区间二型模糊系统动态输出反馈控制设计

本文研究了一类连续时间区间二型模糊系统的稳定性和广义耗散性能分析以及动态输出反馈控制器设计问题.首先,简要的介绍了区间二型模糊系统和线积分Lyapunov函数.然后,利用线积分Lyapunov函数方法,建立了使系统满足渐近稳定和广义耗散性能的充分条件.与二次型Lyapunov函数方法得到的条件相比,利用线积分Lyapunov函数方法得到的充分条件保守性更小.该充分条件关于一些矩阵变量是非线性的,利用Finsler引理将其转化为线性矩阵不等式形式,得到了输出反馈控制器存在的充分条件.最后,通过数值算例验证了设计方法的有效性.

离散时间区间二型模糊不确定奇异时滞系统的耗散性分析

研究了一类具有时变时滞的离散时间区间二型模糊不确定奇异系统的耗散性问题。首先,考虑到隶属度函数的不确定性,利用区间二型模糊系统模型对非线性奇异系统进行建模;其次,基于Lyapunov稳定性理论,利用Jensen不等式方法处理二重差分求和项,得到了保守性较小的离散时间区间二型模糊奇异时滞系统的耗散性的充分条件,并将这一条件进一步推广到离散时间区间二型模糊不确定奇异时滞系统;最后,通过数值仿真算例验证了所得结果的有效性和正确性。

基于区间二型模糊逻辑系统的非线性大系统模糊自适应分散控制

针对一类状态可测的非线性大系统,提出了基于二型模糊逻辑系统的模糊自适应分散控制方法。在设计中,应用二型模糊逻辑系统逼近系统中的未知函数,结合模糊自适应和非线性分散控制设计理论,给出了一种新的二型模糊自适应分散控制方法,基于李亚普诺夫函数方法证明了整个闭环系统的稳定性,而且取得很好的控制跟踪性能。仿真实例进一步验证了所提方法的有效性。

二氧化氮浓度时空预测:一种区间二型直觉模糊神经网络方法

空气中二氧化氮浓度的高低对环境保护和公共健康具有重要影响。目前二氧化氮浓度预测方法在表征时空关联性方面存在不足。鉴于此,提出了新的使用区间二型直觉模糊神经网络时空预测二氧化氮浓度的方法。首先,阐述了该区间二型直觉模糊神经网络框架,引入可变系数加权其隶属部分和非隶属部分的输出,并采用随机向量泛函链接神经网络作为规则后件;然后,为确定网络结构和参数,采用分层聚类算法得到模糊规则库,并通过最小二乘法优化网络后件的输出权值;最后,使用2018年1月至3月采集的北京市二氧化氮浓度真实数据进行数值验证。实验结果表明,与现有方法相比,该方法在短期和长期时空预测方面均取得了较高的预测精度和效率。

基于区间二型模糊集合的语言动力系统稳定性

运用区间二型模糊集合(Interval type-2 fuzzy sets,IT2FSs)的扩展原理将常规的数值函数转化为对应的区间二型模糊函数,并给出了相应的词计算(Computing with words,CW)方法与算法,最后分析了严格单调情况下基于区间二型模糊集合的单输入单输出系统的语言动力系统(Linguistic dynamic systems,LDS)稳定性.

基于区间二型模糊逻辑系统的非线性大系统模糊自适应输出反馈分散控制

针对一类状态不可测的非线性大系统,首先设计一种误差观测器,然后设计一种自适应输出反馈模糊控制器。在设计中,应用二型模糊逻辑系统逼近系统中的未知函数,结合模糊自适应和非线性分散控制设计理论,给出了一种新的二型模糊自适应分散控制方法,基于李亚普诺夫函数方法证明了整个闭环系统的稳定性,而且取得很好的控制跟踪性能。仿真实例进一步验证了所提方法的有效性。

永磁直线电机自适应区间二型模糊滑模控制

针对永磁直线同步电机伺服系统受到系统参数变化、负载扰动而降低其性能的问题,考虑端部效应以及摩擦力的存在,提出一种自适应区间二型模糊滑模控制方法.采用自适应区间二型模糊系统逼近滑模控制等效控制部分,把传统的一型模糊系统扩展到区间二型模糊系统,提高系统面临参数变化、不确定性扰动时的处理能力.基于Lyapunov函数设计切换项增益调整的自适应律,保证系统的稳定性.仿真结果表明,该方法提高了系统的鲁棒性,有效地削弱了系统的抖振.

自组织递归区间二型模糊神经网络在动态时变系统辨识中的应用

针对动态时变系统辨识过程中存在噪声干扰的问题,本文将区间二型模糊集结合到递归神经网络中,提出了自组织递归区间二型模糊神经网络以增强动态时变系统的抗噪能力。该自组织递归区间二型模糊神经网络由前件和后件两部分构成:前件为区间二型模糊集模型,用于将每个规则的激活强度反馈到自身构成内反馈回路,其参数学习采用梯度下降算法;后件为带有区间权值的Takagi-Sugeno-Kang(TSK)模型,其参数学习采用有序规则卡尔曼滤波算法,且网络初始规则数为零。所有规则均通过结构学习和前后件参数同时在线学习来产生,其网络结构学习采用的是在线区间二型模糊群集。为验证提出的神经网络的优越性,将其应用到单输入单输出动态时变系统的辨识中。实验结果表明,相对于前馈一型/二型模糊神经网络、递归一型模糊神经网络,该神经网络的辨识能力强,即使在存在白噪声的条件下,也能减小测试及训练误差。

自组织区间二型模糊神经网络及其自适应学习算法

针对复杂不确定非线性系统的辨识问题,提出一种基于聚类的自组织区间二型模糊神经网络学习算法.首先采用具有两个不同加权参数的FCM算法对输入数据进行划分来获取规则前件的不确定均值,同时结合聚类有效性标准确定模糊规则数目,从而自动完成神经网络的结构辨识和规则前件参数辨识;随后给出了基于梯度下降法和Lyapunov函数稳定收敛定理的规则后件权向量学习速率的自适应学习算法.通过非线性系统辨识实例,验证了该算法与其他方法相比具有更快的收敛速度和更高的逼近精度;并且利用该算法建立了某市电力短期负荷预测模型,结果表明该模型具有较高的预测精度,泛化性能更佳.

基于自适应区间二型模糊聚类的遥感土地覆盖自动分类

遥感影像土地覆盖分类面临"类别密度差异显著"、"同谱异物"和"同物异谱"等不确定性问题,传统的分类方法(如FCM)因不能描述高阶模糊不确定性,无法完成准确建模,使分类误差较大,而二型模糊集恰是处理此类不确定性的有效工具.在引入二型模糊集新概念和自适应降型新方法的基础上,提出一种自适应二型模糊分类方法(A-IT2FCM):(1)基于样本集模糊距离度量构建面向分类的区间二型模糊集,以尽可能降低对先验知识和预设参数的依赖,从而满足自动分类的要求;(2)给出一种自适应探求等价一型代表(模糊)集合的高效降型方法,在此基础上进行自适应区间二型模糊聚类.实验数据为珠海横琴和北京颐和园的SPOT5影像数据,对比方法有AIT2FCM、基于Karnik-Mendel算法降型和基于Tizhoosh提出的简易降型方法的区间二型模糊C均值聚类以及作者前期研究提出的区间值模糊C-均值算法(IV-FCM).实验结果表明,A-IT2FCM方法分类效果佳,在类别具有较大密度差异和多重模糊性时能得到比FCM及IV-FCM更精确的边界和更连贯的类别,适于处理遥感影像土地覆盖类别的深层不确定性;同时在"光谱混叠"现象严重时,可以获得比对比方法更稳健、精度更高的影像自动分类结果,且时间复杂度明显低于基于Karnik-Mendel方法.

基于加权Karnik-Mendel算法的区间二型模糊逻辑系统降型

二型模糊逻辑系统是当前的学术研究的热点问题,而降型是该系统中非常重要的一个模块.Kamik-Mendel(KM)算法是被用来计算和完成区间二型模糊逻辑系统降型的标准算法.通过比较离散版本KM算法中求和运算和连续版本的KM(continuous version ofKM,CKM)算法中求积分运算,本文利用数值积分技术中牛顿-柯斯特求积公式将标准KM算法扩展成3种不同形式的加权KM(weighted KM,WKM)算法.而KM算法只是WKM算法中的一种特殊情况.3个计算机仿真例子用来阐述和分析WKM算法的表现,与传统的KM算法相比,WKM算法有较小的绝对误差和较快的收敛速度,给二型模糊逻辑系统设计者和应用者提供了潜在的应用价值.

四旋翼微型飞行器的区间二型模糊神经网络自适应控制

针对四旋翼微型飞行器控制系统中存在不确定性、外界干扰等影响控制精度的问题,提出了基于区间二型模糊神经网络(IT_IIFNN)的四旋翼微型飞行器自适应控制方案。首先,根据四旋翼微型飞行器的动力学模型,设计了基于IT_IIFNN的四旋翼微型飞行器自适应控制器,该控制器由两部分构成,其中IT_IIFNN用来在线逼近系统不确定性;鲁棒补偿器用来实时补偿IT_IIFNN的逼近误差以及外界干扰。其次,利用Lyapunov稳定理论证明此飞行器控制系统闭环稳定性。最后,通过四旋翼微型飞行器样机来验证IT_IIFNN自适应控制器的优越性。验证结果显示,在加入风速为1.5m/s的外界干扰条件下,跟踪误差可近似达到10-2。结果表明,IT_IIFNN自适应控制器具有良好的跟踪精度、稳定性及鲁棒性。

可重复使用飞行器再入姿态的区间二型自适应模糊滑模控制设计

针对具有强非线性、多变量耦合特性的可重复使用飞行器(RLV),同时考虑模型参数不确定性和外界干扰对飞行器再入姿态跟踪的影响,提出了一种基于区间二型自适应模糊滑模的姿态控制方法。首先,建立飞行器再入动态模型,并基于反步思想将控制模型转化为姿态角和角速率相关子系统。其次,将模型参数不确定性和外界干扰视作子系统非线性项的一部分。再次,采用区间二型模糊系统逼近子系统非线性项,并结合自适应技术和滑模控制方法分别设计虚拟控制量和实际控制量。此外,引入一阶低通滤波器用以处理子系统虚拟控制律。通过Lyapunov方法的分析证明了闭环控制系统的稳定性,且飞行器姿态跟踪误差可收敛于原点附近的小邻域。最后,利用飞行器的数值仿真验证了所设计控制方法能有效跟踪飞行器参考指令,且对外界干扰有较强的鲁棒性。

区间二型随机模糊系统的稳定性分析和控制设计

本文主要研究了一类基于T-S模型的区间二型随机模糊系统的稳定性问题.旨在设计一个状态反馈控制器,使得闭环系统随机渐近稳定.利用随机李雅普诺夫方法,建立了系统随机稳定的充分条件.利用区间二型模糊集合隶属函数的特性,引入松弛矩阵,得到一个保守性更好的稳定性结果.最后通过两个仿真例子,验证了所设计方法优势和有效性.

基于区间二型模糊TOPSIS的风储联合发电系统协同决策研究

基于风电―储能协同角度,从复杂系统维、运营节点维、主体能效维和外部环境维对风储联合发电系统的协同影响因素进行梳理和分析,形成风储联合发电系统协同评价指标体系。鉴于指标属性和协同决策的复杂性和不确定性,在TOPSIS基础上引入区间二型模糊数对指标权重和指标值的语义值进行处理,构建基于区间二型模糊TOPSIS的风储联合发电系统协同决策模型。结合案例分析,证明所建模型方法的有效性和可行性。

基于QPSO算法优化的区间二型模糊逻辑系统预测

设计了一类区间二型模糊逻辑系统,研究基于历史数据的预测问题.在区间二型模糊逻辑系统设计中,前件、后件、输入测量区间二型模糊的主隶属函数均选择成具有不确定标准偏差的高斯型二型隶属函数.量子粒子群优化(QPSO)算法用来调整所设计的区间二型模糊逻辑系统参数.部分欧洲智能技术网络(EUNITE)的负荷竞赛数据和美国田纳西州(WTI)原油价格数据用来测试所提出的模糊逻辑系统预测方法.定义综合评价误差和作为模糊逻辑系统的预测性能指标.仿真研究表明,所提出的区间二型模糊逻辑系统预测方法在收敛性和稳定性上均优于相应的一型模糊逻辑系统.

基于区间二型模糊神经网络反演控制抑制二惯量系统的机械振动

针对带有不确定性和扰动的二惯量伺服系统,提出了一种基于区间二型模糊神经网络的自适应反演控制策略抑制系统的机械振动.首先建立了二惯量系统的动力学模型,设计了反演自适应控制律;其次系统中负载和电机两端未知的扰动变量定义为待估计项,采用区间二型模糊神经网络对其进行估计,给出了基于区间二型模糊神经网络的参数自适应律.基于李雅普诺夫稳定性理论,证明了闭环系统输出跟踪的收敛性,并且跟踪误差可以通过调节控制参数达到任意小.仿真结果表明该方法具有较好的控制性能.

基于区间二型模糊PID的四旋翼无人机姿态控制

针对传统PID控制与一型模糊控制在四旋翼无人机姿态控制中响应速度慢、超调量大等问题,提出了一种区间二型模糊控制与传统PID控制相结合的控制算法。首先,在一型模糊系统的基础上对系统的单值前件和后件进一步模糊化形成区间前件和后件,更适于处理模糊信息。其次,利用具有停止条件的改进迭代算法(enhanced iterative algorithm with stop condition,EIASC)进行降型过程中开关点的计算,减少了计算时间,并将求解出的参数变化量作为初始PID控制参数值的补偿。最后,在建立的四旋翼无人机动力学模型上对所提算法进行仿真验证,仿真结果表明,所提算法比传统PID控制算法和一型模糊PID控制算法具有更快的响应速度、更高的稳态精度和更小的超调量。

PEMFC空气供给系统的二型自适应模糊建模与过氧比控制

质子交换膜燃料电池(Proton exchange membrane fuel cell, PEMFC)空气供给系统存在外部扰动和参数不确定等动态特性,难以实现精准建模和控制.本文结合精确线性化和二型模糊逻辑系统,提出一种自适应控制器实现PEMFC空气供给系统的建模与过氧比控制.该控制器不需要PEMFC空气供给系统模型结构和参数完全已知的条件,而是通过二型模糊逻辑系统在线逼近PEMFC空气供给系统中的未建模动态并从Lyapunov函数中导出自适应参数,从而保证系统收敛性与稳定性.通过稳定性分析证明了该控制器作用下系统跟踪误差的有界性,仿真实验进一步验证了该控制器的有效性与实用性.

区间二型模糊子空间0阶TSK系统

人们倾向于使用少量的有代表性的特征来描述一条规则,而忽略极为次要的冗余的信息。经典的区间二型TSK(Takagi-Sugeno-Kang)模糊系统,在规则前件和后件部分会使用完整的数据特征空间,对于高维数据而言,易导致系统的复杂度增加和可解释性的损失。针对于此,提出了区间二型模糊子空间0阶TSK系统。在规则前件部分,使用模糊子空间聚类和网格划分相结合的方法生成稀疏的规整的规则中心,在规则后件部分,使用简化的0阶形式,从而得到规则语义更为简洁的区间二型模糊系统。在模拟和真实数据上的实验结果表明该方法分类效果良好,可解释性更好。