离散模糊系统分析与设计的模糊Lyapunov方法

研究离散T-S模糊控制系统基于模糊Lyapunov函数的稳定性分析及控制器设计问 题.首先,构造出离散型模糊Lyapunov函数,模糊Lyapunov函数是系数与T-S模糊系统的模糊 规则权重相对应的复合型Lyapunov函数.然后,得到了开环系统新的稳定性充分条件,与公共 Lyapunov方法的结果相比,这一条件更为宽松.进而,基于一系列线性矩阵不等式设计出模糊 控制器.最后,仿真实例说明了该方法的算法和本文条件的优越性.     

基于分段模糊Lyapunov函数的模糊系统稳定性分析和保性能设计

针对一类 Takagi-Sugeno (T-S) 连续模糊系统, 在分析模糊系统前提规则结构信息的基础上, 研究了其稳定性和保性能设计问题. 通过将模糊 Lyapunov 函数 (FLF) 和分段二次 Lyapunov 函数 (PQLF) 结合, 构造出分段模糊 Lyapunov 函数 (PFLF), 并提出了一种新的并行分配补偿 (PDC) 控制器. 基于 PFLF 方法, 得到了线性矩阵不等式 (LMI) 形式的模糊系统分析与设计的求解方法. 该方法继承了 FLF 与 PQLF 的优点. 仿真实例表明: 该方法所得稳定性判据更为宽松, 具有更好的保性能控制效果.     

模糊规则在线自调整算法及仿真研究*

在模糊规则的可修正因子的基础上,提出了一种在线自调整模糊控制器解析规则模糊控制器的改进结构,引入了能够动态调整模糊控制规则的修正函数;同时,通过遗传算法,应用该修正函数对模糊控制器控制参数进行优化。通过对一个典型的二阶系统进行仿真实验,结果表明使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点,改善了模糊控制系统的性能。     

基于分段模糊Lyapunov方法的离散模糊系统分析与设计

研究了基于分段模糊Lyapunov函数的离散T-S模糊控制系统稳定性分析及控制器设计问题．首先,在定义离散型分段模糊Lyapunov函数的基础上,提出了一个新的判定开环离散T-S模糊系统稳定性的充分条件．该条件仅需在每个最大交叠规则组内分别满足模糊Lyapunov方法中的条件,从而降低了公共Lyapunov方法和模糊Lyapunov方法的保守性和难度．然后,利用并行分布补偿方法对闭环系统的稳定性进行了分析并设计了模糊控制器．最后,一个仿真示例说明了本文方法的有效性和优越性．     

T-S模糊系统的稳定性分析与镇定控制器设计

应用广义模糊Lyapunov函数方法研究T-S模糊系统的稳定性与控制器设计问题.首先,将T-S模糊系统表示成模糊广义系统的形式;然后利用广义模糊Lyapunov函数得到模糊系统稳定的充分条件,并且给出基于线性矩阵不等式(LMI)的PDC控制器设计方法.该方法与已有的模糊Lyapunov函数方法相比,计算量小,并且表达成LMI形式,容易求解.最后,通过例子验证方法的优越性和有效性.     

新型Lyapunov函数方法的模糊控制器设计

研究了在新型Lyapunov方法下的带有不确定性的T—S模糊模型稳定性及控制器的设计,给出了输入为零时系统稳定的充分条件,并验证了该条件比常用李雅普诺夫函数具有更大的松弛性。基于新型李雅普诺夫函数,对带有不确定性模糊模型设计了线性矩阵不等式形式的模糊控制器,该方法不必知道某一时刻被激活的规则数,同时把一个公共矩阵的寻找分解为p个矩阵的寻找。仿真实验证明,通过应用改进的李雅普诺夫函数设计的模糊控制器,具有良好的鲁棒性,控制效果良好。     

前提不匹配的模糊时滞系统镇定条件的改进

本文研究了前提不匹配的Tagaki-Sugeno(T–S)模糊时滞系统的镇定问题.与一般的T–S模糊时滞系统相比,该系统中模糊模型与模糊控制器拥有不同的模糊规则数与不同的隶属度函数.基于Lyapunov稳定性理论,通过引进新型积分不等式,给出了包含隶属度函数信息的镇定条件.本文提出的新方法充分考虑了隶属度函数的信息,同时得到了Lyapunov函数导数的最小下界,因此新的镇定条件比以往结果具有更小的保守性.另一方面给出前提不匹配的控制器设计方法,由于模糊控制器的隶属度函数可以任意选取,因此提高了控制器设计的灵活性.最后仿真实例证明了本文方法的有效性及优越性.     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

基于线性T-S模糊系统的自适应系统的设计和稳定性分析

提出了一种新型的模糊自适应控制器.其中系统的未知函数由线性T-S模糊系统估计, 模糊规则的后件是线性可调的.因线性T-S模糊系统较之Mamdani模糊系统具有更好的估计性 能,我们可以获得更小的跟踪误差.由于采用李亚普诺夫合成方法来设计控制器,整个闭环系统 全局稳定,所有的信号有界.对倒立摆的仿真验证了这一点.     

高速公路入口匝道模糊控制器的设计

入口匝道控制是高速公路控制中的重要内容,但目前在高速公路中使用的入口匝道控制方法的效果均不理想.本文提出使用模糊控制方法进行入口匝道控制的思路,并根据入口匝道控制的原理和模糊控制系统的设计步骤对模糊控制器进行了设计.选用上、下游时间占有率、车速及排队长度等五个模糊量为输入量,根据实际情况分别采用三角形和梯形隶属度函数,建立了包含12条模糊控制规则的规则库,并使用MATLAB工具进行系统仿真.结果表明该控制器用在高速公路入口匝道控制中具有良好的效果.     

一种基于聚类的超闭球模糊神经网络

针对一类不确定非线性多输入多输出复杂系统,根据系统的输入输出数据对,提出一种基于聚类的超闭球模糊神经网络系统．该系统通过改进的模糊聚类方法（FCM）确定模糊规则数,采用高维隶属度函数取代常规的单维隶属度函数,并对隶属度函数中心值和隶属度函数参数采用一步通过算法,所提方法可降低系统的模糊规则数,简化网络计算．此外,当系统的输入输出发生变化时,可实现模糊规则库的在线修改．仿真实例验证了所提方法的有效性．     

Fuzzy modelling via on-line support vector machines

This article introduces an approach to identify unknown nonlinear systems by fuzzy rules and support vector machines (SVMs). Structure identification is realised by an on-line SVM technique, the fuzzy rules are generated automatically. Time-varying learning rates are applied for updating the membership functions of the fuzzy rules. Finally, the upper bounds of the modelling errors are proven.     

Reducing the conservatism of LMI-based stabilisation conditions for TS fuzzy systems using fuzzy Lyapunov functions

In this article, the fuzzy Lyapunov function approach is considered for stabilising continuous-time Takagi-Sugeno fuzzy systems. Previous linear matrix inequality (LMI) stability conditions are relaxed by exploring further the properties of the time derivatives of premise membership functions and by introducing slack LMI variables into the problem formulation. The relaxation conditions given can also be used with a class of fuzzy Lyapunov functions which also depends on the membership function first-order time-derivative. The stability results are thus extended to systems with large number of rules under membership function order relations and used to design parallel-distributed compensation (PDC) fuzzy controllers which are also solved in terms of LMIs. Numerical examples illustrate the efficiency of the new stabilising conditions presented.     

A Genetic Approach for Simultaneous Design of Membership Functions and Fuzzy Control Rules

Based on the genetic algorithm (GA), an approach is proposed for simultaneous design of membership functions and fuzzy control rules since these two components are interdependent in designing a fuzzy logic controller (FLC). With triangular membership functions, the left and right widths of these functions, the locations of their peaks, and the fuzzy control rules corresponding to every possible combination of input linguistic variables are chosen as parameters to be optimized. By using a proportional scaling method, these parameters are then transformed into real-coded chromosomes, over which the offspring are generated by rank-based reproduction, convex crossover, and nonuniform mutation. Meanwhile, the concept of enlarged sampling space is used to expedite the convergence of the evolutionary process. To show the feasibility and validity of the proposed method, a cart-centering example will be given. The simulation results will show that the designed FLC can drive the cart system from any given initial state to the desired final state even when the cart mass varies within a wide range.     

一种基于粗糙—模糊集理论的知识获取方法

该文提出了一种基于粗糙-模糊集理论的知识获取方法,该方法将粗糙集理论与模糊集理论相结合,先利用模糊集理论对决策表的连续属性进行模糊化,通过构建模糊相似矩阵进而划分论域;再利用粗糙模糊集理论进行属性约简,从而获取决策规则。最后,通过实例验证了该方法的有效性和实用性。     

一种基于遗传算法的模糊关联规则挖掘方法

文中提出了一种基于遗传算法的生成隶属度函数的方法,该方法通过遗传算法对初始种群进行优化,获得一个适应度较高的隶属度函数编码,然后再根据机场噪声数据的实际标准对优化后得到的隶属度函数进行修正,进而得到梯形分布的隶属度函数编码.最后通过得到的隶属度函数对数据进行模糊化,并采用FP-trees算法生成模糊关联规则.该文针对数量型属性提出了这种方法,它的优点是能够使通过遗传算法得到的较优的隶属度函数更加适用于实际的数据集.     

Genetic synthesis of a fuzzy pulse discriminator in electrical discharge machining

In this paper, a sensor system, called a fuzzy pulse discriminator, is developed to classify various discharge pulses in electrical discharge machining (EDM). The fuzzy rules of the pulse discriminator are obtained based on the features of the gap voltage and gap current between the tool workpiece. The membership functions of the fuzzy pulse discriminator are automatically synthesized by using genetic algorithms. The effectiveness of this approach is verified under different cutting parameters.     

Obstacle Avoidance Using the Human Operator Experience for a Mobile Robot

In this paper, a neuro-fuzzy technique has been used to steer a mobile robot. The neuro-fuzzy approach provides a good way to capture the information given by a human. In this manner, it has been possible to obtain the rules and membership functions automatically whereas a fuzzy approach needs to make a prior definition of the rules and membership functions. In order to apply the neuro-fuzzy strategy, two mobile robots have been developed. However, in this paper only the smallest one has been considered. Similar results are obtained for the biggest one. The results of the approach are satisfactory, avoiding the obstacles when the mobile robot is steered to the target.     

一种用模糊－神经技术建造专家系统的方法

本文提出了一种用模糊－神经技术建造专家系统的方法（ＦＮＴ方法）。从领域专家处获取的知识是以模糊规则和隶属函数的形式表示的。根据本文提出的方法，首先将模糊规则和隶属函数用神经网络表示出来（导入）；生成的神经网络用于实现模糊推理，然后利用修改的反传算法训练神经网络，从而提高系统的精度，修改隶属函数，求精模糊规则；最后从神经网络中提取隶属函数和模糊规则（导出），帮助解释神经网络的内部表示和操作。利用本文所提出的方法建造的系统可实现快速的无匹配模糊推理，并具有较强的学习能力。