基于观测器的不确定T-S模糊系统鲁棒镇定

为带有参数不确定性的T-S模糊控制系统提出了新的基于观测器的鲁棒输出镇定条件. 该条件用来设计模糊控制器和模糊观测器. 为了设计模糊控制器和模糊观测器, 用T-S模糊模型来表示非线性系统, 并运用平行分布补偿观念. 充分条件基于二次Lyapunov函数, 通过将模糊系统的鲁棒镇定条件表述为一系列矩阵不等式, 比以往文献中列出的条件具有更小的保守性. 该不等式为双线性矩阵不等式, 可分两步骤先后解得使T-S模糊系统镇定的控制器增益和观测器增益. 最后, 通过对一个具有不确定性的连续时间非线性系统控制的例子证明了提出方法比以往方法更宽松.     

多包传输网络控制系统的鲁棒H∞故障检测

针对多包传输网络控制系统,考虑具有未知干扰输入时,系统的鲁棒故障检测问题.首先建立了状态观测器,并基于动态调度策略,将观测器误差方程等效为离散切换系统;然后基于Lyapunov稳定性理论,给出了观测器系统为鲁棒H∞状态观测器的充分条件及观测器增益矩阵的求解方法.此外,为了增强鲁棒性和灵敏度,将阀值的选取归结为具有线性不等式约束的最小化问题.最后的仿真示例说明了该方法的有效性.     

时滞Lipschitz非线性系统观测器设计

给出了满足Lipschitz条件的离散非线性时滞系统的全维、降维观测器的设计方法和误差收敛的充分条件,并分别进行了证明.全维观测器通过将带有非线性项的矩阵不等式转化为两步线性矩阵不等式解出两个增益矩阵.降维观测器则通过解线性矩阵不等式(LMI)方便地获得观测器的增益矩阵,消除了增益矩阵选取的盲目性.通过对同一模型的仿真分析,两种观测器的状态估计误差均能迅速收敛到0,表明了所提出方法的有效性.     

基于T-S 模糊模型的一类非线性网络控制系统故障检测

针对同时存在网络时延和数据包丢失的网络环境,研究了一类非线性网络控制系统的鲁棒故障检测问 题．基于不确定T-S 模糊模型描述的非线性网络控制系统模型,完成了网络环境下鲁棒故障检测观测器的设计,使 得残差信号对故障敏感而对外部扰动具有鲁棒性．构造Lyapunov-Krasovskii 函数,并引入一个积分不等式,给出了 使得观测器误差动态系统渐近稳定的充分条件．采用线性矩阵不等式技术将鲁棒故障检测问题转化为具有线性矩阵 不等式约束的凸优化问题求解．仿真算例验证了上述方法应用于此类系统的故障检测的有效性．     

不确定多时滞离散切换系统的输出反馈镇定

针对一类具有多重状态时滞和凸多面体不确定性的离散切换系统,研究该系统在任意切换信号下基于状态观测器的输出反馈鲁棒镇定问题.首先通过状态变量的替换将多时滞项转变成不含时滞项,再利用分段Lyapunov函数和线性矩阵不等式方法,导出凸多面体不确定多时滞离散切换系统基于观测器的输出反馈鲁棒镇定的充分条件,并将此条件转化成为一组线性矩阵不等式的可行性问题,同时给出基于状态观测器的输出反馈控制器.仿真结果表明设计方法是可行有效的.     

一类非线性时滞系统的H_∞鲁棒故障检测滤波器设计

研究一类受时变时滞影响的非线性不确定系统H∞鲁棒故障检测滤波器设计问题.首先采用基于观测器的故障检测滤波器作为残差产生器,将故障检测滤波器设计归结为H∞滤波问题;然后应用Lyapunov-Krasovskii方法,推导并证明了问题可解的依赖时滞的充分条件,通过求解线性矩阵不等式得到了观测器增益矩阵的解;最后通过算例验证了所提出方法的有效性.     

基于观测器的鲁棒H2控制器设计

研究了一类含有参数不确定系统的观测器型鲁棒H2控制器的设计问题.基于状态 反馈和观测器设计的可分离性原理,给出了控制器存在的充分条件和系统H2性能指标的一 个上界.利用线性矩阵不等式凸优化方法还得到了使该界达到最小的观测增益.     

基于观测器的鲁棒H_2控制器设计

研究了一类含有参数不确定系统的观测器型鲁棒 H2 控制器的设计问题 .基于状态反馈和观测器设计的可分离性原理 ,给出了控制器存在的充分条件和系统 H2 性能指标的一个上界 .利用线性矩阵不等式凸优化方法还得到了使该界达到最小的观测增益 .     

鲁棒极点配置约束下的模糊控制系统设计

针对一类利用T-S模糊模型近似描述的不确定非线性系统,给出了一种具有鲁棒极点配置功能的模糊控制器和模糊状态观测器的设计方法.首先,利用并行分配补偿(PDC)设计思想和基于线性矩阵不等式(LMI)的鲁棒极点配置理论,得到了使整个闭环系统全局渐近稳定并满足希望的动态性能的充分条件.然后将这些条件转化为标准的LMI问题.最后将该设计方法应用于倒立摆的平衡控制中,验证了本方法的有效性.     

基于模糊T-S模型的非线性系统的H∞鲁棒容错控制

研究一类具有不确定和时滞的非线性系统的H鲁棒容错控制问题.采用T-S模糊模型来描述非线性系统,在系统执行器失效的情况下,建立故障矩阵模型;通过引进自由加权矩阵,基于Lyapunov稳定性理论和LMI(线性矩阵不等式)方法,给出系统H鲁棒容错控制器存在的充分条件,保证了系统的鲁棒稳定性,仿真实例验证了该方法的有效性.     

模糊聚类计算的最佳算法

给出模糊关系传递闭包在对应模糊图上的几何意义,并提出一个基于图连通分支计算的模糊聚类最佳算法.对任给的n个样本,新算法最坏情况下的时间复杂性函数T(n)满足O(n)≤T(n)≤O(n²).与经典的基于模糊传递闭包计算的模糊聚类算法的O(n³logn)计算时间相比,新算法至少降低了O(n相似文献   

模糊线性支持向量回归机

该文研究了当训练点的输出为三角模糊数时,支持向量回归机的构建问题。首先将模糊回归问题转化为模糊分类问题,并将求模糊最优分类超平面问题转化为求解带有模糊决策的机会约束规划问题。利用基于模糊模拟的遗传算法求解带有模糊决策的机会约束规划,得到模糊最优分类超平面(模糊方程),解模糊方程得到模糊回归函数。在此基础上,得出模糊线性支持向量回归机(算法)。从而较好地解决了支持向量机中含有模糊信息的模糊回归问题。最后,给出显示模糊线性支持向量回归机特点的模糊支持向量集的定义。     

一种基于关系模型的模糊数据库系统模型

数据库管理系统的广泛应用，使得数据库的研究也随之快速发展，如何表达模糊数据，如何执行模糊查询越来越成为数据库研究的重要课题之一，提出一个基于关系模型的模糊数据库系统的理论模型，利用模糊集的方法表达模糊数据，模糊查询和模糊关系，最后给出了一个模糊数据库系统实现的例子。     

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.     

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。     

模糊本体之必然:基于人的认知特征的分析

本体是人对客观事物及其相互关系的认知成果,表现形式为概念及概念关系,二者均以语词称之。人只能自如应用有限的语词,致使人的认知有两个必备特征:一个语词指称多个概念,即以变动概念外延的方式减少概念的数量;一个语词指称多个概念关系,即以隶属度的形式归并概念关系的种类。前者对应模糊概念,后者引出模糊概念关系,由两者构成的模糊本体就是符合人的认知规律的客观世界在人脑中的必然反映。作为科学术语的"模糊",是指有效解决语词有限性与客观事物无限性矛盾的认知方式。模糊本体是本体的一般形式,更接近客观世界之真实,其模糊识别与模糊推理的功能更有利于支持人的认知活动。模糊本体内置于机器是信息处理智能化之必然,模糊本体表示的机器形式目前为OWL文档。举例示意了模糊本体的构建过程。     

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。     

Uncertain probabilities III: the continuous case

We consider joint probability density functions where some of the parameters are uncertain. We model these uncertainties using fuzzy numbers producing fuzzy joint probability density functions. Then we study the fuzzy marginal densities, the fuzzy conditional densities and fuzzy correlation. We look at one particular fuzzy joint density: the fuzzy bivariate normal. An application in fuzzy reliability theory is presented.