基于遗传算法的广义T-S模糊模型预测函数控制

提出了一种基于遗传算法的广义T-S模糊模型预测函数控制算法。首先利用减法聚类确定隶属度函数中心和模糊规则数,然后利用遗传算法同时对广义T-S模型的其他前提参数和结论参数进行辨识,并进行全局寻优。最后将本文提出的算法应用在具有强非线性特性的pH中和过程中。仿真结果表明:本文算法具有较小的超调和较好的跟踪能力。     

时滞非线性T-S模糊马尔科夫跳变系统的滑模控制

针对时滞非线性T-S模糊马尔科夫跳变系统的滑模控制问题,设计了一个新的积分型滑模面函数,得到带有状态时滞和非线性项的等效控制律,消除了系统中的非线性项,并得到滑动模态渐近稳定的充分条件.利用李雅普诺夫理论设计T-S滑模控制律,使系统的状态轨迹在有限的时间内到达指定的滑动面.通过单连杆机械臂模型仿真实例验证了本文方法的有效性,所设计的滑模控制律可以使系统达到稳定状态.     

一类非线性系统基于滑模原理的模糊自适应控制

针对一灰非线怀系统，设计出了一各自适应控制方案，用模糊逻辑逼近非线性函数，滑模原理及李雅普诺夫函数设计出自适应控制器。然后，用模糊推理进行修正，以克服一般滑模控制具有的抖动现象，保证闭环系统的稳定性和跟踪误差收敛于零的某邻域内。     

非线性系统的直接自适应模糊Backstepping控制

研究了一类单输入单输出非线性系统的自适应跟踪问题,提出了一种直接自适应模糊Backstepping控制策略,与传统的Backstepping自适应控制方法相比,控制器的设计更为简单。通过理论分析,证明闭环系统是半全局一致终结有界的;跟踪误差收敛到一个小的残差集内.仿真结果表明了该方法的有效性。     

基于模糊关系的非线性系统辨识研究

分析了传统的利用神经网络进行非线性辨识的方法在系统有噪声数据时鲁棒性差且系统辨识结构不准确的问题，提出了一种基于模糊关系的系统辨识与建模方法。该方法将模糊控制与神经网络有机结合，在优化系统辨识结构的同时有效降低了噪声数据对系统的干扰。     

基于自适应模糊逻辑系统的一类非线性系统跟踪控制设计

针对一类未知的非线性系统,基于模糊逼近原理,进行了基于自适应模糊逻辑系统的跟踪控制器的设计,实现了该非线性系统对给定信号的跟踪.首先,通过对该非线性系统中未知函数的输入输出进行采样,根据采样数据信息设计出具有参数自适应功能的Mamdani型模糊逻辑系统.然后将设计好的自适应模糊逻辑系统引入到某些模糊控制器中,得到了模糊...     

基于遗传算法的非线性多变量系统模糊神经网络控制

针对一类非线性多变量系统的解耦控制，提出了采用基于模糊神经网络（FNN）的模型参考模糊控制结构，并且为了提高ENN的收敛速度采用了遗传算法。仿真结果表明了该种控制策略的有效性。     

一类多变量不确定非线性系统的自适应模糊监督控制

针对一类不确定非线性多变量系统,应用带有监督控制功能的间接型自适应模糊控制方法,在不要求被控系统增益矩阵可逆的条件下设计了自适应控制器.这种自适应控制器不仅能够保证闭环系统的所有信号有界,而且使跟踪误差收敛到原点的一个小领域内.仿真结果表明了该方法的有效性.     

一种非线性模糊自适应控制方法

利用模糊逻辑,提出了一种非线性模糊自适应控制方法,其特点是利用非线性系统的估计模型已知,存在模糊逻辑系统来描述误差模型及控制作用的条件来设计控制方案及自适应调节律,在模糊逻辑系统中参数都是任意可调的,并证明了在一定条件下,该控制器能跟踪所给定的有界信号。     

遗传算法在非线性系统辨识中的应用研究

系统辨识是控制系统设计的基础,对于非线性系统辨识,传统的辨识方法往往得不到全局优解,为此,提出了基于遗传算法的非线性系统辨识方法。遗传算法在解空间中多点寻优工作对象是参数编码集、不需要导数信息和其它辅助信息,用概率性规则指导搜索,国而具用强的鲁棒 和广泛的适应性。     

非线性系统的模糊建模方法研究

给出一种基于T-S模型进行非线性模糊建模的方法,该方法首先通过模糊聚类的方法进行模糊结构辨识,再利用带遗忘因子的递推最小二乘法对后件参数的辨识,从而得到模糊模型,通过利用Box和Jenkins煤气炉数据进行仿真,验证了所提方法的有效性.     

非线性系统模糊预测控制研究

研究了非线性系统模糊预测控制的结构原理和算法原理。推导了相应的模糊预测控制算法,提出了模糊模型的在线速推修正公式,并对典型的非线性系统模糊预测控制进行了仿真研究。研究结果表明,所提出的非线性系统模糊预测控制算法,具有软件实现简易、系统性能优良等优点。     

具有混沌机制的模糊神经网络非线性系统建模研究

针对常规的BP算法收敛速度慢及容易陷入局部极小的缺点,在该算法中引入具有混沌机制的非线性自反馈项,给出了混沌BP算法,并利用其训练和学习模糊神经网络中的权值,从而构成一种引入型模糊混沌神经网络;最后,用提出的引入型模糊混沌神经网络对非线性系统进行仿真研究,仿真结果表明,所设计的引入型模糊混沌神经具有与混沌动力学特性同样复杂的动态特性,其对非线性系统具有很好的建模能力.     

一类多变量非线性系统的自适应模糊控制

基于状态观测器,结合自适应模糊系统、H^∞控制和滑模控制,针对一类不确定非线性多变量系统,提出了一种稳定的自适应模糊控制算法。这种控制方法不需要系统状态可测的条件,而且具有良好的控制性能。     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

Fuzzy Sliding Mode Control of Nonlinear Spacecraft

0mcoTheslidingmodecontiDlethibitSasbogrobustnessagainstsystemmede1unceItaintiesandextemaldistur-bancet0rqUessothatithasbeenaPpliedt0tLhespacecrafathtudecontrol.ButthechatteringPhenomenonWhichisinherenttoaslidingmedec0ntrolisinevitabletobringfa-talinLIluenceonthesystem.T0av0idthechattering,anewapproachisrecendypresentedinpaPers[l],[2],whichfusesthemeritS0ffuzZycontrolandslidingmedecontrOl.ButthiskindoffuZZyslidingmedec0ntrolalgOrithm['~2JistoocomPlicatedtobeaPpliedtothespacecrafcontIDl…     

模糊状态模型的非线性系统稳定性分析

根据Ｔａｎａｋａ和Ｓｕｇｅｎｏ的模型，提出了一种非线性系统的稳定性分析方法。该方法根据模糊规则结论部分状态方程的稳定性，得到一种非线性系统稳定性的判断定理。定理的方便之处在于可用线性系统稳定性的结论对模糊模型表示的非线性系统进行稳定分析。