基于SOMK算法的T-S模糊系统建模方法

针对T-S模糊系统建模中的结构辨识和参数辨识问题,以自组织特征映射SOM算法与K-means算法相结合的SOMK算法对输入样本进行聚类,同时以Davies-Bouldin(DB)指标来验证聚类的有效性,得到最佳聚类数即为T-S模糊系统模型的规则数。然后用所得模糊规则数和聚类中心来辨识T-S模糊系统模型前件参数进而采用最小二乘算法来确定模糊推理规则的后件参数。最后,用仿真实例验证了文中所提出的建模方法与相应算法。仿真结果表明,该方法逼近精度高,泛化能力强,具有较好的实际应用价值。     

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.     

基于PSO改进的T-S模糊神经网络短期电力负荷预测研究

精确的电力负荷预测有利于保障电网运行的安全性、稳定性、高效性及经济性.为提高预测精度,采用了一种PSO改进T-S(Takagi-Sugeno)模糊神经网络方法.分析了数据预处理对改善输入量的重要性,讨论了可以让学习率和平滑因子动态调节的改进T-S模糊神经网络算法,从而使PSO找到最优参数,然后结合历史负荷数据、相关影响因素进行预测,以表明改进的T-S模糊神经网络在短期电力负荷中具有更高的控制精度.     

模糊ISODATA算法在电磁无损检测应用中的研究

针对轴承钢硬度和螺栓裂纹快速检测问题,依据电磁无损检测原理,采用模糊ISODATA算法,在VC 6.0开发平台下,建立了神经网络电磁检测系统,并进行测试分析．结果表明,该系统对轴承钢硬度、螺栓裂纹检测的准确率均达到100％,并且运行稳定性好、检测效率高．     

基于T-S模糊系统的鲁棒容错控制器的设计

研究了部分执行器可能失效的T-S模糊系统鲁棒容错控制问题。对于所给系统,给出了鲁棒容错控制器存在的一个新的稳定条件。在此条件下所设计的控制器,可使闭环系统渐近稳定。通过矩阵分解把系统的非严格矩阵不等式约束转化为严格矩阵不等式,可以直接使用LMI工具箱求解器,仿真例子说明了所给方法的可行性和有效性。     

基于ISODATA算法的城市变化检测

为验证ISODATA分类算法在变化检测中的可行性,利用人为对宜昌市TM影像加入改变的影像和原始图像,对比像素差值法进行ISODATA分类检测。然后利用武汉市多时相遥感影像,进行像素差值法、ISODATA分类算法的变化检测,以对城市的变化进行分析。实验结果表明,2种检测方法结果差别不大,但ISODATA算法有其优越性,证明ISODATA算法在变化检测中有一定的可行性。     

模糊ISODATA算法改进及在油气预测中的应用

模糊ISODATA是一种自组织的中心聚类算法，本文对该算法进行了研究和改进，使其从无教师指导的，自组织的聚类过程变为一个有教师指导的模式识别过程，增强了其处理大量样本的分类问题的能力，改善顾分类效果。将其应用于实际的油气预测中，取得了良好的应用效果。     

基于不同模糊权的时滞T-S模糊系统的能稳控制器设计

研究了基于不同模糊权的时滞T-S模糊系统的能稳控制器设计问题。主要利用李亚普诺夫稳定性理论和线性矩阵不等式方法,结合自由权矩阵技术给出了此类时滞T-S模糊系统相关意义下的稳定和镇定的充分条件,并给出了一个例子说明所提方法的有效性。     

基于动态输出反馈的时滞T-S模糊系统无源可靠控制

目的研究一类时滞T-S模糊系统执行器部件发生故障情况下动态输出反馈的无源可靠控制问题.方法运用Lyapunov稳定性理论、故障替换和线性矩阵不等式(LMI)方法研究了时滞T-S模糊系统的无源可靠控制.结果给出了动态输出反馈无源可靠控制器存在的充分条件,给出了控制器的设计方法,通过求解线性矩阵不等式可以获得输出反馈控制器的系数矩阵.结论采用所设计的可靠控制器,在执行器部件出现故障或状态不完全可测时,均能保证闭环时滞T-S模糊系统鲁棒稳定,保持原有的无源性能指标.最后通过求解数值算例,绘制出闭环模糊系统状态响应曲线,验证了所设计方法的有效性.     

基于观测器的单输入单输出非线性系统的模糊自适应输出反馈控制

在假设系统状态不可测的条件下针对一类单输入单输出非线性系统提出了直接模糊自适应滑模控制方案。其主要特点是(i)不需要假设非线性系统的用于反馈的所有状态都是可测的，而是引入观测器来估计它们。(ii)保证了闭环系统的稳定性和跟踪误差的收敛性。     

基于T—S模糊模型时滞系统问题的研究

研究一类用T—S模糊模型描述的不确定时滞系统问题。基于线性矩阵不等式（LMI）的可解性，经理论证明得出了T—S模糊时滞系统时滞相关稳定性准则。     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.     

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。     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

一种递归型模糊神经网络用于动态系统辨识的研究

针对静态模糊神经网络对动态系统辨识精度低的特点,在T-S模糊神经网络标准结构基础上,通过在输入层与状态层间加入可以记忆暂态信息的递归层,一种新的T-S递归型模糊神经网络(TSRFNN)被提出,来提高对动态系统的辨识能力.同时,给出了参数的动态BP学习算法.通过仿真实验,证明提出的TSRFNN对动态非线性系统的辨识比传统静态模糊神经网络(TFNN),具有更快的网络收敛速度,更高的辨识精度,更适合于动态系统的辨识.     

Robust State Feedback H∞Control for Dynamic Biped Robot Based on T-S Fuzzy Model

T-S fuzzy model was applied to describe nonlinear system and global fuzzy model was expressed by the form of uncertain system. Based on robust state feedback H∞control strategy, designed a global asymptotic steady fuzzy model. This control system can use the experimental input-output data pairs for the biped robot learning and walking with dynamic balance. It is proved by simulation result that robust state feedback H∞ control method based on T-S fuzzy model can effectively restrain the effect of model uncertainties and external disturbance acting on biped robot. From these works, we showed the satisfactory performance of joint tracking without any chattering.     

一种基于改进聚类算法的模糊模型辨识

传统建模方法对于建立精确的存在多变量、强耦合、大时滞以及不确定性的非线性系统模型无能为力,从而难于精确表达复杂系统及实施整体优化控制.针对传统模糊C-均值聚类算法对初始值敏感及无法确定最优规则数的缺陷,提出了一种基于改进聚类算法的模糊辨识方法.它通过减法聚类和有效性函数确定初始聚类中心,然后采用一种全局模糊C-均值聚类算法寻找出最终聚类中心,并利用最近临域法确定合适的区域半径,最后通过递推最小二乘法建立系统的T-S模糊模型,对电阻炉温度系统进行仿真,说明本文所述方法的有效性.     

含有执行器饱和的模糊T-S时滞系统的鲁棒稳定性

研究了一类带有执行器饱和的模糊T-S时滞系统的稳定性控制问题,在设计过程中,运用平行分布补偿算法(PDC)建立了模糊控制器,应用Lyapunov函数以及线性矩阵不等式(LMI)方法,给出并证明了在含有执行器饱和情况下的T-S模糊时滞系统稳定性的充分条件,并且给出了模糊控制系统在含有外界干扰情况下的?H控制性能指标。在仿真结果中进一步证明了所提出方法的有效性。     

基于T-S模型的透气性鲁棒预测

通过对铅锌烧结过程的机理分析,确定了透气性预测具有模型不确定性以及输入变量的不确定性等特点。将基于满意聚类的Takagi-Sugeno建模方法和机理分析方法结合起来解决这些问题,并采用带有梯度加速的混合粒子群算法进行辨识,来解决运算量大和可能出现不可辨识的情况。仿真结果表明,所提出的方法能较好地克服预测过程中出现的不确定性因素,能较准确地预测透气性,具有一定的鲁棒性。     

离散T-S模糊控制系统的稳定性研究

在分段模糊Lyapunov函数的基础上研究了输入采用双交叠模糊分化的模糊控制系统的性质,并提出了最大交叠域的概念．在此基础上提出了一个新的判定T-S模糊系统稳定性的充分条件,该条件就是在最大交叠域中分别寻找公共的正定矩阵,减少了以往稳定性判定方法的保守性和难度．具体实例说明了本条件的有效性和优越性．