基于微粒群优化算法的T-S模糊建模

在传统T-S模糊模型的基础上,提出一种高次多项式T-S模糊辨识模型.将传统T-S模型规则后件中的线性模型用简单多项式模型代替,并进一步利用微粒群优化算法辨识规则后件参数.数值仿真表明:用该方案辨识得到的T-S模糊模型同传统的具有线性后件的T-S模型相比,能够显著减少模型规则条数而保持辨识精度不变,同时辨识时间也相应地缩短;且随着输入变量个数的增加,这一优势将更加明显.     

基于ISODATA算法的自组织单输入单输出T-S模糊系统

T-S模糊模型已得到了广泛的研究与应用.但在该模型的建模过程中,在结构辨识、参数优化等方面仍存在一些不足,为此提出了一种基于ISODATA算法的自组织T-S模糊系统.该方法基于输入输出数据,分两步对模糊系统进行建模.第一步,使用基于线性原型的ISODATA算法,对输入输出数据进行聚类,确定系统结构.第二步,建立初始T-S模糊系统,然后使用粒子群算法优化系统参数.与传统方法相比,具有自动优化系统结构的优点.仿真结果验证了该方法的有效性.     

面向循环流化床烟气脱硫系统的T-S模糊建模

循环流化床烟气脱硫(CFB-FGD)技术是目前应用比较广泛的脱硫方式,由于CFB-FGD系统是个复杂的非线性系统,很难建立其数学模型,而模糊建模被证明在非线性系统的建模中具有很大优势,因此本工作提出了CFB-FGD系统的T-S模糊建模。本工作通过分析CFB-FGD系统的基本原理和工艺流程,以及实际操作过程中的控制参数,对此系统中烟气出口温度控制回路进行研究,并对其控制回路建立了T-S模糊模型。建立系统的T-S模糊模型之后用鲁棒竞争算法进行辨识,为了简化模糊规则在所有简化方法中采用正交最小二乘法,这样获得的T-S模型具有较高的建模精度和泛化能力。最后通过仿真验证了所建立的CFB-FGD系统中的主要控制回路模型具有很好的动态响应,能够很好地逼近实际系统。     

基于T-S模糊系统的鲁棒容错控制器的设计

研究了部分执行器可能失效的T-S模糊系统鲁棒容错控制问题。对于所给系统,给出了鲁棒容错控制器存在的一个新的稳定条件。在此条件下所设计的控制器,可使闭环系统渐近稳定。通过矩阵分解把系统的非严格矩阵不等式约束转化为严格矩阵不等式,可以直接使用LMI工具箱求解器,仿真例子说明了所给方法的可行性和有效性。     

基于不同模糊权的时滞T-S模糊系统的能稳控制器设计

研究了基于不同模糊权的时滞T-S模糊系统的能稳控制器设计问题。主要利用李亚普诺夫稳定性理论和线性矩阵不等式方法,结合自由权矩阵技术给出了此类时滞T-S模糊系统相关意义下的稳定和镇定的充分条件,并给出了一个例子说明所提方法的有效性。     

基于误差均值与方差最小化的鲁棒T-S模糊建模方法

传统T-S模糊建模方法在非线性系统建模方面已有大量的成功应用,但其现有的参数辨识方法没有考虑模型的结构风险项,因此模型的泛化性不强. 同时,尽管传统T-S模糊建模方法能够在高斯噪声下取得较好的辨识效果,但没有综合考虑误差的均值与方差项,导致在非高斯噪声或者异常值下辨识效果较差. 针对传统T-S模糊建模方法的这些不足,提出基于误差均值与方差最小化的鲁棒T-S模糊建模方法. 该方法通过构建全新的参数辨识目标函数,将结构风险项及误差的均值和方差最小化,从而提高T-S建模的泛化性和鲁棒性. 仿真与试验结果表明,在噪声干扰下,鲁棒T-S模糊建模方法能够对非线性系统进行有效建模,且建模效果优于传统T-S模糊建模方法.     

基于改进T-S模型的热工过程模糊辨识算法

提出了一种实用的基于T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间进行划分,在此基础上利用递推最小二乘辨识算法建立一个热工过程的T-S模型。文中给出了熟知的Box-Jenkins数据的辨识结果,并将该方法应用于辨识单元机组的协调控制系统。     

基于模糊神经网络的系统模糊建模方法

提出了一种基于模糊聚类和模糊神经网络的模糊建模方法,该方法首先利用模糊聚类技术来确定系统的模糊空间和模糊规则数,然后利用模糊神经来调整模型的前件参数和后件参数,给出了详细的算法,并对仿真实例进行了研究,仿真实例表明,采用聚类技术能够获得好的初始值,使得计算加快,能够取得满意的结果。     

时变时滞T-S模糊系统稳定性分析

研究了时变时滞T-S模糊系统的稳定性问题。基于Lyapunov-Krasovskii(L-K)稳定性理论,通过构造一个全新增广L-K泛函,采用形式变化的二阶贝塞尔-勒让德不等式,结合扩展的逆凸矩阵方法并运用恒零等式,对时变时滞T-S模糊系统的稳定性进行分析,获得了保守性更小的稳定性判据。经过2个数值实例表明,该判据具有一定的有效性和优越性。     

基于LMI的T-S型模糊系统的H∞鲁棒控制

针对T-S型模糊系统,从理论上研究了其H∞状态反馈控制器的设计问题,给出了一个新的H∞鲁棒控制的充分条件,其条件不仅包含了子系统间的相互作用还包括了系统的不确定性,最后通过求解等价的一组线性矩阵不等式的可行解来得到H∞控制器.控制器设计实例表明了设计方法的有效性.     

基于T-S模糊模型的水轮机调节系统辨识

针对水轮机调节系统的复杂性、非线性和难以用明确数学模型表达的特点,建立了该系统的T-S模糊模型.考虑到T-S模糊模型的结构与参数间的密切关联性,提出基于混沌优化策略的结构和参数一体化辨识.该方法用混沌优化策略辨识模型的前件参数,用最小二乘法辨识模型后件参数,实现了模糊模型结构的自适应优化.试验结果表明,该T-S辨识模型具有较高的辨识精度及较强的泛化能力,实现了水轮机调节系统的有效辨识.     

T-S norm FNN controller based on hybrid learning algorithm

Aiming at the problems that fuzzy neural network controller has heavy computation and lag,a T-S norm Fuzzy Neural Network Control based on hybrid learning algorithm was proposed.Immune genetic algorithm (IGA) was used to optimize the parameters of membership functions (MFs) off line,and the neural network was used to adjust the parameters of MFs on line to enhance the response of the controller.Moreover,the latter network was used to adjust the fuzzy rules automatically to reduce the computation of the neural network and improve the robustness and adaptability of the controller,so that the controller can work well ever when the underwater vehicle works in hostile ocean environment.Finally,experiments were carried on " XX" mini autonomous underwater vehicle (min-AUV) in tank.The results showed that this controller has great improvement in response and overshoot,compared with the traditional controllers.     

基于T-S模糊故障树分析的液压系统故障搜索策略

提出一种基于T-S模糊故障树分析的故障搜索策略。以某型液压载重车支腿液压系统故障树为例,在给出T-S模糊故障树基本事件的T-S关键重要度概念和计算方法的基础上,综合考虑基本事件的T-S关键重要度和搜索费用等因素,采用逼近理想解排序法（TOPSIS）计算出故障方案的搜索顺序。该方法克服了传统故障树分析方法在故障搜索中二态假设的局限,分析了在不同顶事件故障程度的条件下的故障搜索策略,增加了故障搜索结果的准确度,提高了故障诊断的可行性。     

基于T-S模型的非线性系统控制方法

采用T-S模糊模型逼近非线性系统,将非线性系统描述为多个局部线性系统的组合,采用极点配置的方法对每一局部线性系统进行设计,保证了局部线性系统的性能指标。利用线性矩阵不等式方法,将闭环控制系统的稳定条件、控制性能指标统一到线性矩阵不等式的框架内,通过求解线性矩阵不等式族获得控制器参数。以倒立摆系统为例,对提出的设计方法进行了验证,仿真结果表明设计方法是有效的。     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。     

基于BFOA和K-means的复合入侵检测算法

K-means算法对初始聚类中心及簇数K的选择敏感,导致聚类结果不稳定,会对IDS(intrusion detection system, IDS)的检测结果产生重要影响。针对该问题,提出一种基于细菌觅食优化算法(bacterial foraging optimization algorithm, BFOA)和K-means相复合的入侵检测算法(HIDS)。HIDS算法首先基于距离阈值方法动态确定簇数K,再利用BFOA优化生成初始聚类中心,使得选择的初始聚类中心达到全局最优,从而解决了K-means算法的聚类结果不稳定的问题,进而提高入侵检测的准确率。为验证算法的有效性和测试算法性能,将HIDS在KDD99数据集上进行试验测试,入侵检测率可达98.33%。试验结果表明该方法能够有效提高检测率并且降低误检率。     

T-S模糊系统的辨识方法及其在主汽温系统中的应用

针对T-S模糊模型辨识步骤中,结构辨识与参数辨识混在一起、计算量大的缺点,提出了应用确定模糊规则结论参数的启发式辨识方法。对启发式辨识方法的基本原理做了阐述,并将基于该方法的T-S模糊模型应用于火电厂主汽温系统。以某600MW直流锅炉高温过热器为研究对象,对其不同工况下的单位阶跃响应模型进行了辨识。仿真结果表明,该T-S模糊系统能有效地逼近主汽温系统阶跃响应模型,验证了所提出的辨识算法的有效性和可行性。