基于简化Takagi-Sugeno模糊模型的系统镇定策略

针对Takagi-Sugeno型模糊控制器设计方法计算复杂且难以求解的问题,在分析原因的基础上,利用模糊规则将系统的输入输出空间划分为一个完备的模糊模式集,通过寻找与实时输入对应的模糊模式,对整个系统进行了简化。将该模型简化算法应用于一类非线性系统镇定问题的求解,利用Lya-punov稳定性分析理论和线性矩阵不等式等工具推导了闭环系统的可镇定条件,进而设计了相应的简化Takagi-Sugeno型模糊状态反馈控制器。仿真结果表明了这种模型简化方法的有效性。

Sugeno模糊模型的辨识与控制

提出了一种新的Ｓｕｇｅｎｏ模糊模型辨识算法和对非线性系统进行并行化设计的方法．在Ｓｕｇｅｎｏ模糊模型辨识中，应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行，减少了计算量；对于非线性系统的控制，Ｓｕｇｅｎｏ模糊模型实际上是动态系统的局部线性化，可采用并行设计的方法设计控制器，然后通过模糊推理得到全局控制量．最后通过倒立摆系统的控制说明了本文算法的有效性．

基于Sugeno模糊模型的帆船控制方法研究

针对非线性、时变的帆船航行系统,提出一种基于Sugeno模糊模型的帆船控制新方法.采集舵手的航行经验建立知识库,将专家知识融合到控制系统中,提高了控制系统的智能度;采用Sugeno模糊模型,将舵角的非线性控制局部线性化,并设计相应的局部线性控制器,通过模糊推理综合各局部线性控制器的输出,得到全局控制量.仿真结果表明,该方法能实现对帆船航向的智能控制,具有一定的实用价值.

基于Takagi-Sugeno模型的半主动TLCD对偏心结构的减震控制

采用在结构水平双向设置 TLCD半主动控制装置的方法 ,对偏心结构在多维地震作用下的振动控制问题进行了研究。首先论述了基于 Takagi-Sugeno模型的模糊神经网络的基本理论 ,然后介绍结构 -TLCD扭转耦联控制系统微分方程及其状态空间求解方法 ,最后在建立起半主动控制策略的基础上 ,利用基于 Takagi-Sugeno模型的模糊神经网络 ,根据控制准则调整 TLCD的开孔率 ,实现对结构的半主动控制。数值结果表明 。

基于监督学习的Takagi Sugeno Kang模糊系统图像融合方法研究

该文针对图像融合领域内难于对先验知识加以利用的问题提出一种新的有监督学习的Takagi Sugeno Kang(TSK)模糊系统图像融合方法。该方法通过引入TSK模糊系统构建标准图像融合图像库进行学习,将学习准则记录下来形成融合模型,并指导新的图像融合过程。不同于传统方法,该方法可以有效地避免模型参数择优的难题,在融合图像质量和适用范围方面表现出一定的优势。从单一类型图像融合和多种类型图像融合两个角度进行了实验研究,实验结果说明该方法的有效性。

一种基于Sugeno模糊模型的测量数据处理方法

本文提出一种基于 Sugeno模糊模型的、针对测量时间受限条件下测量数据处理的模糊决策方法。该方法利用概率理论和模糊逻辑 ,分析处理多个中间测量结果中存在的不确定因素 ,并对这些结果进行有效融合。在动态称重系统中的应用结果表明 。

基于Sugeno模糊模型的数控机床故障诊断法

在数控机床的故障诊断中,许多对数控机床故障征兆描述的诊断规则都是诊断专家的诊断经验,具有很大的随意性.文中将Sugeno模糊模型用于数控机床故障诊断系统的方式,实现了对各个诊断专家诊断结果的模糊综合,补充了诊断专家诊断知识的不足,消除了诊断专家诊断结论的随意性,保证诊断结论的准确,利用该方法基于诊断专家系统技术可以实现对数控机床的自动诊断,而且诊断结果准确、可靠.

Sugeno模糊模型的辨识

提出了一种新的Ｓｕｇｅｎｏ模糊模型辨识算法．在Ｓｕｇｅｎｏ模糊模型辨识中，应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行，减少了计算量．通过Ｂｏｘ－Ｊｉｎｋｉｎｓ数据建模说明了本文算法的有效性．

Sugeno模糊模型的辨识

提出了一种新的Sugeno模糊模型辨识算法。在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;通过Box-Jinkins数据建模说明了本文算法的有效性。

连续Takagi-Sugeno模糊系统的局部H_∞控制

针对含有外部扰动的连续Takagi Sugeno模糊系统,本文给出了抑制这种扰动的局部H∞控制新方法.首先,应用拉格朗日极值法给出了新的界定隶属函数导数的条件,与现有文献相比该条件有两个优点:1)能够将Lyapunov水平集必须包含在紧集C中的要求转化为线性矩阵不等式(Linear matrix inequality,LMI);2)能够找出比现有文献大的稳定区域.然后,基于此条件得到了局部H∞控制定理.最后通过两个仿真算例证明了该方法的有效性.

应用自适应网络模糊推理系统的sugeno模糊模型辨识

给出了一种模糊系统建模的有效方法．首先用减法聚类对系统输入输出数据进行聚类，然后用自适应网络模糊推理系统建立系统的ｓｕｇｅｎｏ模糊模型，这样解决了因输入变量高维引起规则的组合爆炸问题以及隶属函数形状和模糊规则不能自动选择的问题．

基于Sugeno模糊模型的CNC机床故障诊断方法

通过将Sugeno模糊模型用于数控机床故障诊断系统的方式,实现了对各个诊断专家诊断结果的模糊综合,消除了诊断专家诊断结论的随意性,保证诊断结论的准确.利用此方法基于诊断专家系统技术可以实现对数控机床的自动诊断,诊断结果准确可靠.

基于Takagi-Sugeno模型的钢球磨煤机智能控制

钢球磨煤机制粉系统是一个非线性、大滞后、强耦合的多变量系统,其自动控制一直是热控领域的研究热点。依据通用的非线性系统智能控制模型——Takagi-Sugeno模型机理,建立了钢球磨煤机制粉系统智能控制模型和智能控制系统。仿真结果表明,该智能控制模型对于钢球磨煤机制粉系统具有较好的控制作用。

基于Sugeno模型的倒立摆模糊控制及实验

为实现对倒立摆非线性不稳定系统的精确控制,利用Sugeno模糊模型将其处理成多个局部线性模型的模糊逼近,并设计了模糊控制器.通过Simulink对倒立摆系统建模仿真,控制效果分析比较.现场实验表明,该算法能够实现对单级倒立摆的稳定控制,具有结构简单、良好的稳定性和快速性等优点,对其他非线性不稳定系统的控制提供了一种有效的途径.

大型快锻液压机Takagi-Sugeno模糊系统设计

利用ITI-SimulationX软件建立了大型快锻液压机本体和主控系统的精确仿真模型,进行了三维本体与一维系统的集成仿真,结果表明:液压机热态锻造精度达到§1 mm,最高锻造频次达85次/min;针对大型快锻液压机工艺范围广、工况复杂的特点,利用MATLAB/Simulink软件设计了Takagi-Sugeno模糊控制器,以主控系统锻造行程、锻透深度、最大工作压力、工作缸数量和主泵数量作为输入变量,高频响比例阀启闭曲线作为输出变量,依据主控系统仿真结果确定模糊推理规则,通过ITI-SimulationX与MATLAB/Simulink软件协同仿真接口模块实现了对主控系统的智能控制,使液压机在各种工艺参数下,均能达到较高锻造精度和较快响应速度,更好地适应了大型快锻液压机的生产工艺需求.

基于Modular网络和EM-SFM算法的模糊Sugeno模型(英文)

基于Modular网络重新解释了广为使用的模糊Sugeno模型 .随后 ,基于EM算法 ,提出了该模型的新算法EM SFM ,证明了该算法的线性收敛法 ,分析了它的收敛速度 .

基于Sugeno模糊模型的倒立摆模糊控制

当倒立摆的摆角及摆速很小时,对倒立摆系统的动力学方程进行局部线性化,采用Sugeno模糊模型,得到相应的模糊规则,然后选择期望的闭环极点,可设计出极点配置状态反馈控制器对倒立摆系统进行控制,仿真结果证明了该方法的有效性,能够实现倒立摆系统的稳定控制。

基于Sugeno模糊模型的数控机床故障诊断法

随着工业不断进步,数控机床在工业生产中的作用越来越突出。数控机床在工业生产的中应用,极大提高了机械设备生产与制造的精度与质量,提高了企业生产效率,让工业生产具备了较高的自动化水平。然而在应用数控机床时,会出现一些故障,严重影响着企业生产效益。在进行数控机床故障诊断时,很多对数控机床故障征兆的描述诊断规则都是诊断专家的诊断经验,其故障诊断存在着很大随意性,本文提出基于Sugeno模糊模型的数控机床故障诊断法,对各个诊断专家诊断结果进行模糊处理,消除诊断专家诊断结论的随意性,提高诊断结论的准确性,结合实际案例,对Sugeno模糊模型的数控机床故障诊断法的应用进行研究。

基于Takagi-Sugeno的再励学习模糊神经网络控制

提出一种模糊神经网络的自适应控制方案。针对连续空间的复杂学习任务,提出了一种竞争式Takagi-Sugeno模糊再励学习网络,该网络结构集成了Takagi-Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法。相应地,提出了一种优化学习算法,其把竞争式Takagi-Sugeno模糊再励学习网络训练成为一种所谓的Takagi-Sugeno模糊变结构控制器。以一级倒立摆控制系统为例,仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法。

基于Sugeno模糊模型的ANFIS在手势识别中的应用

手势识别正在成为人机交互技术研究中的一种重要模式,运用摄像机和计算机视觉技术捕获静态手势图像,在YCr Cb空间下利用高斯分布对肤色建模,通过计算背景颜色像素概率分割出干净的手势图像,再采用基于Sugeno模糊模型的自适应神经-模糊推理系统识别手势。与传统的神经网络识别系统相比,该识别方法具有较好的自适应性和鲁棒性。实验结果表明,基于Sugeno模糊模型的自适应神经-模糊推理系统能够有效地进行特征学习,正确识别率可以达到95%左右,是一个非常有效的静态手势识别方法。