基于区间Ⅱ型T-S模糊模型的立方体机器人自平衡控制

立方体机器人具有非线性、多变量、强耦合和欠驱动结构不稳定等特性。针对坡面上以棱边为支点自平衡的立方体机器人的控制问题,设计了一种基于区间Ⅱ型T-S模糊模型的立方体机器人自平衡控制系统。首先,基于区间Ⅱ型T-S模糊模型对立方体机器人在坡面上以棱边为支点自平衡进行建模;然后,设计了基于区间Ⅱ型T-S模糊模型的状态反馈控制器,并通过粗糙集对控制器的模糊规则进行约简;最后,实验验证了本文所设计立方体机器人坡面控制系统的可行性。通过实验结果对比可知,相比于传统比例积分微分(PID)控制系统,本文所设计的基于区间Ⅱ型T-S模糊模型的控制系统能更好地处理立方体机器人系统的不精确性和外界扰动。

面向数字孪生的区间二型T-S模糊建模方法研究

为提高变负荷工况下火电机组动态过程模型精度以达到数字孪生模型要求,构建串联结构混合模型,采用量子粒子群算法(QPSO)构建全局模型,引入区间二型T-S(IT2TSK)模糊模型实现孪生体子模型及过渡过程的精准演化。针对IT2TSK模糊模型中模糊集和模糊规则较难确定的问题,设计了两步循环迭代法确定前后件参数,保证模糊集参数能够纵向体现不同状态集之间的不确定性,以及模糊规则能够横向实现子模型间的平稳过渡,保证全工况下孪生体模型高度逼近动态过程。结果表明:以空气预热器为例,在变负荷训练集上,较简化定工况模型和一型T-S模糊模型而言,基于IT2TSK模糊模型的参数在线自适应混合模型的输出能够更准确地跟踪实际值,整体精度更高。

一类具有时滞的不确定模糊Hopfield神经网络的指数稳定性(英文)

通过构造Lyapunov泛函及线性矩阵不等式(LMI)理论,给出了一类具有时滞的不确定Takagi-Sugeno(T-S)型模糊Hopfield神经网络的指数稳定判定准则。构造的Lyapunov泛函具有广泛性且引入具有自由加权矩阵的参数模型变换,这些方法使得文中所得稳定性条件更具一般性。最后,借助于MATLAB中的LMI工具箱给出了一个具体的数值例子来验证文中的结果。

Traffic Forecasting Model Based on Takagi-Sugeno Fuzzy Logical System

The local multiple regression fuzzy(LMRF)model based on Takagi-Sugeno fuzzy logical system and its application in traffic forecasting is proposed. Besides its prediction accuracy is testified and the model is proved much better than conventional forecasting methods. According to the regional traffic system, the model perfectly states the complex non-linear relation of the traffic and the local social economy. The model also efficiently deals with the system lack of enough data.