混沌系统的一种模糊变结构控制器设计

研究了Chua混沌系统的稳定控制问题。采用模糊动态模型逼近非线性混沌系统，将非线性混沌系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出，确保模糊动态模型全局渐近稳定的变结构控制器。仿真验证了方案的有效性，模糊控制器简单，规则少。     

采用模糊控制方法实现混沌同步

研究了混沌系统的同步问题。采用T-S模糊动态模型描述混沌系统，用Lyapunov稳定性理论设计出全局渐近稳定的模糊变结构同步控制器。应用到两Lorenz混沌系统的同步控制中，仿真验证了方案的有效性，模糊控制器结构简单，规则少，有实用价值。     

非线性系统基于T-S模型的H∞控制

将非线性系统用 T-S模糊动态模型描述 ,并将全局模糊系统模型表示成不确定系统形式 .采用鲁棒 H∞ 控制策略 ,设计出使全局模糊系统模型渐近稳定的控制器 ,并以一级倒立摆的模糊控制器设计实例 ,证明了方案的简洁有效     

非线性系统基于T-S模型的$H_\infty$控制

将非线性系统用 T-S模糊动态模型描述 ,并将全局模糊系统模型表示成不确定系统形式 .采用鲁棒 $H_\infty$ 控制策略 ,设计出使全局模糊系统模型渐近稳定的控制器 ,并以一级倒立摆的模糊控制器设计实例 ,证明了方案的简洁有效.     

基于T-S模型的Chua混沌系统同步

研究了Chua混沌系统的同步问题．采用T-S模糊动态模型描述Chua混沌系统，用Lyapunov稳定性理论设计出全局渐近稳定的模糊变结构同步控制器．仿真验证了方案的有效性，模糊控制器结构简单，规则少，有实用价值．     

非线性系统的两种H∞控制方案

研究非线性系统的H∞控制问题。用T S模糊动态模型描述非线性系统,首先将全局模糊系统表示成不确定系统形式。采用鲁棒H∞控制策略,设计出使全局模糊系统渐近稳定的控制器。然后采用并行分配补偿法设计出使模糊系统全局渐近稳定的H∞控制器。两种方案都是将模糊控制与现代鲁棒控制相结合来解决非线性问题,避免了偏微分方程的求解和一些假定条件。一级倒立摆的仿真实验,验证了两种方案的控制效果。     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

基于模糊动态模型的Chua混沌系统控制

研究了Chua混沌系统的稳定控制问题。采用模糊动态模型逼近非线性混沌系统 ,将非线性混沌系统模糊化为局部线性模型。采用隶属函数最大法设计控制器 ,克服了并行分配补偿法求解公共正定矩阵P的困难 ,用Lyapunov稳定性理论设计出确保模糊动态模型全局渐近稳定的新型控制器。仿真实验验证了方案的有效性。模糊控制器简单 ,规则少。此方案也可应用于其它类型的混沌系统中 ,有实际应用价值     

离散模糊系统的新型模糊控制器与观测器设计

基于T－S模糊动态模型，研究了一类在状态空间形式下，离散模糊系统的稳定监督控制器的设计与分析，将全局模糊型按隶属函数重新划分成若干子空间，采用分段Lyapunov函数法，克服了以往设计法中需要求解一公共正定矩阵P的不足，也无需求解繁琐的Riccati方程，并针对系统状态不可测的实际情况，设计了模糊观测器，从而用成熟的线性系统理论完成对复杂非线性系统的控制，模糊控制器与观测器设计简单，适合工程应用。     

非线性系统的模糊变结构控制及应用

采用T S模糊动态模型逼近非线性系统 ,将非线性系统模糊化为局部线性模型。用Lyapunov稳定性理论设计出确保T S模糊模型全局渐近稳定的变结构控制器。应用到Lorenz和Rossler两类混沌系统的稳定控制中 ,仿真验证了方案的有效性 ,不需要改变被控混沌系统的内部结构 ,且具有良好的稳定性。模糊控制器结构简单 ,规则少 ,有推广应用价值     

基于T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。     

非线性系统基于HM模型的变结构控制

对非线性系统的稳定控制问题进行了研究，基于HM模型对非线性系统进行描述，并将全局HM模型表示成含不确定项的形式，在满足匹配条件下，采用稳定性理论设计出确保HM模型全局渐近稳定的滑模变结构控制器，用一级倒立摆进行仿真验证，控制器结构简单，只用较少的模糊规则，就能得到满意的控制效果，成功地将变结构控制应用于非线性系统，有推广应用价值。     

基于多模型结构的非线性鲁棒自适应跟踪控制

针对复杂的非线性系统,提出一种基于多模型结构的鲁棒自适应控制方法,使得系统可以在不同的运行环境下跟踪给定的信号.由多个线性模型和一个模糊模型及其相应的控制器构成基本的多模型控制系统,再引入动态结构自适应神经网络以保证系统的稳定性及抑制由频繁切换引起的噪声.最后,对某小型飞机进行全包络飞行跟踪控制的仿真,验证所提控制方法是有效的.     

一类参数不确定性混沌系统的T-S模糊控制

针对一类参数不确定性混沌系统,首次提出利用区间矩阵理论描述其不确定性,进而用T-S模糊模型对其进行精确描述的新方法.在此T-S模糊模型的基础上,给出一种基于并行分布补偿(PDC)技术的状态反馈控制器设计方法,并用Lyapunov稳定性理论证明了闭环系统的鲁棒稳定性.该方法充分考虑了模糊子系统之间的相互作用.状态反馈控制器增益矩阵可以通过求解一组线性矩阵不等式(LMIs)获得.仿真结果验证了所提方法的有效性.     

基于无线传输的非线性网络控制系统的模糊控制

考虑控制器与被控对象之间采用无线传输,且被控对象为非线性模型的一类网络控制系统,对其设计了稳定的模糊控制器。首先基于T-S模糊模型将对象线性化,并利用模糊主导子系统和主导控制规则,简化了模糊控制器的设计。其次,将闭环控制系统方程等效为与无线传输跳数相关的离散切换系统,并证明了闭环系统的稳定性。最后,通过一个仿真例子验证了文中方法的有效性。

Abstract：

Considering a class of networked control systems using wireless transmission between the controller and the controlled object,and with nonlinear controlled object,the stable fuzzy controller was designed.Firstly,based on T-S fuzzy model,the object was linearized.And the design of the fuzzy controller was simplified by using the fuzzy dominant subsystem and the dominant control rule.Secondly,the equation of the closed-loop control system was equal to the discrete switched system related to the hop count of the wireless transmission.Finally,a simulation example was given to demonstrate the effectiveness of the proposed method.     

Determining hydrocarbon prospective zone using the combination of qualitative analysis and fuzzy logic method

Hydrocarbon prospective zone is a certain layer in a reservoir which is estimated producing oil. The geologists use the qualitative analysis method to find the prospect layers. The research used five variables modeled by three fuzzy membership functions and eight rules of fuzzy logic. The rules cause insensitiveness in the working system. This study therefore was conducted by modeling each of input variables into different models using 36 rules. It aims to determine the existence of hydrocarbon prospective zone through a qualitative analysis in a reservoir using fuzzy inference system with Mamdani method. The data were taken from well log data in reservoir “X”. There were some steps in doing this study, including fuzzification, inference system, and defuzzification. The result showed 99 prospect layers from 3000 layers in reservoir “X” with 97.7% of accuracy.