帆船的模糊自适应控制方法研究

针对非线性、时变的帆船航行系统,提出了一种基于T-S模糊模型的帆船模糊自适应控制新方法.该方法采用T-S模糊模型,将舵角的非线性控制局部线性化,设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量.利用线性神经网络技术的自学习技术,获取模糊推理规则,优化模糊控制器的参数,提高系统的自适应性.仿真结果表明,该方法能实现对帆船航向的智能控制,具有一定的实际应用价值.     

离散T-S模糊系统的状态反馈鲁棒镇定

利用模糊模型处理了非线性离散不确定系统的稳定性问题,针对一类离散不确定T-S模糊系统,使用一种新的T-S模糊系统放宽的二次稳定方法,研究并设计了T-S模糊离散控制器,在此基础上利用线性矩阵不等式给出了控制器的算法。最后,通过仿真示例说明了该方法的可行性。     

T-S模糊控制方法在生物流化床系统中的应用

针对生物流化床污水处理系统的非线性、时滞、时变等问题,提出采用T-S模糊控制方法,将复杂的非线性系统模糊化为局部线性模型,并引入积分环节,降低T-S模糊控制器维数,简化规则.最后,通过实验进行理论验证.实验结果表明,该方法可行且有效.     

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.     

一类非线性时滞系统的输出反馈模糊控制

针对一类由T-S模糊模型表示的非线性时滞系统，提出一种输出反馈模糊控制器设计的新方案．首先采用PDC（并行分布补偿）的基本思想设计输出反馈控制器，然后利用T-S模糊模型扩展的稳定性条件，给出系统以稳定度口全局渐近稳定的充分条件，最后基于LMI（线性矩阵不等式）方法，将模糊控制器的设计问题转化为LMIP（线性矩阵不等式问题）．     

基于事件触发的模糊传感网络系统的非脆性控制

研究了基于事件触发的T-S模糊传感网络系统的非脆性控制问题。首先针对T-S模糊传感网络系统的控制问题,引入一种可有效提高通信效率的分布式事件触发机制,在综合考虑参数非脆性和T-S模糊系统的前件变量异步问题的基础上,建立一个新的基于观测器的全局非脆性模糊控制器模型。利用李雅普诺夫泛函稳定性方法,得到了T-S模糊传感网络系统渐近稳定条件。此外,通过求解线性矩阵不等式,获得相关控制器参数。最后,利用一个非线性质量弹簧系统的仿真实例验证了设计方法的有效性。     

基于T-S模糊模型的多机电力系统气门开度H_∞控制

针对多机电力系统气门开度的控制问题,构建了具有非线性关联作用的多机电力系统数学模型,并在T-S模糊模型局部线性化建模方法的基础上进行改进,提出了一种带有关联项的非线性系统的线性化模型。针对得到的T-S模糊模型,进行了基于观测状态的分散控制研究。最后通过Matlab进行仿真验证,结果证明所设计的多机电力系统线性化模型是可行、有效的。     

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T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

不确定T-S模糊系统的跟踪控制器设计

研究基于观测器的不确定T-S模糊系统的跟踪控制器设计问题.利用T-S模糊方法对含有不确定性的非线性被控对象进行建模,对于给定代表系统期望状态的参考模型,在系统状态不可测及不确定项满足有界条件下,利用并行分布补偿的方法(parallel distributed compensation)设计基于观测器的模糊控制器,保证对于参考模型状态的跟踪,同时抑制扰动对跟踪误差的影响.借助Lyapunov稳定性定理及舒尔补引理将跟踪控制器的设计问题转化为一组线性矩阵不等式(linear matrix inequality)的可行解问题.该方法简单实用,仿真实例验证了此种方法的有效性与正确性.     

Linearization of T-S fuzzy systems and robust H_∞ control

Takagi-Sugeno (T-S) fuzzy model is difficult to be linearized because of membership functions included. So, novel T-S fuzzy state transformation and T-S fuzzy feedback are proposed for the linearization of T-S fuzzy system. The novel T-S fuzzy state transformation is the fuzzy combination of local linear transformation which transforms local linear models in the T-S fuzzy model into the local linear controllable canonical models. The fuzzy combination of local linear controllable canonical model gives controllable canonical T-S fuzzy model and then nonlinear feedback is obtained easily. After the linearization of T-S fuzzy model, a robust H _∞ controller with the robustness of sliding model control (SMC) is designed. As a result, controlled T-S fuzzy system shows the performance of H _∞ control and the robustness of SMC.     

不确定模糊系统的输出反馈控制

对一类不确定非线性系统利用模糊T-S模型进行建模，在此基础上提出了不确定模糊系统的输出反馈控制的设计。用矩阵不等式的形式给出了模糊系统可通过输出反馈控制的充分条件。通过引入辅助变量将矩阵不等式的条件转化为迭代线性矩阵不等式(LMI)，并给出了相应的算法，最后通过数值算例和仿真结果表明该算法的有效性。     

一种基于改进FCM划分算法的T—S模型辨识

鉴于以往T—S模型建模过程中,在模糊划分上存在主观性的差异,提出了一种基于改进模糊C-均值算法的模糊划分方法,使划分结果尽可能地依赖于原始数据的分布情况,进而将该模糊划分算法用于多输入单输出非线性系统的基于T—S模型模糊辨识。在用该方法对多参量水质评价系统进行基于T—S模型模糊辨识建模时,取得了较好的验证效果。该研究结果表明,基于改进模糊C-均值划分算法的T—S模型辨识能在模糊综合评价与决策等应用领域中取得较好的应用效果。     

离散T-S模糊系统的鲁棒无源控制

通过应用Lyapunov稳定性理论,研究了具有参数不确定性的离散T-S模糊系统的鲁棒稳定性和无源性。假设系统中的参数不确定性是范数有界的。具有参数不确定性的T-S模糊模型可以以任意精度近似非线性不确定系统。利用Lyapunov稳定性理论给出了鲁棒无源控制器存在的充分条件。通过运用线性矩阵不等式方法设计出的鲁棒无源控制器能够保证对于T-S模糊系统中所有的参数不确定性闭环系统都是稳定的并且满足给定的无源性能指标。并且,通过求解带有约束条件的线性矩阵不等式问题,可以设计出具有最大耗散率的鲁棒无源控制器。数值算例证明了所提出的设计方法的有效性。     

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.     

一类不确定连续状态非线性系统的保性能控制

针对状态不完全可测的一类不确定连续状态非线性系统的保性能控制问题,采用T-S模型对其进行建模。根据李雅普诺夫稳定性理论,基于线性矩阵不等式(LMI),利用分散化并行分布补偿(PDC)的方法设计了基于观测器的控制器,给出了实现该非线性系统保性能控制的充分条件。     

一类连续非线性时滞大系统的鲁棒分散控制

针对状态可测的一类连续非线性时滞大系统的鲁棒分散控制问题,采用T-S模型对其进行建模.根据李雅普诺夫稳定性理论及大系统分散控制理论,基于线性矩阵不等式（LMI）,利用分散化并行分布补偿（PDC）的方法设计控制器,给出了保证该非线性时滞大系统闭环渐近稳定的充分条件.     

一类不确定连续状态非线性时滞系统的保性能控制

针对状态不完全可测的一类不确定连续状态非线性时滞系统的保性能控制问题,采用T-S模型对其进行建模。根据李雅普诺夫稳定性理论,基于线性矩阵不等式(LMI),利用分散化并行分布补偿(PDC)的方法设计了基于观测器的控制器,给出了实现该非线性系统保性能控制的充分条件。