粒子群优化的广义T-S模糊模型参数学习方法

提出了一种基于粒子群优化的广义T-S模糊模型参数学习方法。该方法用离散二进制微粒位置表示模型的结构参数,用普通微粒位置表示模型规则中模糊集隶属函数的参数;这两种微粒位置联合体构成一个模型完整的前件参数集。每一学习循环分两步,前一步用粒子群进化迭代调整所有前件参数,后一步用正交最小二乘法估计后件参数。该方法不需任何先验知识,运算量小,能产生紧凑的模糊模型。非线性动态系统模糊建模的数字仿真说明了该方法的有效性。

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。

基于FIGA的广义T-S模糊模型预测控制

利用广义T-S模糊模型对非线性系统具有万能逼近性得到系统的局部线性化,并利用一种快速综合性遗传算法(F IGA)对广义T-S模糊模型进行参数辨识,根据得到的线性化模型对系统采取广义预测控制(GPC)得到当前的控制动作。通过M atlab仿真证明了该方法的有效性。

基于广义T-S模糊辨识模型的混沌系统模糊控制

该文针对混沌系统辨识引入广义T-S模糊模型,并对T-S模糊模型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。在此基础上给出了广义T-S模糊模型使系统渐近稳定模糊控制算法,并证明了广义T-S模型有足够的精度,控制的精度就能得到满足,系统可以跟踪目标。控制的目标可以为周期轨道,也可以为连续变化的目标函数。以一维的Logistic系统和二维的Henon系统为例进行仿真分析,结果表明该方法的有效性和可行性。

广义不确定时滞系统的T-S模糊保性能控制

利用线性矩阵不等式(LMI)方法,研究了一类用T-S模糊模型描述的广义不确定时滞系统的保性能控制,给出了问题可解的一个充分条件和保性能控制器的设计,以及相应的可保性能指标,最后举例说明了所提出方法的有效性。

平面运动n级倒立摆的鲁棒保成本模糊控制

针对参数不确定平面运动n级倒立摆系统,研究了鲁棒保成本模糊控制器设计问题。给出了将系统动力学模型转化为一种新型广义T-S模糊模型的方法,由此避免了求逆矩阵的过程。为获得保守性更低的系统稳定性设计条件,通过引入松弛变量矩阵来解耦Lyapunov函数中的系统矩阵,增加了设计条件的自由度。然后讨论了最优鲁棒保成本模糊控制器的设计条件,并将这些条件转换成了线性矩阵不等式(LMI)的凸优化问题。最后,在仿真实验中以平面运动二级倒立摆系统为例验证了本文方法的有效性。