化的模糊因子并以其构成模糊规则,实现了对模糊状态转移函数的描述.提出了一种包含模糊监控器和模糊控制器的系统闭环监控结构,并针对模糊推理环节给出了具体的实现方法.通过定义一种可动态调整的模糊规则允许发生度,实现了系统的自适应监控机制.借助电动汽车电池均衡管理系统对方法进行了验证.结果表明,系统的运行过程符合预定的目标.     

基于支持向量机模糊推理的二级倒立摆控制

本文提出了一种用于非线性系统控制的支持向量机模糊推理模型.该模型利用支持向量机回归的原理,从训练数据中提取模糊规则并进行简化;采用核函数来描述模糊推理系统,该模糊推理系统具有不必事先确定模糊规则数目、良好的泛化能力等优点.使用该模型对直线二级倒立摆系统构造模糊控制器并进行了实验研究,研究结果表明这种新的模糊规则提取方法对于非线性系统的控制是有效的,由支持向量确定的模糊规则不会出现规则数目"爆炸"的问题,该方法在不便事先确定模糊规则的复杂非线性系统控制中有着重要的应用价值.     

一种T-S模糊模型的自组织辨识算法及应用

提出了一种新的具有自适应学习能力的T-S模糊模型辨识算法.该算法通过使同一条规则的高斯函数的宽度参数彼此相等建立与支持向量机等效的T-S模糊模型,在此基础上,利用模糊聚类算法和支持向量机分别建立前后件辨识模型,并利用一种改进粒子群优化算法优化输出误差函数使前后件参数联合辨识,从而获得T-S模糊模型的结构和参数.仿真结果表明,相比其它方法,文中方法具有较高的逼近精度和较好的泛化能力,由此算法获得的直拉单晶炉热场模型具有0.1171的均方差,完全符合均方差小于0.5的要求.     

增益自适应滑模控制器在微型飞行器飞行姿态控制中的应用

针对微型飞行器的姿态角摄动引起的系统不确定性及外界干扰等问题,提出了基于区间二型模糊神经网络辨识的增益自适应模糊控制器.首先,给出了微型飞行器姿态动力学模型.然后,采用区间二型模糊神经网络对滑模控制器中由于姿态角摄动引起的系统不确定性进行在线辨识,通过增益自适应滑模控制器中的校正控制项对辨识误差及负载干扰进行补偿.最后,通过设计李亚普诺夫函数,得到闭环系统一致稳定条件下的区间二型模糊神经网络参数在线调整的自适应律及滑模增益自适应律.仿真对比表明,与传统的增益自适应滑模控制器和基于一型模糊神经网络辨识的滑模控制器及相比,本文提出的控制器不仅对系统的不确定性因素及外界干扰具有较强的鲁棒性,而且稳定误差小,跟踪精度高.