执行器饱和TS模糊时滞系统记忆耗散控制

针对基于执行器饱和的不确定TS模糊时滞系统,设计了记忆耗散控制器。使用Wirtinger不等式,得到了使闭环系统既渐近稳定又满足耗散指标的时滞依赖条件。通过求解线性矩阵不等式,得到了控制器增益矩阵。最后,闭环系统最大吸引域的求解转化为一个最优化问题。数值仿真验证了所提出方法的可行性和优越性。

基于前件变量空间划分的TS模糊控制系统稳定性分析

研究了TS模糊控制系统的稳定性分析方法。基于前件变量空间划分,提出了极大规则区间稳定性判别条件。此判别条件充分利用了TS模糊系统自身的模糊规则信息,进一步减小了判别保守性。给出的实例验证了此方法的有效性。

广义Takagi-Sugeno模糊系统与其分层系统的等价性(英文)

引入广义分层Tagaki Sugeno模糊系统 ,“规则爆炸”或“维数灾难”问题可由该系统得到解决 .通过引入中间变量 ,证明了分层模糊系统的I O关系可以表示为带有中间变量的广义TS模糊系统 ;反之 ,一个分层系统也可表示模糊系统的I O关系 .

离散非线性奇异摄动系统的模糊控制器设计

针对离散非线性奇异摄动系统,提出一种基于模糊奇异摄动模型（FSPM）的跟踪控制器。首先建立一系列动态模糊奇异摄动模型,使其逼近该离散非线性系统,采用前件参数相同的离散参考模型设计期望的运动轨迹和动态性能;在此基础上,提出一种离散跟踪控制器,其反馈增益采用线性矩阵不等式的方法进行求解。应用离散李亚普诺夫合成方法证明闭环系统的稳定性。最后用仿真实验验证该方法的有效性。

基于单分类结合模糊宽度学习的负荷辨识方法

非侵入式负荷监测是智能用电的关键技术,有助于加强负荷侧管理,提高用电效率。随着电力负荷类型和数量的迅速增加,当模型中接入训练样本之外的未知电器时会导致模型误判,降低负荷识别的准确性。为了提高负荷识别模型的稳定性以及识别精度,提出一种单分类结合模糊宽度学习的电力负荷识别方法。首先,构建负荷特征库实现多负荷识别;然后,通过单分类K近邻方法进行样本筛选,排除未知电器的干扰;最后,提出一种基于模糊宽度学习系统的负荷识别方法解决识别模型复杂度高、识别速率慢的问题。实验结果表明,所提出的算法能够快速有效地识别电力负荷。

New sufficient conditions for general linear SISO Takagi-Sugeno fuzzy systems as universal approximators

By the best approximation theory, it is first proved that the SISO （single-input single-output） linear Takagi-Sugeno （TS） fuzzy systems can approximate an arbitrary polynomial which, according to Weierstrass approximation theorem, can uniformly approximate any continuous functions on the compact domain. Then new sufficient conditions for general linear SISO TS fuzzy systems as universal approximators are obtained. Formulae are derived to calculate the number of input fuzzy sets to satisfy the given approximation accuracy. Then the presented result is compared with the existing literature＇s results. The comparison shows that the presented result needs less input fuzzy sets, which can simplify the design of the fuzzy system, and examples are given to show its effectiveness.