基于T-S模糊模型的混沌系统脉冲控制

给出了一种基于T-S模糊模型的混沌系统模糊脉冲控制方法.首先给出了基于T-S模糊模型对非线性系统精确建模的原理,得到与混沌系统等价的T-S模糊系统.然后根据建模得到的T-S模糊系统,采用模糊脉冲控制技术来实现控制.最后,以控制Ndolschi混沌系统为例,证明了这种方法的有效性.     

基于T-S模型的体操机器人系统模糊变结构控制

针对体操机器人（Acrobot）这类非线性系统,给出一种基于T—S模型的模糊变结构控制律设计．首先采用T—S模型建模,得到Acrobot的全局模糊模型;然后基于Lyapunov理论设计出保证Acrobot全局渐近稳定的模糊变结构平衡控制器．仿真结果表明,所设计的模糊变结构控制器与普通变结构控制器相比．可使Acrobot系统在垂直向上平衡点附近具有更大的吸引域和更强的鲁棒性．     

一类非线性系统的模糊变结构控制

研究了一类非线性系统的模糊变结构控制问题，并给出了稳定性证明。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一种模糊变结构控制器，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T-S模型的Chua混沌系统模糊变结构控制

针对Chua混沌系统这一复杂的非线性系统给出一种基于T-S模型的模糊变结构控制律设计。首先采用T-S模糊动态模型描述非线性系统,得到混沌系统的全局模糊模型;然后采用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,将模糊控制与成熟的线性变结构控制相结合,来解决非线性系统控制问题。仿真验证了方案的有效性。模糊控制器简单,规则少。     

基于T-S模糊模型的滑模跟踪控制

基于T-S模糊模型设计跟踪控制器,它包括两个部分:权重最大子系统局部反馈控制和采用滑模控制设计的全局监督控制,能保证系统稳定.倒立摆跟踪控制结果证明了算法的有效性.     

基于遗传模拟退火的广义T-S模糊模型的混沌系统辨识

针对混沌系统辨识引入广义T-S模糊模型,使系统中隶属函数具有自适应性;并对T-S模糊模型前件模糊规则数、各加权值、隶属函数自适应参数进行遗传退火算法优化,使系统具有最佳结构和参数。以一维的Logistic系统和二维的Henon系统为例进行仿真分析,结果表明辨识模型能够拟合原混沌系统,收敛速度及精度良好。     

离散广义T-S模糊系统H_∞控制

研究一类离散广义T-S模糊控制系统的H∞控制器设计问题。首先,通过广义描述符方法,把离散广义T-S模糊控制系统整理为一个扩张的广义模糊系统,然后利用线性矩阵不等式(LMI)变换技术来完成离散广义T-S模糊系统H∞控制设计,给出了基于LMI的控制器设计条件以确保控制系统具有指定的H∞性能指标,在这些条件中对于增加的松弛矩阵变量的结构保守性更小。最后,一个具体的数值实例显示了所提出结果的有效性和较小的保守性。     

一种模糊滑模变结构控制方案及其在混沌系统控制中的应用

采用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模糊动态模型全局渐近稳 定的变结构控制器．应用到两类混沌系统的稳定控制中，验证了方案的有效性．模糊控制器 简单，规则少．     

基于模糊Lyapunov函数的离散模糊时滞系统H∞控制

研究一类离散Takagi-Sugeno（T-S）模糊时滞系统的稳定性分析和H∞控制器设计问题.通过构造适当的模糊Lyapunov函数,给出一种新型的基于线性矩阵不等式（LMI）的时滞相关稳定性充分条件,该条件比以往结果具有更小的保守性;在此基础上,提出了H∞模糊状态反馈控制器的设计方法.仿真结果表明了所提方法的有效性.     

混沌范德玻—杜芬系统的T—S模糊控制

针对混沌ADVP（范德玻—杜芬）系统,进行了T-S模糊建模和模糊控制器设计,实现了系统的稳定。在用T-S模糊模型精确重构系统结构的基础上,利用反馈同步思想和极点配置方法,基于并行分布补偿（PDC）技术,进行了控制器设计。整个设计过程只需在模糊模型基础上作极点配置,简化了计算,得到了简单且易实现的控制器。仿真表明,受控系统能够快速达到收敛,验证了方法的有效性。     

非线性系统基于T-S模型的广义预测控制

对一类非线性系统,采用一种快速的模糊辨识方法离线建立系统的T—S模型,在采样点处根据辨识模型进行动态线性化处理,进而采取广义预测控制策略,同时为了适应系统的不确定性和扰动引起的变化,进一步提高控制效果,提出以模糊补偿作为在线辅助修正的策略。仿真研究表明所提方法有效。     

T-S模糊神经网络应用于变参数系统的控制研究

针对基于模型的传统控制策略在线性时变系统中的应用受到系统的时变性和不确定性限制,通常难以获得理想的控制性能这一问题,提出了线性时变系统的一种变参数系统模型。该模型具有有界性和不确定性特点,利用模糊神经网络具有的自学习能力强、模型依赖性小以及鲁棒性强的优点,提出一种基于遗传算法的T-S模糊神经网络控制器对其进行控制研究,并通过仿真实验证明了该模糊神经网络控制器对变参数系统控制的可行性与有效性,为线性时变系统的控制问题提供了一种新思路。     

基于T-S模糊模型的采样系统鲁棒耗散控制

研究基于T-S (Takagi-Sugeno)模糊模型的采样控制系统鲁棒耗散控制问题. 利用2阶B-L (Bessel-Legendre)不等式和整个采样间隔 $\left[ {{t_k},{t_{k + 1}}} \right)$的特征信息, 提出一个基于B-L不等式的双边时间相关不连续L-K (Lyapunov-Krasovskii)泛函. 使用提出的L-K泛函和改进的自由矩阵不等式, 建立了确保系统严格($\mathcal{Q}$, $\mathcal{S}$, $\mathcal{R}$)-$\gamma$-耗散的充分条件. 基于所得耗散条件, 给出了T-S模糊采样控制器的设计方法, 并用于处理卡车拖车的控制问题. 仿真结果表明所提出的控制器设计方法非常有效.     

离散时间系统变结构控制基于衰减控制的趋近律

讨论了利用离散趋近律设计离散时间系统的变结构控制问题, 在衰减控制的基础上, 提出了衰减变速趋近律和衰减幂次趋近律. 理论分析和仿真结果表明, 本文所提的方法是有效的, 既保证了闭环系统的渐进稳定性, 又大大减少了系统的抖动现象.     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统,提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数,以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出,而不需要求解Diophantine方程,进而直接递推求解预测控制律,而不需要求解矩阵逆。仿真结果表明,该算法具有良好的跟踪性能和较强的鲁棒性。