一类非线性不确定系统的输出跟踪控制

设计了一类不确定非线性系统模糊自适应输出跟踪控制器. 首先将一个时变参数引入到规则前件的高斯型隶属度函数中, 形成一组带有时变参数的模糊规则, 通过时变参数的变化改变高斯型隶属度函数的中心和宽度,进而改变原Mamdani型模糊逻辑系统的输出,形成新的带有时变参数的模糊逻辑系统. 然后以这种改造后的模糊逻辑系统逼近系统的未知非线性项,构造时变参数和逼近精度的自适应律,设计相应的自适应输出跟踪控制器. 这种方法的优越性在于充分利用原有的有限数目的模糊规则,合成具有较少自适应律的模糊自适应输出跟踪控制器. 最后,通过Duffing的仿真算例验证了本文提出方法的可行性和有效性.     

用模糊遗传算法挖掘空间关联规则

空间关联规则是空间数据挖掘的重要知识内容，利用模糊遗传算法能很好地解决随机和非线性等问题的特征，解决空间关联规则的数据挖掘问题将离散化交叉概率pc和变异概率pm的模糊遗传算法应用到空间数据库空间关联规则的数据挖掘中，讨论模糊遗传算法的编码方法和适应度函数的构造，并给出了空间关联规则挖掘流程。研究结果表明，用模糊遗传算法挖掘空间关联规则的方法是可行的，并具有更高的挖掘效率。     

基于Backstepping设计的非线性系统自适应模糊输出反馈控制

对一类单输入单输出动态不确定非线性系统,提出一种模糊自适应Backstepping和动态信号相结合的输出反馈控制方法。设计中,首先用模糊逻辑系统逼近未知非线性函数,然后引入模糊自适应观测器估计系统的状态。其次把模糊自适应控制和Backstepping控制设计技术相结合,给出了基于观测器的模糊自适应输出反馈控制设计方法。最后基于Lyapunov函数和动态信号证明了整个闭环系统的稳定性,同时使得输出收敛到原点的一个较小区域内。仿真实例进一步验证了所提方法的有效性。     

基于遗传模糊算法的足球机器人射门动作控制

为了提高足球机器人的射门成功率，给出了一种基于遗传模糊算法的足球机器人射门实现方法。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作，并采用遗传算法优化模糊规则和隶属度函数，增强了模糊控制系统适应动态变化环境的能力。考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则内输出。在仿真和全局视觉足球机器人平台上对该算法进行了验证，实验结果证明了方法的正确性。     

基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在的两个瓶颈：模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象。并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中,根据已知的模糊控制规则,对模糊隶属函数自动寻优。以工业过程控制为对象,针对具     

基于类高斯隶属函数的模糊万能逼近器性能分析

为了验证由三角形和高斯型隶属函数构造的逼近器均能以任意精度逼近非线性连续系统,引入了一种基于类高斯隶属函数的模糊逼近器设计方法,借助参数可调性来构造隶属函数的“泛模型”,从而实现三角形到高斯型两类隶属函数的切换.由类高斯隶属函数、单值模糊器、乘积型推理和中心平均解模糊器构成模糊逼近系统,并由万能逼近定理指出逼近精度及模糊子集数目的确定方法.与神经网络、决策树和小波级数等非线性万能逼近器相比,模糊系统具有可解释性强和可利用语言信息的独特优势.分别以一维和二维非线性系统为例进行模糊逼近设计与分析,逼近效果体现了不同的控制特性,证明了类高斯函数用于模糊隶属函数表示的合理性和有效性.     

一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

水轮机修复专用机器人的位姿控制方法

为实现水轮机修复专用机器人的位姿控制，依据神经网络可以逼近任何非线性函数这一特性，采用融合遗传算法的神经网络建立机器人逆运动学模型，针对机器人的结构特点，改进了神经网络的输出训练样本，设计了用遗传算法学习神经网络权系数的软件实现方法，并提出了应用轨迹插补算法取得轨迹中间点位姿．运行结果表明，该方法可大大提高机器人的位姿控制准确度，并能快速地实现位姿控制．     

应用聚类和模糊神经网络方法设计模糊规则库

基于聚类技术和模糊神经网络提出一种新的自动生成模糊系统规则库的设计方法．采用结构辨识和参数辨识相结合的方法，构造模糊系统完善的模糊规则库．用此设计方法对函数逼近问题进行仿真，结果表明该方法具有规则数目少、学习速度快、建模精度高等特点．     

基于滑模-模糊逻辑系统的故障检测及容错控制

针对一类单输入单输出非线性不确定系统,提出了一种基于滑模-模糊逻辑系统的故障检测的方法。其中,利用模糊逻辑系统对被控对象中的未知函数进行逼近,用相同方法对故障项进行逼近;设计滑模观测器进行故障检测和诊断,然后基于Lyapunov函数综合设计方法对系统进行稳定性分析;当故障被检测出后,为保证系统稳定性重组控制器,设计控制器,实现容错控制。仿真结果验证了该方法的有效性。     

EFNN一种增强型模糊神经网络

提出了一种较为广义的增强型模糊神经网络,以达到更高的非线性系统逼近能力。该网络模糊规则的结论以函数形式给出,从而决定了网络的结构由两个网络组成,即特征网络和功能网络。网络采用梯度算法来修正网络的参数。仿真表明：该网络具有较强的非线性逼近能力和较快的学习速度。     

基于区间二型模糊逻辑系统的非线性大系统模糊自适应输出反馈分散控制

针对一类状态不可测的非线性大系统,首先设计一种误差观测器,然后设计一种自适应输出反馈模糊控制器。在设计中,应用二型模糊逻辑系统逼近系统中的未知函数,结合模糊自适应和非线性分散控制设计理论,给出了一种新的二型模糊自适应分散控制方法,基于李亚普诺夫函数方法证明了整个闭环系统的稳定性,而且取得很好的控制跟踪性能。仿真实例进一步验证了所提方法的有效性。     

基于高增益观测器的SISO非线性系统模糊自适应输出反馈控制

针对一类状态不可测的SISO非线性不确定系统,提出一种新的模糊自适应Backstepping输出反馈控制,利用模糊逻辑系统逼近未知非线性函数,设计模糊自适应高增益观测器对系统未知状态进行观测,利用模糊自适应Backstepping控制方法设计模糊自适应输出反馈控制器。通过理论分析证明了闭环系统是半全局一致最终有界的;观测误差和跟踪误差都分别收敛到零的一个小邻域内。     

一类非线性系统基于滑模原理的模糊自适应控制

针对一类非线性系统，设计出了一种自适应控制方案，用模糊逻辑逼近非线性函数，根据滑模原理及李雅普诺夫函数设计出自适应控制器。然后，用模糊推理进行修正，以克服一般滑模控制具有的抖动现象，保证闭环系统的稳定性和跟踪误差收敛于零的某邻域内。     

基于遗传算法的模糊隶属函数的优化

对于非线性和时变性的不确定系统 ,模糊控制是一种较有效的方法。但在模糊控制器的设计中存在两个瓶颈 :模糊变量隶属函数的确定和模糊控制规则的正确选取。遗传算法是模拟生物的进化现象 ,并采用自然进化机制来表现复杂现象的一种概率搜索方法。传统搜索方法解决不了的复杂问题 ,应用遗传算法却可以得到解决。将遗传算法引入到模糊控制器的设计中 ,根据已知的模糊控制规则 ,对模糊隶属函数自动寻优。以工业过程控制为对象 ,针对具有纯滞后二阶系统进行了计算机仿真 ,并进行了对比性研究。仿真结果表明 ,采用该方法可获得一个基于一定性能指标的最优或次优的隶属函数参数 ,且该模糊控制系统具有过渡过程的时间短、超调小等优点。     

带有时滞的未知非仿射非线性系统自适应模糊跟踪控制

应用自适应模糊逼近方法研究了一类带有时滞的未知非仿射非线性系统的跟踪控制问题.系统的实际控制器是按照Backstepping设计过程经逐步反推而得到,在每一步设计中需要用自适应模糊逻辑系统来逼近未知的非线性函数.为了降低控制设计对先验知识的依赖性,取消须事先已知模糊基函数的限制,采用非线性参数化的模糊逻辑系统作为逼近器.由于逼近器中的未知参数彼此之间呈非线性关系,无法直接得到在线估计这些参数的自适应律.为了实现对相关参数的在线调节,先应用Taylor展开式将呈非线性关系的参数分离,使其相互之间具有线性关系,然后再基于Lyapunov第2方法给出相应参数的自适应调节律.最后,通过一个仿真实例来验证所给方法的有效性.结果表明:所得自适应模糊控制器能有效补偿时滞的影响,保证闭环系统中所有信号均有界,而且输出跟踪误差能收敛到原点的任意小邻域内.     

一类基于高增益观测器的多输入多输出非线性时滞系统的自适应模糊动态面控制

针对一类多输入多输出且状态不可测非线性时滞系统,提出了一种自适应模糊backstepping输出反馈控制方案。因为模糊逻辑系统的逼近性,利用其对未知函数进行逼近,设计高增益非线性模糊观测器估计不可测状态。并结合自适应backstepping技术和动态面控制技术,提出了自适应模糊backstepping输出反馈控制策略。证明了系统中所有信号都一致有界,此外,选择适当的参数能够保证跟踪误差和观测误差收敛到很小的一个领域内。通过仿真验证了所提控制策略的有效性。     

基于观测器的非线性严格反馈系统的模糊控制

基于模糊逻辑系统的性质,本文主要研究一类单输入单输出的非线性严格反馈系统的控制问题,提出了一种基于观测器的自适应模糊控制方法。在控制器设计过程中,采用模糊逻辑系统逼近未知的非线性函数,结合自适应模糊控制与Backstepping方法构造输出反馈控制器;在观测器设计过程中,用凸组合的方法处理不确定非线性函数,利用李雅普诺夫方法证明了闭环系统的稳定性,最后通过实际算例对本文结果的有效性进行仿真实验。仿真结果表明,在本文所提出的控制器的作用下,系统状态能够迅速收敛到原点的一个充分小的邻域内。该研究对控制理论的发展具有一定的实际应用价值。     

基于神经网络的模糊控制器

将神经网络的非线性与自学习特性有机地应用于模糊控制系统中，用神经元节点及其相应的内部函数代替模糊控制系统的各个模糊子集及其隶属函数，而神经元节点间的连接代替模糊推理机，设计了一类基于神经网络的模糊器，以克服复杂非线性系统难以确定模糊子集的划分及其隶属函数和模糊推理规则等问题。