基于T-S模型的稳定自适应FNN控制器的设计

对一类不确定非线性系统 ,提出一种基于 T- S模型的自适应 FNN控制器 .首先用权值固定的 FNN作为非线性系统的近似模型 ,然后再应用自适应 FNN逼近建模误差 ,并引入滑模项增加控制器的鲁棒性 .通过稳定性理论设计自适应律 ,保证了系统的全局稳定 。

稳定性监控自学习FNN控制器

针对一类未知的非线性系统，提出一种具有稳定性监控的实时自学习ＦＮＮ控制器．ＦＮＮ控制器采用遗传算法使自学习获得最优的性能指标；实时学习过程的稳定性则由基于李雅普诺夫方法设计的监控器来保证，使得ＦＮＮ控制器的自学习过程总是在全局稳定性的条件下进行．

模糊神经网络在超声马达位置控制中的应用

提出了利用模糊神经网络控制器 (FNN)实现对超声马达位置进行控制的方法 ,并提出适应法则进行在线训练 ,以减小由于参数的不确定性和外部干扰对超声马达所产生的影响 ,提供了FNN控制器的结构图。仿真与实验研究表明 。