基于模糊分类的模糊神经网络辨识方法及应用

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)，给出了网络的连接结构和学习算法。基于竞争学习算法的模糊分类器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。利用卡尔曼滤波算法在线辨识删的后件参数。AFNN结构简洁，逼近能力强，能够显著提高辨识精度，并且在线辨识的模糊模型简单有效。将该AFNN用于非线性系统的模糊辨识和化工过程连续搅拌反应器(CSTR)的建模中，仿真结果验证了该方法的有效性，表明该网络能够实现复杂非线性系统的建模，而且建模精度高、收敛速度快。可当作复杂系统建模的一种有效手段。     

蚁群聚类算法的T-S模糊模型辨识

基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。     

基于在线聚类的模糊建模方法及其应用

针对复杂非线性动态系统的模糊建模问题,提出了一种基于在线聚类的模糊建模方法。该方法首先采用在线聚类算法辨识T-S模型的前提参数,然后采用递推最小二乘算法辨识结论参数。根据系统过程中新的数据信息,模糊规则可以自动增加、修改和删除,实现了模型结构和参数的在线辨识和更新。最后将提出的方法应用于Box-Jenkin煤气炉建模和二自由度机器人建模两个例子。仿真结果表明,基于该方法辨识的T-S模糊模型具有很高的精度,而且模型结构简单、建模速度快,便于工程应用。     

T-S模糊模型在跳汰机排料系统中的应用

针对常规的PID控制难以解决实际工业系统的时滞性、非线性等问题,文章提出了一种基于T-S模糊模型的跳汰机排料系统的设计方案,介绍了跳汰机自动排料控制系统的组成,分析了T-S模糊模型辨识原理,详细阐述了基于T-S模糊模型的跳汰机排料系统的建模及仿真。实验结果表明,T-S模糊模型能够比较精确地反映出被控系统中输入与输出之间的关系,也证明了T-S模糊模型可用于非线性控制系统的建模仿真,是现代控制理论与非线性控制系统之间进行沟通的有力工具。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

软腔体柔性机械臂的T-S模糊建模方法的研究

提出一种利用T-S模糊模型的柔性机械臂建模方法;柔性机械臂是一个高度复杂、高度非线性、高度耦合的非线性时变系统,而模糊模型本质上是一种非线性模型,可以任意精度逼近任何非线性系统;利用减法聚类算法离线辨识了T-S模型的前件参数,同时利用最小二乘法求得了T-S模型的后件参数;最后将模型的仿真结果和实验结果进行了对比分析,验证了模型的准确性;由此表明,柔性机械臂T-S模糊建模方法是有效的,它具有模糊模型的特点,可以任意精度逼近任何非线性系统,为柔性机械臂的模糊建模和下一步研究提供了理论指导及重要的前提条件.     

基于模糊模型的CMP过程智能R2R预测控制方法

针对化学机械研磨(CMP)过程非线性、时变和产品质量不易在线测量的特性,提出了一种基于T-S模糊模型的CMP过程智能run-to-run(R2R)预测控制器FIPR2R;通过G-K聚类算法和最小二乘法对CMP过程的T-S模糊预测模型离线辨识,解决了复杂CMP过程难以建立精确数学模型的难题和提高了模型预测精度;通过双指数加权移动平均(dEWMA)中对过程扰动及漂移进行估计的方法实现反馈校正和基于克隆选择算法的滚动优化求取最优控制律,提高了控制精度;性能分析结果表明,FIPR2R控制器的控制性能优于dEWMA方法,有效抑制了过程扰动和漂移的影响。     

基于蚁群聚类算法的非线性系统辨识

基于T-S模型提出一种非线性系统的模型辨识方法.利用蚁群聚类算法进行结构辨识,确定系统的模糊空间和模糊规则数.在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现了参数辨识.仿真结果验证了所提出方法的有效性,表明该方法能够实现非线性系统的辨识,而且辨识精度较高.     

PEMFC的模糊辨识和非线性预测控制

质子交换膜燃料电池(PEMFC)是21世纪最有前景的发电技术之一。该文针对PEMFC等一类具有严重非线性的复杂被控对象,提出一种基于模糊模型的非线性预测控制算法对PEMFC系统进行建模与控制。在建模与控制过程中,采用模糊聚类和线性辨识方法在线建立PEMFC控制系统的T-S模糊预测模型,然后基于分支定界法的基本原理对控制量进行离散寻优,从而实现PEMFC的非线性预测控制。仿真和实验结果证明了该算法的有效性和优越性。     

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。     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

Chattering-free fuzzy variable structure control for multivariable nonlinear systems

In this paper, a fuzzy logic controller (FLC) based variable structure control (VSC) with guaranteed stability for multivariable systems is presented. It is aimed at obtaining an improved performance of nonlinear multivariable systems. The main contribution of this work is firstly developing a generic matrix formulation of the FLC-VSC algorithm for nonlinear multivariable systems, with a special attention to non-zero final state. Secondly, ensuring the global stability of the controlled system. The multivariable nonlinear system is represented by T-S fuzzy model. The identification of the T-S model parameters has been improved using the well known weighting parameters approach to optimize local and global approximation and modeling capability of T-S fuzzy model. The main problem encountered is that T-S identification method cannot be applied when the membership functions (MFs) are overlapped by pairs. This in turn restricts the application of the T-S method because this type of membership function has been widely used in control applications. In order to overcome the chattering problem a switching function is added as an additional fuzzy variable and will be introduced in the premise part of the fuzzy rules together with the state variables. A two-link robot system and a mixing thermal system are chosen to evaluate the robustness, effectiveness, accuracy and remarkable performance of proposed FLC-VSC method.     

基于T-S模糊模型的转台鲁棒最优控制器设计

针对飞行器仿真转台系统的非线性以及不确定性问题,提出了基于T-S模糊模型的鲁棒最优控制器设计方法.首先,利用IF-THEN模糊规则将转台速度环系统的状态空间分成不同的区域,构建具有参数不确定性的T-S模糊模型;然后,根据给定的最优性能指标要求以及控制输入约束,通过求解一组线性矩阵不等式(LMIs)进行鲁棒最优控制嚣设计.仿真结果表明,该方法不仅具有比较好的控制效果,而且能有效地解决控制输入约束问题,并能很好地保证对参数变化的鲁棒稳定性.     

Convenient T-S fuzzy model with enhanced performance using a novel swarm intelligent fuzzy clustering technique

To automatically extract T-S fuzzy models with enhanced performance from data is an interesting and important issue for fuzzy system modeling. In this paper, a novel methodology is proposed for this issue based on a three-step procedure. Firstly, the idea of variable length genotypes is introduced to the artificial bee colony (ABC) algorithm to derive a so-called Variable string length Artificial Bee Colony (VABC) algorithm. The VABC algorithm can be used to solve a kind of optimization problems where the length of the optimal solutions is not known as a priori. Secondly, fuzzy clustering without knowing cluster number as a priori is viewed as such kind of optimization problem. Thus, a novel version of Fuzzy C-Means clustering technique (VABC-FCM), holding powerful global search ability, is proposed based on the VABC algorithm. Use of VABC allows the encoding of variable cluster number. This makes VABC-FCM not require a priori specification of the cluster number. Finally, the proposed VABC-FCM algorithm is used to extract T-S fuzzy model from data. Such VABC-FCM based convenient T-S fuzzy model extraction methodology does not require a specification of rule number as a priori. Some artificial data sets are applied to validate the performance of the convenient T-S fuzzy model. The experimental results show that the proposed convenient T-S fuzzy model has low approximation error and high prediction accuracy with appreciate rule number. Moreover, the convenient T-S fuzzy model is used to model the characteristics of superheated steam temperature in power plant, and the results suggest the powerful performance of the proposed method.     

基于移动率的T-S模糊模型的结构辨识方法

为了提高现行模糊辨识方法的有效性,提出了基于移动率的T-S模糊模型的结构辫识方法。主要工作如下: 首先,定义I=S模糊模型的S型、Z型和梯形隶属函数的移动率,将此移动率与现行的隶属度相比较可以看出,提出的 方法比较有效;然后,定义基于移动率的T-S模糊推理方法,并且提出基于移动率的前提和结论部分的子S模型的辫 识方法;最后,将提出的识别方法应用于降水量和安全形势的预测模糊建模。测试结果表明,与现行方法和模糊神经 网络算法相比,该方法明显提高了模糊辨识的有效性,减少了规则数目,并降低了辫识误差。     

基于T-S模糊模型的非线性预测控制策略

提出了一种新的基于T-S模糊模型的非线性预测控制策略. T-S模糊模型用于描述对象的非线性动态特性, 通过将模糊模型的输出反馈回来作为模型输入, 从而构成了模糊多步预报器. 由于T-S模糊模型每条规则的结论部分是一个线性模型, 因此整个模糊模型可以看作一个线性时变系统, 从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题, 以方便求解. pH中和过程的仿真结果表明其性能优于传统的动态矩阵控制器.     

Output tracking control of MIMO fuzzy nonlinear systems using variable structure control approach

The output tracking control problem for nonlinear systems in the presence of both parameter perturbations and external disturbances is studied. Our approach is based on the Takagi-Sugeno (T-S) fuzzy modeling method and a variable structure control (VSC) technique. Therefore, the systems considered are not and need not be in the triangular and parametric strict-feedback form, which are prevalent among adaptive model following control for nonlinear systems, or in the normal form, which pervades almost all existing results in neuro-fuzzy model following control approach. We first study the problem of stabilization of T-S fuzzy systems by using a VSC technique. A method for the design of a switching surface based on linear matrix inequalities is developed and a stabilizing controller based on a reaching law concept in the presence of both parameter perturbations and external disturbances is proposed. Then, the method is extended to design controllers for output tracking of T-S fuzzy nonlinear systems in two cases, i.e. systems which possess the so-called strong passive subsystems and strong stable zero dynamics, respectively. Finally, illustrative examples are presented to demonstrate the whole design procedure from the original nonlinear systems to their fuzzification and finally to the realization of the desired controllers. Simulation results show that the goal of output tracking can be achieved by the proposed controllers.     

自适应翼肋的建模与分布式协调控制

针对分布式驱动的自适应翼肋进行建模与分布式协调控制研究。基于分析力学的方法建立了自适应翼肋的动力学模型。以这个非线性关联动力学模型为基础,采用Takagi—Sugeno（T—S）模糊逼近理论,建立了自适应翼肋的仿射型T—S模糊关联模型。对仿射型T—S模糊关联模型的物理耦合项进行变换,将系统模型写成空间关联系统的形式,以解耦控制器设计条件。基于并行分配补偿理论,针对系统模型具有耦合项和非零常数项的特点,设计了满足鲁棒性能指标的包含耦合项和偏置项的分布式协调控制器。控制器设计条件具有线性矩阵不等式的形式,并且只包含单个驱动单元的参数,计算量较小。仿真结果表明所设计的自适应翼肋分布式协调控制器,能够在外界扰动作用下使翼肋的形状收敛到期望翼型;翼肋在变形过程中能保持光滑连续的外形。     

基于模糊模型和神经网络的多时滞不确定非线性系统的鲁棒H∞控制

针对一类具有多时滞的不确定非线性系统,提出了一种基于模糊模型和神经网络的组 合控制方法.利用具有多时滞的模糊T-S模型对系统进行近似建模并给出基于线性矩阵不等式 (LMI)的模糊H∞控制律.提出完全自适应RBF神经网络控制方法,通过在线自适应调整RBF 神经网络的权重、函数中心和宽度,来对消系统的未知不确定性和模糊建模误差的影响,不要求 系统的不确定项和模糊建模误差满足任何匹配条件或约束,并证明了闭环系统的稳定性.最后, 将所提出的方法应用到一具有多时滞的非线性混沌系统,仿真结果表明了该方法的有效性.