基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.

双模糊结构电力系统稳定器的设计与仿真

针对常规模糊电力系统稳定器(C-FPSS)的稳态性能差的缺点,提出了能在线调整量化因子的双模糊电力系统稳定器(D-FPSS)的设计方案。为简化计算、获得更快的响应速度,在Matlab的Fuzzy Logic工具箱下利用高木-关野模糊推理算法设计了双模糊结构控制器。与C-FPSS相比,单机无穷大电力系统仿真结果表明了所设计D-FPSS具有更强的适应性和鲁棒性。

基于T-S模型的非线性网络化系统完整性设计

针对一类具有参数不确定的非线性网络化控制系统(NCS),同时考虑网络延时和丢包的影响,基于高木-关野(T-S)模糊模型建模,通过构造李亚普诺夫泛函,推证出了确保非线性网络化控制系统在执行器发生失效故障时具有鲁棒完整性的时滞依赖充分条件,并以求解矩阵不等式给出了容错控制器的设计方法.仿真算例验证了该方法的可行性和有效性.