不确定离散模糊分段系统的广义H2弹性控制

针对一类离散Takagi-Sugeno(T-S)模糊系统,研究了广义H2稳定性分析和分段弹性控制器设计问题.首先通过构造适当的离散分段二次Lyapunov函数,利用Lyapunov稳定性理论,给出了系统广义H2稳定的充分条件;然后在此基础上,提出了基于线性矩阵不等式的广义H2弹性控制器设计方案,利用Matlab中的线性矩阵不等式工具箱,可以方便的解出控制器增益阵,最后的仿真实例说明了所提方法的正确性.

一种聚焦式模糊分段算法及其在语音识别中的应用

基于各类语音模型的语音识别系统中,未知语音与参考模板的匹配度处在临界状态时,系统容易发生误识别。针对这类问题,本文提出了一种聚焦式模糊分段算法,对语音特征矢量进行模糊分段量化;并将其应用于DTW语音系统中,对语音信号进行训练和匹配。实验证明:该算法能够有效提高系统的识别精度,并降低模糊分界内的误识别率。

基于KPCA和G-G聚类的多元时间序列模糊分段

针对传统的Gath-Geva(G-G)模糊分段方法需要人为设置参数,对高维时间序列分段效率低的问题,提出一种基于核主元分析(KPCA)和G-G聚类的多元时间序列模糊分段方法.首先,该算法利用KPCA方法对多元时间序列进行特征提取,去除冗余及无关变量的影响;然后,通过近邻传播算法(AP)得到分段数目的上界;最后,将时间信息考虑在内,基于所提出的MDBI有效值指标以及G-G模糊聚类在低维多元时间序列上实现多元时间序列的最佳模糊分段.实验结果表明,所提出算法可以快速有效地检测出时间序列的某种突然和渐近变化的趋势,在准确性和运行效率方面均得到了提升.

基于分段模糊c－均值的连续密度HMM语音识别模型参数估计

本文在分析了连续密度隐马尔可夫模型（CDHMM）的两种主要最大似然参数估计方法的基础上，引入模糊集思想，提出了分段模糊c－均值算法代替普通的分段k－均值算法进行CDHMM的最大似然参数估计。文中给出了其实现方法。实验结果证明其在语音识别中具有很好的性能。

基于分段模糊Lyapunov方法的离散模糊控制系统设计

针对应用公共Lyapunov函数方法和模糊Lyapunov函数方法判定离散T-S模糊控制系统稳定性存在的保守性和难度,在定义离散型分段模糊Lyapunov函数的基础上,应用并行分布补偿方法(PDC)设计出使模糊系统全局渐近稳定的控制器,并提出和证明了一个新的判定闭环离散T-S模糊系统稳定的充分条件,该条件降低了上述方法的保守性和难度。通过一个仿真例子验证了方法的有效性。

基于分段模糊Lyapunov方法的离散模糊系统分析与设计

研究了基于分段模糊Lyapunov函数的离散T-S模糊控制系统稳定性分析及控制器设计问题．首先,在定义离散型分段模糊Lyapunov函数的基础上,提出了一个新的判定开环离散T-S模糊系统稳定性的充分条件．该条件仅需在每个最大交叠规则组内分别满足模糊Lyapunov方法中的条件,从而降低了公共Lyapunov方法和模糊Lyapunov方法的保守性和难度．然后,利用并行分布补偿方法对闭环系统的稳定性进行了分析并设计了模糊控制器．最后,一个仿真示例说明了本文方法的有效性和优越性．

基于分段模糊Lyapunov函数的模糊系统稳定性分析和保性能设计

针对一类Takagi-Sugeno(T-S)连续模糊系统,在分析模糊系统前提规则结构信息的基础上,研究了其稳定性和保性能设计问题.通过将模糊Lyapunov函数(FLF)和分段二次Lyapunov函数(PQLF)结合,构造出分段模糊Lyapunov函数(PFLF),并提出了一种新的并行分配补偿(PDC)控制器.基于PFLF方法,得到了线性矩阵不等式(LMI)形式的模糊系统分析与设计的求解方法.该方法继承了FLF与PQLF的优点.仿真实例表明:该方法所得稳定性判据更为宽松,具有更好的保性能控制效果.

基于分段模糊Lyapunov方法的T-S模糊系统H_∞控制

针对具有外部扰动的T-S模糊系统,利用分段模糊Lyapunov函数和线性矩阵不等式方法研究了模糊系统的镇定问题,给出了闭环系统渐近稳定的充分条件,提出了闭环系统γ一次优H∞控制器的参数化设计方法.仿真实例验证了所提出方法的有效性.

基于预测模型的分段模糊控制系统设计

针对加速量热仪需要按照材料的特性设定温度变化规律,温度精确控制困难的问题,通过研究电加热功率与温度变化的关系,采用调整脉冲宽度调制方波(PWM)占空比的方式来控制加热功率.针对系统的非线性、时变性、变结构、多层次和滞后等缺点,提出分段、分级和基于预测模型的模糊控制策略.采用上位机(IPC)+下位机(PLC)的测控系统结构,并编写PLC程序完成模糊控制.实验结果表明,本方案实现了以固定升温速率加热,定点温度保持的功能.

分段模糊控制在直流调速系统中的应用研究

基于常规模糊控制理论,结合双闭环直流调速系统的具体应用环境,设计了一种分段模糊控制器,在调速范围广、调速性能要求高的场合,通过对调速范围分段而采用与调速大小相适应的常规模糊控制规则,从而进一步改善了控制性能。最后,通过Matlab软件将其与常规模糊控制对比仿真,验证了分段模糊控制器的优点。

基于分段模糊拟合方法的用电量预测研究

用电量的预测受许多因素的影响.为了得到比较精确的预测结果,对原始用电量数据进行平滑预处理,并考虑到影响园区用电量的主要因素,将其进行模糊化处理.借助分段模糊拟合预测方法进行拟合预测,通过对具体算例的分析研究发现,该预测方法能够较好地提高预测精度.

基于“当前”统计模型的分段模糊跟踪算法

分析了"当前"统计模型的自适应跟踪特性,界定了其适用机动范围。提出了一种根据目标机动强弱分段调节系统方差,且在各机动段内基于新息变化强度又实时模糊调节方差的自适应跟踪方法。该方法从宏观、局部及微观多层次动态调节系统方差,兼顾了跟踪的快速性和精度。仿真结果表明,在目标机动较强时,首先提高跟踪快速性,使其快速稳定,再着重改善精度;机动较弱时,平稳提升跟踪精度,微调其快速性。该方法取得了较好的跟踪效果。

永磁直线同步电机伺服系统的分段变论域模糊迭代学习控制

针对执行重复任务的永磁直线同步电机(PMLSM)在迭代学习过程中易受负载扰动、参数变化等非重复性扰动的影响而难以实现高性能跟踪控制的问题,提出了一种迭代学习控制(ILC)与变论域模糊控制相结合的分段变论域模糊ILC方法。在误差较大的时间段,采用变论域模糊控制实时地改变ILC的学习增益,并智能地调整模糊控制的论域,抑制不确定性因素对系统的影响,提高控制精度;在误差较小的时间段,采用PD型ILC,使学习增益稳定,进一步减小位置误差。实验结果表明,该控制方法可以有效地加快收敛速度,提高位置跟踪精度,并增强系统的鲁棒性。

基于分段模糊控制方法的光伏MPPT控制策略研究

在对光伏发电系统的电特性进行理论分析的基础上,基于模糊控制思想提出了一种将固定电压法和扰动观察法相结合的分段式光伏MPPT控制方法。通过对固定电压法经验分析确定最大功率点对应电压的取值范围,结合光伏电池的功率-电压特性曲线分析,将MPPT控制分为4个区段,在不同区段采取不同的控制策略,使光伏发电系统能够快速、稳定追踪最大功率。对所设计的分段式模糊控制系统进行了仿真研究,结果显示,系统运行稳定,能够快速响应并较好地追踪最大功率点。

带智能权函数的连续型前馈分段模糊控制器

提出一种带智能权函数的连续型前馈、分段模糊控制器 ,其控制规则可通过智能权函数在线修正。仿真结果证明 ,该方法具有算法简单、鲁棒性强。

一种基于分段解析模糊控制算法的控制器

提出一种基于分段解析模糊控制算法的控制器。该控制器采用分段解析函数控制规则,函数运算结果直接作为输出控制量,简化了模糊处理过程,且使得输出控制量参数具有自调整能力。实际应用表明,该模型控制器成功地实现了火箭炮的自动操瞄控制。

基于分段模糊Lyapunov函数的模糊系统分析与设计

在分析模糊系统前提规则结构信息的基础上,将模糊Lyapunov函数和分段Lyapunov函数结合,构造出一类连续模糊系统的分段模糊Lyapunov函数。采用并行分配补偿(PDC)结构,利用分段模糊Lyapunov函数进行了稳定性分析与控制律设计,得到了线性矩阵不等式(LMI)形式的连续系统镇定方法。该方法减少了模糊Lyapunov函数与分段Lyapunov函数的局限性,继承两者的优点,所得稳定性判据更为宽松,控制系统具有良好的控制性能。仿真实例表明了该方法的有效性。

基于分段模糊控制的直流电动机调速系统

针对直流电动机在宽范围、频繁调速环境中,速度控制易超调不稳定的问题,提出并设计了一种分段模糊控制器,对模糊输入量设置不同论域,将电机速度分段且每段使用独立控制规则库,系统会根据调速量动态地选择相适应的模糊控制器。并在MATLAB/Simulink中建立直流电动机调速系统仿真模型,仿真实验表明:在直流电动机调速系统中,分段模糊控制器具有调速精度高、目标响应快、稳定性好的优点。该方案有效地提高了直流电动机控制精度。

T-S模糊时滞系统分段鲁棒耗散控制器的设计

用分段模糊Lyapunov函数方法和线性矩阵不等式工具研究了时滞不确定T-S模糊系统的鲁棒耗散控制器的设计问题。设计出的控制器能够保证对于T-S模糊系统中所有的参数不确定性和时滞,闭环系统都是稳定的且满足给定的耗散性能指标。相比用公共Lyapunov函数方法,得出的结论具有更小的保守性。

分段复合多尺度模糊熵和IGWO-SVM的脑电情感识别

为提高脑电的情感识别率,提出了分段复合多尺度模糊熵算法,采用分段粗粒化和计算复合多尺度模糊熵的策略,使提取特征较好地解决了数据缺失和计算不准确的问题;同时构造了应用余弦非线性收敛因子和动静态位置更新的灰狼算法优化支持向量机分类模型。为证明所提两种算法的有效性,进行了仿真实验验证,并在公开DEAP数据库下与几种常见的支持向量机优化模型比较脑电的情感识别率,结果表明在提出的模型下,效价、唤醒度、优势度、喜欢度的平均识别率分别为87.27%、87.81%、89.06%、87.58%,均高于其他算法。另外对比了高/低喜欢度下效价和唤醒度的分类,实验表明喜欢度低时情感识别率较高。