基于模糊树模型的非线性系统内模控制

本文提出一种基于模糊树模型的非线性系统的内模控制方法,该方法采用模糊树建立非线性系统的内部模型和逆模型.仿真结果表明模糊树方法建立的非线性系统内部模型和逆模型均具有较高的建模精度,所提内模控制方法对非线性系统具有较好的控制性能、较强的抗干扰能力和鲁棒性能.     

基于模糊模型的非线性内模控制策略研究

针对一类非线性动态过程提出了基于模糊模型的非线性内模控制算法(NFIMC)。NFIMC控制器包括逆模糊模型控制器和滤波器。过程的模糊模型和逆模糊模型均可由模糊辨识获得。CSTR的仿真结果表明:该算法可以对强非线性过程实现有效控制,并且具有结构简单、计算效率高等优点,有利于在线应用。     

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.     

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模型的自适应模糊广义预测控制

对一类非线性系统,利用一种基于模糊规则的快速模糊辨识方法建立起系统的T—S模型,并基于该模型应用局部递推最小二乘方法根据采样值对模型参数进行在线修正,根据系统动态线性化模型采取广义预测控制策略,从而实现了基于T—S模糊模型的非线性系统自适应模糊预潮控制。与以往的模糊广义预测控制算法相比,此方法简单,而且较大地减少计算量,适合于在线控制。通过仿真研究验证所提方法的有效性。     

基于逆系统的赖氨酸发酵多变量解耦内模控制

针对赖氨酸发酵过程的时变、非线性和高耦合性,提出基于逆系统的赖氨酸发酵多变量解耦内模控制方法。根据动态递归模糊神经网络(DRFNN)的非线性辨识原理离线建立发酵过程的逆模型,将得到的逆模型串联在发酵系统之前,实现了发酵过程输入输出解耦线性化,从而得到伪线性系统;对复合后的伪线性系统采用内模控制。仿真结果表明,该方法能够适应赖氨酸发酵过程模型的不确定性和参数的时变性,具有较强的鲁棒性,且结构简单,易于实现。     

非线性动态系统神经模糊建模与内模/PID双重控制系统设计

非线性动态系统的内模控制要求建立精确的对象正模型和逆模型,这对于大多数实际对象是难以做到.提出了基于一类神经模糊模型的非线性动态系统建模方法,并在此基础上研究了基于神经模糊模型的非线性系统的内模控制设计.基于输入输出数据辨识的对象正模型和逆模型存在着模型失配问题,导致神经模糊内模控制范围变窄和控制鲁棒性降低,为了改善系统的性能,提出了神经模糊内模控制与PID控制结合的双重控制策略.对CSTR的反应物浓度控制研究表明,双重控制策略能有效地拓宽系统可控范围,改善系统性能.仿真结果证明该控制策略简单而有效.     

非线性不确定系统的OS-LSSVMR内模控制

针对非线性、不确定性对象内模控制不易精确建模的问题,提出OS-LSSVMR(online-sparse-least-squares-support-vector-machines-regression)在线调整模型的内模控制方法.首先介绍一种具有在线建模和稀疏性解的OS-LSSVMR;再采用OS-LSSVMR建立内模控制的正向模型,对模型可逆并且唯一的非线性系统设计逆模控制器;在模型偏离被控对象时在线修正正逆模型.仿真表明,该方法对非线性不确定性系统具有较好的实时性、鲁棒性和在谮线校正功能.     

基于LS-SVM非线性内模控制在焊缝跟踪中的运用

针对单纯的模糊控制器在焊接机器人的焊缝跟踪中的控制精度欠佳、自适应性不强等问题,设计了一种新的用于焊缝跟踪的LS-SVM非线性内模控制器。通过样本数据建立系统固定的LS-SVM逆模型,与系统串联成精确的伪线性系统,对伪线性系统采用鲁棒性强的内模控制。仿真结果表明该方法具有很好的跟踪结果。     

一种线性化模糊内模自适应控制算法

针对非线性对象，提出一种线性化模糊内模自适应控制算法。该算法以一组模糊规则作为非线性对象内部模型，一条模糊规则表示一个局部线性系统；根据对象输入与输出测量值，利用TSK建模方法在线辨识局部模糊内部模型；同时依据辨识模型设计局部H2最优模糊控制规则，所有规则构成H2最优模糊控制器。仿真实验显示：该算法适用于非线性对象的控制，具有较好的鲁棒性和抗干扰能力。     

基于T-S模型的锌钡白干燥煅烧过程自适应神经模糊推理系统建模

针对锌钡白干燥煅烧过程建模难的问题，提出了一种基于T-S模型的自适应神经模糊推理系统(ANFIS)建模方法．通过对模糊辨识系统的结构辨识和参数辨识，使网络自主、迅速地收敛到要求的输入输出关系．文章讨论了该网络的结构和学习算法，并通过仿真研究得出其良好的实际应用价值．     

基于模糊观测器T-S模型和自适应模糊逻辑系统的一类非线性系统的H∞控制

针对一类非线性系统，把模糊T-S模型和自适应模糊逻辑系统两类模糊逻辑方式结合起来，提出了一种基于观测器的控制方案．首先，应用模糊T-S模型对非线性系统建模，设计观测器来观测系统状态；由线性矩阵不等式得到模糊模型的控制律．其次，应用自适应模糊逻辑系统作为补偿器来补偿建模误差．证明了闭环系统满足期望的性能．仿真结果表明了该方案的可行性．     

一种基于T-S模型的模糊预测控制

提出了一种基于T-S模型的模糊预测控制策略。T-S模糊模型用来描述对象的非线性动态特性,通过当前的工况参数实时在线的修正每一时刻的阶跃响应模型参数,将模糊模型作为常规线性预测控制DMC方法的预测模型,从而把T-S模型对复杂的非线性系统的良好描述特性和预测控制的滚动优化算法相结合,来实现利用常规线性预测控制策略对非线性系统的有效控制,有效地解决了复杂工业过程的强非线性问题。pH中和过程的仿真结果表明其性能明显优于传统的PID控制器。     

离散时间Petri网的模糊模型

离散时间Petri网是一种系统模拟和分析的有效工具，它可以结合图形和分析描述评估离散事件系统的动态执行．基于T—S模糊模型，提出用于描述离散时间Petri网的模糊模型，讨论该模型适应于TtPNs的情况，用以推广文章结论，并且给出用于TtPNs的线性模糊控制规则．同时，文章还给出TtPNs聚合的结论．     

Modeling of an inverted pendulum based on fuzzy clustering techniques

The inverted pendulum is a highly nonlinear and open loop unstable system. To develop an accurate model of the inverted pendulum, different linear and nonlinear methods of identification will be used. However one of the problems encountered during modeling is the collection of experimental data from the inverted pendulum system. Since the output data from the unstable system does not show enough information or dynamics of the system. This can be overcome by designing a feedback controller, which stabilize the system before identification can takes place. Recently Takagi–Sugeno (T–S) fuzzy modeling based on clustering techniques have shown great progress in identification of nonlinear systems. Hence in this paper, Takagi–Sugeno (T–S) model is proposed for an inverted pendulum based on fuzzy c-means, Gustafson–Kessel (G–K) and Gath–Geva clustering techniques. Simulation results show that Gustafson–Kessel (G–K) clustering technique produces satisfactory performance.     

用模糊模型在线辨识非线性系统

讨论用模糊方法实现非线性系统在线辨识问题.首先给出了简化的模糊规则表达 方法及其相应的自适应模糊推理,在此基础上给出了模糊模型参数在线辨识算法.最后对 非线性模型进行在线辨识,验证了本文提出的模糊模型及其在线辨识算法.     

面向语义信息查询的模糊本体模型

针对领域知识建模时的模糊性、不确定性与信息查询时的局限性,提出一种基于模糊控制规则的模糊本体模型。利用基于模糊聚类的本体机器学习方法构建模糊控制规则库,通过计算模糊相似矩阵得到模糊概念的语义关联,对词汇相关概念进行语义分析与扩展获取模糊概念间的本质语义关系,实现基于模糊概念属性值的信息查询与语义共用。实验结果表明,该模型在语义查询上有更完善的推理机制,能有效获取语义信息。     

Multiple fuzzy model-based temperature predictive control for HVAC systems

In this paper, a multiple model predictive control (MMPC) strategy based on Takagi–Sugeno (T–S) fuzzy models for temperature control of air-handling unit (AHU) in heating, ventilating, and air-conditioning (HVAC) systems is presented. The overall control system is constructed by a hierarchical two-level structure. The higher level is a fuzzy partition based on AHU operating range to schedule the fuzzy weights of local models in lower level, while the lower level is composed of a set of T–S models based on the relation of manipulated inputs and system outputs correspond to the higher level. Following this divide-and-conquer strategy, the complex nonlinear AHU system is divided into a set of T–S models through a fuzzy satisfactory clustering (FSC) methodology and the global system is a fuzzy integrated linear varying parameter (LPV) model. A hierarchical MMPC strategy is developed using parallel distribution compensation (PDC) method, in which different predictive controllers are designed for different T–S fuzzy rules and the global controller output is integrated by the local controller outputs through their fuzzy weights. Simulation and real process testing results show that the proposed MMPC approach is effective in HVAC system control applications.     

一种RVM模糊模型辨识方法及在故障预报中的应用

对复杂、病态、非线性动态系统进行故障预报的重点和难点是建立系统故障状况的数学模型, 通常难以建立精确的数学模型, 相比之下构建其模糊模型是一个有效途径. 本文研究了相关向量机(Relevance vector machine, RVM)与模糊推理系统(Fuzzy inference system, FIS)之间的内在联系, 证明了基于RVM的FIS具有一致逼近性, 并提出了一种基于RVM和梯度下降(Gradient descent, GD) 算法的模糊模型辨识方法. 基于所给出的模糊模型辨识方法提出了一种新的故障预报算法. 仿真结果表明所建立的模糊模型不仅结构更加简单, 而且能达到更高的预测精度, 所提出的故障预报算法能准确地预报系统故障.