Sugeno模糊模型的辨识与控制

提出了一种新的Sugeno模糊模型辨识算法和对非线性系统进行并行化设计的方 法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进 行,减少了计算量;对于非线性系统的控制,Sugeno模糊模型实际上是动态系统的局部线性 化,可采用并行设计的方法设计控制器,然后通过模糊推理得到全局控制量.最后通过倒立摆 系统的控制说明了本文算法的有效性.     

一种模糊滑模变结构控制方案及其在混沌系统控制中的应用

采用模糊动态模型逼近非线性系统，将非线性 系统模糊化为局部线性模型．用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳 定的变结构控制器．应用到两类混沌系统的稳定控制中，验证了方案的有效性．模糊控制器 简单，规则少．     

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。     

直升机的TSK模糊控制

针对直升机动力学为非线性的特点,且存在不确定因数和状态变化,利用线性控制很难得到好的控制结果,提出利用TSK(Takagi-Sugeno-Kang)模糊系统控制小模型直升机.所设计的TSK模糊控制器是一个基于TSK模糊模型的非线性控制器,能保证闭环控制系统的稳定性.直升机数学模型中线性部分设计状态反馈控制器非线性部分先求TSK模糊模型,然后设计TSK模糊控制器.仿真和实验结果表明,所设计的TSK模糊控制器比线性控制器对直升机控制具有良好的动态响应和稳定性,是一种非常有效的控制方法.     

一种基于T-S模糊模型的混沌控制方法

用T-S模糊系统来逼近非线性系统,它的IF-THEN规则后件由线性状态空间子系统构成,进而可以应用模糊系统的控制理论求得模糊控制器,用此非线性控制器来控制非线性系统,以求良好的控制效果;将模糊控制技术应用于混沌控制中,可以克服反馈线性化等传统方法对参数完全精确已知的限制;模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统,基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器,控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。     

一类非线性系统的模糊变结构控制

研究了一类非线性系统的模糊变结构控制问题，并给出了稳定性证明。通过将非线性系统化为多个精确T—S模型来建立非线性系统精确的T—S模糊模型，将模糊理论与成熟的线性变结构控制理论相结合设计一种模糊变结构控制器，用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定，从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于T—S模糊模型的多变量预测控制

提出一种基于T-S模糊模型的多输入多输出预测控制策略.T-S模糊模型用于描述对象的非线性动态特性,模糊规则将非线性系统划分为多个局部子线性模型.为提高预测控制性能,采用多步线性化模型构成多步预报器,从而将预测控制中的非线性优化问题转化为一个线性二次寻优问题.串接贮槽液位控制系统的仿真结果表明,多步线性化模型预测控制性能优于单步线性化模型预测控制性能.     

三维模糊控制器的结构研究1)

基于Zadeh的模糊逻辑推理和语言控制策略，进行了三维模糊控制器的结构研究. 证明了具有线性控制规则的三维模糊控制器可等同于一个全局多层次线性关系式和一个局部非线性PID型控制器，由此剖析了模糊控制器的推理机制和其非线性本质.     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况, 模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的. 针对这一问题, 根据模糊积分的思想, 本文通过分析隶属函数的变化曲线来确定模糊密度, 以此为依据为输入特征划分合适的模糊变量, 并以Iris数据集为例验证了该方法的有效性.     

一种基于模糊感知器的模糊神经分类器

隶属函数应能客观反映模式的不确定性分布情况,模糊神经分类器中为每个输入特征划分相同数量的模糊变量显然是不合理的.针对这一问题,根据模糊积分的思想,本文通过分析隶属函数的变化曲线来确定模糊密度,以此为依据为输入特征划分合适的模糊变量,并以Iris数据集为例验证了该方法的有效性.     

一种基于模糊熵的模糊分类算法

在模糊ID3算法中,用模糊分类熵选择扩展属性,以自顶向下的方式递归地构建模糊决策树,对数据进行分类。提出了一种基于属性模糊熵的模糊分类算法,不同于模糊ID3算法,模糊条件属性的模糊熵作为权值用来对相对模糊频率进行加权,综合考虑各个模糊条件属性对分类的贡献。实例分析和实验结果表明了这一算法的有效性。     

模糊预测控制发展的概况

模糊预测控制(FPC)是近年来发展起来的新型控制算法,是模糊控制和预测控制相结合的产物。在预测控制的模型预测、反馈校正、滚动优化的机理下,对模糊预测控制近20年来的发展概况和实现形式作了归纳,指出模糊模型引入预测控制,体现了预测控制向智能控制方向拓展的趋势,更符合人们的控制思想,可进一步提高控制的效果,并就其有待解决的问题发表了一些看法。     

基于模糊推理的权重优化

利用模糊推理技术建立了一种基于模糊推理的权重优化模型.该模型利用人们处理复杂问题的逻辑思维方式,通过评价空间和单位评价空间的映射,建立模糊关系方程并将其转化为优化问题得到权重.实验结果表明,利用该模型得到的权重能反映各因素的重要性,用其对待评对象进行模糊综合,结果也是合理的.     

基于改进的模糊神经学习算法的模糊规则优化

对“改进的模糊神经学习算法”(DevelopedNeuro-FuzzyLearningAlgorithm)简单介绍,并针对这一新算法的缺点,提出了新的聚类方法得到最佳的规则数,利用模糊权值优化规则来改进这个算法,降低算法的时间复杂度,简化神经网络。     

基于模糊似然函数的模糊辨识方法

提出一种基于模糊似然函数的模糊辨识方法。该方法利用模糊似然函数对样本数据进行聚类，并使模糊模型的结构辨识和参数辨识能同时完成，从而实现模糊模型的在线辨识。仿真结果证明了该方法的有效性。     

基于直觉模糊蕴涵式运算直觉模糊近似推理方法*

在基于扩展二值逻辑的直觉模糊蕴涵式运算方法的基础上,提出了一种新的直觉模糊近似推理方法,该方法系统而全面地概括了直觉模糊集的蕴涵关系和直觉模糊近似推理方法。通过实例验证了所提出的直觉模糊近似推理方法的有效性和正确性。     

基于模糊形态学的应变片去噪

抑制应变片图像采集和传输过程中的噪声,是实现应变片识别和精确安装的关键技术,针对形态学去噪时会导致图像细节模糊的特性,本文引入模糊形态学,根据隶属度来对图像进行划分,将分类的图像像素值分别进行对应的模糊形态学操作,然后在此基础上再对整幅图像进行模糊形态学的开闭平滑来实现对图像的去噪滤波。仿真实验证明该方法可以有效的去除噪声,而且不会对图像的边缘细节造成模糊。     

DF积分的解法研究

We introduce the basic conceptions of DF integral in this paper. And based on the conception,we research on basic theories of DF integral further. Our research provides the foundation of the basic theory frame of DF integral. It helps other scholars to research DF system. In addition ,it enriches and develops the basic content of the DF Set. Therefore,the research achievement of the paper plays a stimulative role in DF system theory research.