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。     

一类HIV／AIDS传播模型的T-S模糊控制

为抑制疾病的发展,构造了针对艾滋病传播相应的T-S模糊模型。利用T-S模糊控制方法,设计基于疫情发展的模糊控制器,使艾滋病传播模型在平衡点达到稳定状态。数值模拟结果验证了模糊控制器的合理性。     

一类非线性系统的模糊鲁棒观测器的设计及稳定性分析

用连续和离散型T-S模型分别对一类非线性系统进行模糊建模,在此基础上分别设计连续型和离散模糊鲁棒观测器,并证明了所设计的模糊鲁棒预测器具有全局渐近性质。     

基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。     

基于T—S模型的不确定切换系统的鲁棒H∞可靠控制

提出一种基于局部T-S模型不确定切换系统的可靠控制方法,将输入空间划分为若干个区域,在每一区域内构建局部T-S模型并设计相应的控制器;这样由于模糊论域的变小而提高了逼近精度,然后再通过多模型切换控制,实现对整体非线性系统的逼近与控制．在此,利用并行分布补偿技术（PDC）,借助于LMI和凸优化方法,得出系统鲁棒凡可靠控制器的解析式．     

多时滞T-S模糊广义系统的保成本控制

针对时滞系统的控制问题,提出了一个多时滞的T-S模糊广义系统模型,并且基于Lyapunov稳定性理论和时滞无关的方法,研究了一类由多时滞T-S模糊广义系统模型描述的多时滞连续非线性广义系统的保成本控制问题.同时,以LMIs的形式给出了系统的稳定性条件和保成本控制器存在的充分条件.     

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。     

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.     

非线性系统的广义T-S模糊模型的研究

在获得广义T-S模型结构之后,往往通过参数辩识,确定模型参数,这样得到的模型不是最优或次最优的,鉴于这个问题,提出了基于遗传算法搜索广义T-S模型系统最优结构参数的方法,采用二进制编码与实数编码并存的距阵方式,获得最优或次最优模型.仿真结果表明了该方法的有效性,并且模糊规则少,精度高.     

T-S模糊系统的辨识方法及其在主汽温系统中的应用

针对T-S模糊模型辨识步骤中,结构辨识与参数辨识混在一起、计算量大的缺点,提出了应用确定模糊规则结论参数的启发式辨识方法。对启发式辨识方法的基本原理做了阐述,并将基于该方法的T-S模糊模型应用于火电厂主汽温系统。以某600MW直流锅炉高温过热器为研究对象,对其不同工况下的单位阶跃响应模型进行了辨识。仿真结果表明,该T-S模糊系统能有效地逼近主汽温系统阶跃响应模型,验证了所提出的辨识算法的有效性和可行性。     

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.     

基于改进T-S模型的热工过程模糊辨识算法

提出了一种实用的基于T-S模型的热工系统模糊辨识方法。采用启发性知识与复合非线性优化方法相结合的综合方法求解出模糊模型的结构,然后通过基于熵的聚类和竞争学习算法对热工过程的输入数据空间进行划分,在此基础上利用递推最小二乘辨识算法建立一个热工过程的T-S模型。文中给出了熟知的Box-Jenkins数据的辨识结果,并将该方法应用于辨识单元机组的协调控制系统。     

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.     

一类离散非线性不确定互联系统的模糊分散控制

对一类离散非线性不确定互联系统给出了模糊状态反馈分散控制设计的方法。设计中，首先采用模糊T—S模型对离散非线性不确定互联系统进行模糊建模，应用并行分布补偿算法(PDC)，给出分散反馈分散控制的设计。基于李亚普诺夫方法，给出了模糊闭环分散系统的稳定性分析。     

一类非线性系统的自适应模糊控制器设计及稳定性分析

首先建立一种动态T–S模糊子系统,用于估计非线性系统,然后设计一种稳定的参考模型,其前件与T–S模糊子系统相同.在此基础上,提出一种反馈控制器,其控制矩阵采用线性矩阵不等式（LMI）的方法进行求解,使得在数学模型已知的情况下,闭环系统渐近稳定.此外,为补偿和消除实际系统中常存在的参数不确定性和外部干扰的影响,进一步提出一种自适应模糊控制器,能够在保障系统性能的情况下,补偿参数不确定性,并去除外界干扰的影响.最后,采用李亚普诺夫合成法证明闭环系统的稳定性.仿真验证了该方法的有效性.     

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.     

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.