一类非线性离散时间系统的模糊辨识

对一类非线性离散时间系统提出了模糊辨识方法,此方法用与未知参数向量成线性关系的模糊逻辑系统作为辨识模型,并通过自适应学习律对此模糊逻辑系统中的未知参数进行自适应调节,文中证明了此方法可使辨识误差收敛到原点的一个邻域内。仿真结果验证了此方法的有效性。     

非线性系统的模糊辨识误差分析

该文讨论了模糊系统的数字逼近特性,同时分析了逼近误差和初始状态误差对模糊系统的影响.最后得出一个重要结论：在一定条件下,模糊系统的输出与实际系统相差不大.     

一种新的复杂系统模糊辨识方法

针对一阶Takagi-Sugeno模型辨识复杂系统的困难,提出一种新的模糊模型.这种模型的结构在一阶Takagi-Sugeno模型的基础上,再进行一次非线性映射.文中运用卡尔曼滤波算法的模糊神经元网络实现了这种模型.仿真结果表明该方法辨识精度高,且有良好的实用性.     

基于拟非线性模糊模型的复杂系统模糊辨识

针对一阶Takagi-Sugeno（以下简称T-S）模型辨识复杂系统的困难，本文提出了一种新的拟非线性模糊模型。即在一阶T-S模型的基础上，再进行一次非线性映射。这种模糊模型不仅具有较高的辨识精度，而且具有良好的泛化功能。运用改进的FCM（Fuzzy-C-Means）模糊聚类方法，辨识该模糊模型的结构，与以往的方法比较，极大地简化了结构辨识的复杂性。仿真结果进一步说明了该方法的有效性。     

非线性系统模糊辨识的新方法

提出一种新的基于T－S模型的模糊辨识方法,其特点是考虑了样本距离和“可线性化程度”两个因素,对模型的前后件参数同时辨识,提高了辨识精度,并提出规则“置信度”的概念,实现了辨识的结构自适应。将该辨识器用于一类非线性系统的模糊辨识,仿真结果验证了所提出方法的有效性。     

离散非线性系统Worst-Case辨识--小波逼近法

利用小波逼近的软阈（Ｓｏｆｔ－Ｔｈｒｅｓｈｏｌｄｉｎｇ）方法，研究了离散非线性系统的Ｗｏｒｓｔ－Ｃａｓｅ辨识问题．证明了该算法在Ｗｏｒｓｔ－Ｃａｓｅ误差下的拟最优性和光滑性；估计了该算法的Ｗｏｒｓｔ－Ｃａｓｅ误差：给出了存在鲁棒收敛的辨识算法的充要条件；最后，证明了小波网逼近算法是鲁棒收敛的．     

一种新的自适应非单点模糊辨识器

鉴于常规单点模糊逻辑系统在解决不确定性问题中存在的不足,该文在分析非单点模糊逻辑理论的基础之上,提出了一种新的自适应非单点模糊辨识器,并且详细论述了其相关理论、具体实现步骤和参数优化方法。针对一种糖酵解混沌振荡器模型的非线性动态系统辨识问题,采用非单点模糊逻辑系统对其进行了仿真研究,取得了较好的逼进和收敛效果,从而验证了该非单点模糊辨识器的可行性和有效性。该研究结果表明了基于非单点模糊逻辑系统构造的自适应辨识器能够在一定精度和时间区域内跟踪非线性动态系统的输出,并且非单点模糊理论将能够在控制等其它应用领域取得较好的应用效果。     

一种基于模糊分类的模糊神经网络辨识方法

针对非线性辨识问题,基于改进的T-S模型,提出一种自适应模糊神经网络模型(AFNN)。首先,基于模糊竞争学习算法确定系统的模糊空间和模糊规则数,并得出每个样本对每条规则的适用程度。其次,利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁,逼近能力强,能够显著提高辨识精度,并且辨识的模糊模型简单有效。最后,将该AFNN用于非线性系统的模糊辨识,仿真结果验证了该方法的有效性。     

离散非线性系统Worst—Case辨识——小波逼近法

利用小波逼近的软阈方法，研究了离散非线性系统的ＷｏｒｓｔＣａｓｅ辨识问题。证明了该算法在Ｗｏｒｓｔ－Ｃａｓｅ误差下的拟最优性和光滑性；估计了该算法的Ｗｏｒｓｔ－Ｃａｓｅ误差；给出了存在鲁棒收敛的辨识算法的充要条件；最后，证明了小波网逼近算法是鲁棒收敛的。     

非线性离散时间系统的自适应模糊补偿控制

针对一类非线性离散时间系统,提出一种自适应模糊逻辑补偿控制方案.控制律由跟踪控制律和逼近误差补偿控制律两部分组成,利用模糊逻辑系统对系统参数扰动和外界干扰进行自适应补偿,由模糊滑模控制律实现对模糊逻辑系统逼近误差的进一步补偿.所设计的控制器可保证闭环系统一致最终有界.将该控制器用于月球探测车动态转向系统中,仿真结果表明了该方法的有效性.     

一类非线性离散系统的直接自适应模糊控制

针对一类含延迟非线性离散系统,提出了一种直接自适应模糊控制器设计的新方案．将系统用T-S模糊模型来表示,并基于并行分布补偿(PDC)基本思想设计了一种具有未知参数的模糊控制器,同时采用梯度下降算法对该控制器的参数进行在线辨识．通过输入到状态稳定(ISS)方法,证明了系统输出和参考输出的误差有界且满足一定的平均性能．仿真表明本方法的有效性．     

一类死区非线性系统的自适应模糊控制设计

为了实现对具有时变摄动死区非线性系统的跟踪控制,本文提出了一种基于自适应模糊逼近器的Backstepping控制方法。该方法通过将死区特性合理分解,并将自适应模糊逼近器嵌入到Backstepping设计步骤中,逐步递推得到控制律。所提出的控制方法适用于高阶非线性系统,并且不要求被控系统满足匹配条件;所采用的模糊逼近器是非线性参数化的,亦即不要求其模糊基函数是完全确定已知的,从而降低了对先验知识的依赖性。为了得到未知参数的自适应律,本文先应用Taylor级数展开式将具有非线性关系的未知参数相互分离,使其呈现线性关系,然后根据Lyapunov稳定性定理给出在线可调参数的自适应律。此外,所设计的自适应律是对与未知参数向量的范数相关的变量进行在线调节,这样可以有效减少需要在线调节的参数数量,从而降低了控制器的在线计算负担,提高了系统的响应速度和控制精度。本文给出的控制设计能够有效地克服死区特性对系统性能的影响,使得闭环系统所有信号均指数收敛到原点的指定邻域内,系统输出可以按给定的精度跟踪参考信号。最后,本文用一个仿真实例验证了所给控制方法的有效性。     

严格反馈非线性系统的自适应模糊控制

针对一类不确定非线性系统,基于backstepping方法提出了一种新的鲁棒自适应模糊控制器设计方案。该方案通过引入最优逼近误差的自适应补偿项和新的鲁棒项,削减建模误差和参数估计误差的影响,从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件。理论分析证明了闭环系统状态有界,跟踪误差收敛到零的较小邻域内。仿真结果表明了该方法的有效性。     

Design of a simplified adaptive fuzzy backstepping control for uncertain discrete-time nonlinear systems

This paper presents a simplified adaptive fuzzy backstepping control for uncertain discrete-time nonlinear systems. It is assumed that the systems are described by a discrete-time equation with nonlinear uncertainties to be viewed as the modelling errors and the unknown external disturbances, and the states are observed with measurement noises. To design the simplified adaptive fuzzy backstepping control, the modelling errors are approximated by using the fuzzy inference approach based on the extended single-input rule modules, and the estimates for the unmeasurable states and the adjustable parameters are derived by using the weighted and its simplified weighted least squares estimators. It is proved that the states are ultimately bounded, and the estimation errors remain in the vicinity of zero. The effectiveness of the proposed approach is indicated through the simulation experiment of a simple numerical system.     

Design of an adaptive fuzzy sliding mode control for uncertain discrete-time nonlinear systems based on noisy measurements

This paper presents the design of an adaptive fuzzy sliding mode control (AFSMC) for uncertain discrete-time nonlinear dynamic systems. The dynamic systems are described by a discrete-time state equation with nonlinear uncertainties, and the uncertainties include the modelling errors and the external disturbances to be unknown but nonlinear with the bounded properties. The states are measured by the restriction of measurement sensors and the contamination with independent measurement noises. The nonlinear uncertainties are approximated by using the fuzzy IF-THEN rules based on the universal approximation theorem, and the approximation error is compensated by adding an adaptive complementary term to the proposed AFSMC. The fuzzy inference approach based on the extended single input rule modules is proposed to reduce the number of the fuzzy IF-THEN rules. The estimates for the un-measurable states and the adjustable parameters are obtained by using the weighted least squares estimator and its simplified one. It is proved that under some conditions the estimation errors will remain in the vicinity of zero as time increases, and the states are ultimately bounded subject to the proposed AFSMC. The effectiveness of the proposed method is indicated through the simulation experiment of a simple numerical system.     

一类不确定非线性系统自适应模糊滑模控制

针对一类带有未知外部扰动的不确定非线性系统,建立自适应模糊滑模控制器。基于Lyapunov稳定性理论,设计系统可调参数的自适应规则,控制器的设计过程中无需知道系统的具体模型及未知非线性函数的先验知识。数值仿真的结果也验证了该方法的有效性。     

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。     

一类非线性离散系统自适应准滑模控制

针对一般非线性离散时间系统的不确定性和扰动抑制问题, 提出一种新的自适应准滑模控制算法. 算法包括两部分, 其一是基于紧格式动态线性化模型的自适应准滑模控制器设计, 其中动态线性化方法中“伪偏导数”的估计算法仅依赖于系统I/O 实时量测值. 其二是采用径向基神经网络估计器来估计系统的综合不确定性. 理论分析证明了系统的BIBO稳定性. 仿真结果验证了所提算法的有效性.