基于T-S模糊模型的Kawakami混沌系统的控制

研究了离散Kawakami混沌系统的模糊控制问题,利用单点模糊化、乘积推理和中心平均去模糊化模糊推理方法将Kawakami系统化为T-S模糊模型.在用T-S模糊模型重构了系统结构的基础上,利用反馈控制思想,借助于离散李亚普诺夫稳定性理论,给出了离散T-S模糊模型渐近稳定的充分条件,并设计出了相应的状态反馈控制器.利用线性矩阵不等式,进一步求出了模糊控制器的参数.仿真结果验证了该控制方法的有效性.     

一类非线性不确定时滞系统鲁棒控制器的设计

利用LMI方法,针对不确定时滞系统的鲁棒模糊控制器设计及稳定性,提出了基于T-S的模糊模型,得到了使系统渐近稳定且具有H∞-扰动抑制度的模糊状态反馈控制器存在的充分条件,此充分条件以线性矩阵不等式的形式给出,因而具有数值易解性.     

二型模糊系统降型算法综述

二型模糊系统降型过程的计算精度、计算时间和系统信息的损失会对整个二型模糊系统的性能产生很大地影响. 本文首先介绍了二型模糊集合的基本概念及二型模糊系统的计算过程,然后分别对区间二型模糊系统和广义二型模糊系统的降型算法的研究现状进行了详细综述,并对不同降型算法计算的复杂性进行了全面的分析和比较. 最后,总结了各类降型算法存在的问题,并给出了未来研究的展望. 指出,降型算法的计算成本仍是提升二型模糊系统性能的瓶颈,从理论上完善各种降型算法,通过数学方法解决其计算的复杂性问题,并将其应用于实时系统会是未来研究的重点.      

基于T-S模糊模型的非线性系统辨识

研究了非线性多变量系统的T-S模糊辨识问题．提出一种利用测得的输入输出数据来计算非线性动态模糊模型的方法．使用模糊聚类简化了T-S模糊规则及前提参数的生成，采用加权最小二乘算法得出结论参数．将该辨识器用于一类非线性系统的模糊辨识，并与模糊神经网络的辨识结果进行了比较，验证了所提方法的有效性．     

基于Simulink的单级倒立摆仿真对比

为了实现对单级倒立摆非线性不稳定系统的稳定控制,采用极点配置和模糊控制理论中的T-S模糊模型两种方法建立倒立摆系统的状态方程模型,并进行了状态反馈控制器和模糊控制器的设计.通过Simulink对倒立摆系统进行了建模仿真和对系统控制效果的分析,结果表明:这两种模型均解决了非线性系统问题,实现了对单级倒立摆的稳定控制,并且结构简单,稳定性和快速性很好,对于其它非线性不稳定系统的控制提供了一种有效的途径.     

三角模糊数的立方根及在模糊系统上的应用

以往的文献很少讨论模糊数的立方根表示和成员关系函数.模糊数的立方根能够用来解决模糊控制系统中的一些问题.本文新提出了一种三角模糊数的立方根代表值和隶属度函数.最后,作为一个数值示例,模糊数的立方根被应用到一个模糊系统例子中.     

基于模糊控制的车辆侧倾稳定性联合仿真

利用ADAMS/Car建立起车辆虚拟样机模型,通过试验验证了模型的正确性;在模糊控制方法的基础上,设计出横摆角速度反馈控制器和质心侧偏角反馈模糊控制器,以及两者联合反馈控制的模糊控制器;最后通过ADAMS/Car与MATLAB/Simulink联合仿真对这3种控制器进行研究.为车辆侧倾稳定性控制提供了一种有效的方法.     

区间中立型系统时滞依赖鲁棒稳定性的LMI方法

为了解决现有方法计算困难的问题,将LMI方法用于一类区间中立型系统的鲁棒稳定性分析．定义了一个新的Lyapunov-Krasovskii泛函,引入自由权矩阵表示Leibniz-Newton公式中各项相互关系,得到了线性矩阵不等式（LMIs）形式的时滞依赖鲁棒稳定判据．该判据将区间中立型系统的鲁棒稳定性问题转化为一类LMIs的可解问题,算例表明,所得结果提高了数值的边界,具有更小的保守性。     

区间矩阵多项式的Hurwitz与Schur鲁棒稳定性

由于N阶区间矩阵多项式的参数空间的维数最大可达2NK^2维，采用有限检验算法确定其Hurwitz与Schur性是很困难的。为了解决这一问题，本文提出的检验定理将李雅普诺夫函数与区间矩阵多项式的上下界联系起来，使区间矩阵多项式的Hurwitz与Schur稳定检验过程得以简化，为区间的向量微分方程系统与区间离散时滞系统的鲁棒稳定性判定提供了一种方法。     

基于减法聚类模糊神经网络高速公路混沌控制

研究了基于减法聚类的高速公路混沌系统模糊神经网络控制方法.提出通过数据挖掘技术建立交通流混沌控制器知识库的思想,设计了以密度、上游流量和最大李亚普诺夫指数作为输入,红灯时间作为输出的T-S模糊神经网络混沌控制器.采用减法聚类确定控制器结构提取模糊规则、控制器初始参数;应用模糊神经网络方法对控制器参数进行优化;结合遗传算法对聚类半径进行优化.仿真实验分析了该控制方法的控制效果,证明了该混沌控制方法的有效性.     

模糊广义系统的静态输出反馈控制

分析模糊广义系统的稳定性,利用模糊Lyapunov泛函方法,给出了一类T-S模糊广义系统的容许性条件,并利用静态输出反馈对该系统进行控制,通过求解严格的线性矩阵不等式,得到模糊广义系统可以通过输出反馈控制的充分条件,并保证闭环系统的容许性和满足一定的性能指标．通过数值仿真验证了结论的正确性以及分析方法的有效性．     

Robust Fuzzy Sampled-Data Control for Dynamic Positioning Ships

A robust H∞sampled-data stabilization problem for nonlinear dynamic positioning(DP) ships with Takagi-Sugeno(T-S) fuzzy models is discussed in this paper. Input delay approach is used to convert the sampleddata DP ship system to a fuzzy system with time-varying delay. Adequate conditions are derived to determine the system's asymptotical stability and achieve H∞performance via Lyapunov stability theorems. Then, the fuzzy sampled-data controller is obtained by analyzing the stabilization condition. Simulation result shows that the proposed method and the designed controller for a DP ship are effective so that the DP ship can maintain the desired position, heading and velocities in the existence of varying environment disturbances.     

基于多分辨率分析的区间类型2模糊系统

为了更有效地表达和处理系统的不确定性,提出了基于多分辨率分析的区间类型2(简称多分辨率区间类型2)模糊系统,构造了多分辨率区间类型2隶属度函数,并给出了基于尺度函数分解的结构和参数学习算法.多分辨率区间类型2模糊系统的前件是多分辨率隶属度函数,后件是输入的线性函数,因此系统可以自适应地划分输入论域空间,优化系统结构.将多分辨率区间类型2模糊系统应用于带有噪声的时间序列预测,预测结果的复杂度较小,均方根误差为0.105 2.     

不确定性时滞系统时滞相关鲁棒镇定

讨论了具有状态时滞的数值界不确定性线性系统的时滞相关鲁棒控制问题.将矩阵分解的思想应用于线性时滞系统的控制综合,利用Lyapunov-Krasovskii泛函方法,通过牛顿-莱布尼茨各项相互关系引入"0"阵,得到了系统的一种新的经过状态反馈控制后可鲁棒镇定的、基于LMI的、保守性较低的时滞相关条件.该方法既不需要对原系统进行模型变换,也不需要对交叉项进行界定.用算例说明了该方法的有效性.     

一类振荡电路的混沌及其控制

研究了一个振荡电路的混沌形成过程,并利用分岔图、Lyapunov指数图以及相图分析了该系统的混沌行为.利用分岔控制和x|x|控制等两种方法实现了系统的混沌控制,将系统的混沌行为有效地控制到稳热定的周期轨道.其中,在分岔控制方法下,对受控系统做出了控制参数的系统分岔图,由分岔图可以得到控制到np的周期轨道的取值范围,在这范围内适当选择数值,将电路系统控制到p-1,p-2,p-4,p-8等周期轨道.x|x|控制是对混沌动力系统增加一个具有分段二次函数x|x|形式的非线性反馈控制器.仿真结果表明,这两种方法对控制电路系统的可行性.     

基于模糊控制理论的船舶动力定位系统的研究

本文建立了船舶定位系统的数学模型,并设计了系统的模糊控制器。通过仿真得出如下结论:基于Takagi-Sugeno(T-S)模糊模型设计动力定位船舶控制器响应时间,上升时间短,超调率低,具有一定的抗干扰能力,有较强的鲁棒性,具有良好的控制品质。     

����ģ�����Ƶ����ܳ���������ʻ�����о�

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.