基于新模糊系统与T-S模糊系统的比较与研究

构造了一类新的模糊系统并应用它对非线性系统进行了辨识,而对新的模糊系统的性能作必要的分析研究。针对该系统进行分析,并将其与T-S模糊系统作比较,得出相关结论。     

基于T-S模糊模型的神经网络的系统辨识

基于T-S模糊模型,提出了利用神经网络实现非线性系统的辨识。首先,利用一种无监督的聚类算法分析输入输出数据生成初始的结构模型,确定系统的模糊空间和模糊规则数,构造神经网络辨识模型前提参数,使前提参数自适应变化,有较好的自学习能力和优化能力,采用最小二乘法取得结论参数。仿真结果验证了该方法是有效和可行的。     

基于观测器的T-S模糊系统稳定性分析

提出了一种新的基于观测器的T-S模糊系统稳定性分析方法.文中将基于观测器的T-S模糊系统划分为主导子系统与关联系统之和的形式,采用切换控制,针对前提变量部分可测的情况,利用向量Lyapunov函数方法给出了基于观测器的系统稳定性条件,并依此得出了一种模糊控制系统规范化的设计方法.结论还可推广到前提变量不可测及可测的情况,并通过仿真算例得以验证.     

基于T-S模型的非线性系统模糊聚类辨识方法

提出一种基于T-S模型的非线性系统模糊聚类辨识方法,对T-S模糊模型的前提部分和结论部分进行分开辨识,既简化该模型的辨识步骤,又提高它的泛化能力,同时也解决了T-S模糊模型随辨识系统复杂程度提高而规则数增大的问题。对一个非线性系统辨识的仿真结果验证了这种模糊聚类辨识方法的有效性。     

离散T-S 模糊系统的稳定条件

针对应用公共Lyapunov函数方法、模糊Lyapunov函数方法和分段模糊Lyapunov函数方法进行T-S模糊系统稳定性分析的保守性问题,通过定义有效最大交叠规则组,并基于离散型分段模糊Lyapunov函数,提出一个判定开环离散T-S模糊系统稳定性的充分条件.该条件仅需在每个有效最大交叠规则组内分别满足模糊Lyapunov方法中的条件,从而降低上述判定方法的保守性和难度.仿真实例验证了所提出条件的有效性和优越性.     

一种T-S模糊模型的辨识方法

将一种基于三角形隶属函数的T—S模糊系统用于非线性系统的辨识中。该方法可以很方便地确定输入空间的划分及隶属函数的形状,并且对于给定的输入量系统输出的计算只需要少量的推理规则参与,减少了计算量。最后通过仿真实例说明本方法的有效性。     

板球系统的T-S模糊多变量控制方案

板球系统是一个典型的多变量、非线性控制对象，它是杆球系统的扩展，适合用以 检验各种控制方案．本文介绍了板球系统及其数学模型，就轨迹跟踪问题提出了基于T-S模 型的模糊多变量控制方案，并验证了这种控制方案能使系统全局渐进稳定．仿真实验结果表 明本文所采用的控制方案明显优于传统的PD控制方案．     

一种改进型T-S模糊神经网络

对T-S模糊神经网络进行了分析,提出了一种新型T-S模糊神经网络,改进了前件网络的结构及学习算法,减少了模糊规则层的节点数,有效地克服了T-S模糊神经网络模糊规则冗余的缺点。这种新型T-S模糊神经网络具有学习算法简单、收敛速度快等优点。把该网络应用到卷取温度控制中进行仿真,得到了满意的结果。     

基于遗传模拟退火的广义T-S模糊模型的混沌系统辨识

针对混沌系统辨识引入广义T-S模糊模型,使系统中隶属函数具有自适应性;并对T-S模糊模型前件模糊规则数、各加权值、隶属函数自适应参数进行遗传退火算法优化,使系统具有最佳结构和参数。以一维的Logistic系统和二维的Henon系统为例进行仿真分析,结果表明辨识模型能够拟合原混沌系统,收敛速度及精度良好。     

一类T-S模糊广义系统的稳定性研究

针对T-S模糊广义系统,基于模糊Lyapunov函数研究了其渐近稳定性问题。简化了传统的T-S模糊广义系统模型的表达式,根据李亚普诺夫稳定性理论,分别选取普通Lya-punov函数和模糊Lyapunov函数来讨论该系统的稳定性问题,得到了保证稳定性的充分条件;基于模糊Lyapunov函数得出的稳定性条件线性矩阵不等式个数少,减小了计算量。数值仿真实例验证了该方法的有效性。     

一种改进的T-S模糊系统稳定性分析方法

提出一种改进的方法以降低T-S模糊系统稳定性判定方法的保守性.通过定义有效最大交叠规则组(EMORG),提出一个改进的充分条件以保证模糊模型全局二次渐近稳定.此条件仅需在每个有效最大交叠规则组内分别寻找一个局部公共正定矩阵.以往的稳定性判定方法作为特例被包含在所提出方法中.仿真结果验证了该方法的有效性.     

Adaptive sliding mode controller design based on T-S fuzzy system models

An adaptive sliding mode control (ASMC) technique based on T-S fuzzy system models is proposed in this paper for a class of perturbed nonlinear MIMO dynamic systems in order to solve tracking problems. A T-S fuzzy model is firstly formed by utilizing fuzzy theorem to amalgamate a set of linearized dynamic equations. The adaptive sliding mode controller is then designed based on this fuzzy model with perturbations. The proposed control scheme can drive the dynamics of controlled system into a designated sliding surface in finite time, and guarantee the property of asymptotical stability. It is also shown that the information of upper bound of modeling errors as well as perturbations, except the information of upper bound of input uncertainty, is not required when using the proposed controller.     

蚁群聚类算法的T-S模糊模型辨识

基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。     

基于T-S模糊故障树的混凝土泵车泵送液压系统故障诊断

针对混凝土泵车泵送液压系统结构复杂,故障发生概率、故障机理和故障程度具有模糊性的特点,提出了基于T-S模糊故障树的泵送液压系统故障诊断方法。该方法用模糊数描述液压元件和系统的故障概率,解决了故障概率的不确定性;用T-S模糊门描述事件间的联系,解决了故障机理和事件联系的模糊性;用模糊数描述故障的严重程度,考虑了故障程度对系统的影响。将该方法运用到了混凝土泵车泵送液压系统的故障诊断中,取得了较好的效果。     

T-S模糊系统的局部稳定

讨论了T-S模糊系统的局部稳定性及控制器设计问题．给出连续T-S模糊系统局部稳定的定义,利用非二次Lyapunov函数和线性矩阵不等式（LMI）方法得到连续T-S模糊系统局部稳定的充分条件,并给出了基于LMI的局部镇定控制器设计方法．该方法不同于已有的全局稳定控制器设计方法,为判别模糊系统的稳定提供了新的选择．最后通过数值算例演示了控制器的设计方法。并证明了该方法的可行性。     

T-S模糊系统的稳定性分析与镇定控制器设计

应用广义模糊Lyapunov函数方法研究T-S模糊系统的稳定性与控制器设计问题.首先,将T-S模糊系统表示成模糊广义系统的形式;然后利用广义模糊Lyapunov函数得到模糊系统稳定的充分条件,并且给出基于线性矩阵不等式(LMI)的PDC控制器设计方法.该方法与已有的模糊Lyapunov函数方法相比,计算量小,并且表达成LMI形式,容易求解.最后,通过例子验证方法的优越性和有效性.     

采用双交叠模糊分划的T-S模糊系统的稳定性分析

研究前件变量采用双交叠模糊分划的T-S模糊系统的稳定性问题．首先针对自由系统,将连续时间系统的、基于最大交叠规则组的稳定性分析方法推广应用于离散时间系统,并采用模糊Lyapunov方法得到了稳定性的新结论．采用非并行分布补偿控制律,针对受控系统也得到了相应的结论．这些结论比已有的结果更加宽松．仿真例子验证了该稳定性结论．     

Improved results on stability analysis and controller synthesis for T-S fuzzy systems

This paper is concerned with the stability analysis and synthesis issues for T-S fuzzy systems. By fully using the properties of fuzzy weighting functions and matrix inequalities, two improved sufficient stability conditions are derived based on the common Lyapunov function and fuzzy Lyapunov function, respectively. It is not necessary to require every fuzzy subsystem to be stable in these conditions. Following the analysis, both parallel and non-parallel distributed compensation controllers are obtained by solving linear matrix inequalities. Finally, four examples are given to show the effectiveness of our proposed approach and the advantages of the approach over existing methods.