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。

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.

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。

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Takagi-Sugeno模糊模型的电流跟踪型光伏并网逆变器

逆变器是光伏并网发电中的关键设备,如何调整PWM控制信号的波形,输出与电网电压同频率同相位的电流,是并网逆变器设计中最重要的问题。在分析比较了光伏并网发电系统逆变器各种控制算法的基础上,推导出了单相全桥逆变电路功率开关管占空比关于并网电压和电流误差等可测量物理量的函数关系式,提出了一套基于Takagi-Sugeno模糊模型的PWM波形产生方法。该方法采用四输入双输出的结构,将并网电压和电流误差等可测物理量作为模糊控制器的输入量,经T-S模型模糊处理之后分别得到两组功率开关管的控制信号的占空比。该文最后以单相全桥逆变电路为例,给出了详细的仿真分析,结果显示由该方法生成的PWM控制信号较之传统滞环比较控制等,有开关频率低、硬件电路简单、谐波畸变率小等优势,可实现并网发电要求的单位功率因数。

基于Takagi-Sugeno模糊神经网络模型的卫星钟差预报方法

卫星钟差预报精度的不断提升是精密导航的关键问题.为了进一步提高钟差的预报精度和更好地反映钟差的变化特性,提出一种基于Takagi-Sugeno模糊神经网络(Fuzzy Neural Network,FNN)的钟差预报方法.该方法首先根据钟差数据的特点对钟差进行预处理,然后以预处理后的数据建立一种高精度预报钟差的Takagi-Sugeno模糊神经网络算法.采用IGS(International Global Navigation Satellite System Service)不同采样间隔的精密钟差数据进行了短期预报试验,并与ARIMA(Auto-Regressive Integrated Moving Average)模型、GM(1,1)模型及QP(Quadratic Polynomial)模型进行了对比试验,分析结果表明:对不同类型原子钟,该方法用于钟差短期预报是可行的、有效的,其获得的卫星钟差预报结果明显优于常规方法.

改进粒子群优化Takagi-Sugeno模糊径向基函数神经网络的非线性系统建模

针对复杂非线性系统建模的难点问题,提出了一种基于改进的粒子群优化算法(PSO)优化的T-S模糊径向基函数(RBF)神经网络的新型系统建模算法。该算法将T-S模糊模型良好的可解释性及RBF神经网络的自学习能力相结合,构成T-S模糊RBF神经网络用于系统建模,并采用动态调整惯性权重的改进的PSO算法结合递推最小二乘算法实现网络参数的优化调整。首先,利用所提算法进行了非线性多维函数的逼近仿真,仿真结果均方差(MSE)为0.00017,绝对值误差不大于0.04,逼近精度较高;又将该算法用于建立动态流量软测量模型,并进行了相关的实验研究,动态流量测量结果平均绝对误差小于0.15 L/min,相对误差为1.97%,基本满足测量要求,并优于已有算法。上述仿真及实验研究结果表明,所提算法对于复杂非线性系统具有较高的建模精度和良好的自适应性。

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。

基于Takagi-Sugeno-Kang模糊集合的噪声干扰检测方法

为识别混合在接收机热噪声中的人为噪声干扰信号,提出了基于TSK(Takagi-SugenoKang)模糊集合的干扰检测方法。首先将无干扰环境下信道热噪声数据和有人为噪声干扰下的混合噪声数据组合成训练数据序列,利用训练序列对TSK模糊集合模型进行训练,调节模型中规则的多项式系数,使TSK模糊模型对接收信号中的噪声特性与干扰判决之间建立确定函数关系,实现对噪声干扰的检测。通信电台的实验验证表明:尽管接收机的自动增益控制将外部噪声干扰缩小到与本机噪声相当水平,所提方法仍能有效检测出信道中是否有人为噪声干扰存在。

基于Takagi-Sugeno模型的磁流变半主动悬架控制

采用精度较高的Bouc-Wen模型对磁流变减振器建模,建立了包含减振器非线性动态特性的1/4车辆模型。为了解决Bouc-Wen模型给磁流变半主动悬架系统带来的非线性,通过Takagi-Sugeno模糊建模对磁流变半主动悬架系统的非线性项进行局部线性化,并利用并行分布补偿(PDC)方法求取系统的控制器。设计了与Bouc-Wen模型相结合的磁流变半主动悬架控制系统,系统仿真结果和硬件在环仿真试验验证了该方法的有效性。

Takagi-Sugeno模糊模型的可辨识性问题

Takagi- Sugeno模糊模型广泛应用于对复杂系统的辨识 ,但可辨识性问题很少涉及。本文给出在规则数和规则前件确定的情况下 ,Takagi- Sugeno模糊模型的可辨识性条件。

蛋白质编码区的Takagi-Sugeno模糊模型辨识

DNA序列编码区的辨识是基因辨识的一个重要方面。由于基因序列数据量大,导致许多统计辨识算法泛化性差、运算速度慢。根据编码区域序列和非编码区域序列相比有不同的碱基组成,提出将Takagi-Sugeno模型用于DNA序列的编码区辨识。首先,用基于模糊似然函数的模糊聚类算法确定系统的模糊划分数目,进而根据聚类个数建立相应的Takagi-Sugeno局部线性化模型,最后用最小二乘法实现模型结论参数的辨识。该算法不仅可以确定编码区的位置,还可以辨识出密码子第一位碱基的位置,对蛋白质结构的研究是非常重要的。算法简单、高效。仿真结果表明,该算法非常适合编码区辨识和其他编码区辨识算法有可比性。

基于Takagi-Sugeno型自适应模糊神经网络的模拟电路故障诊断

该文提出了一种基于Takagi-Sugeno型自适应模糊神经网络故障诊断方法。首先通过电路仿真获得故障样本,其次利用主成分分析对故障样本进行降维处理,减少自适应模糊神经网络的输入,降低训练时间,然后采用BP算法与最小二乘法相结合的混合学习算法训练自适应模糊神经网络的连接权值和隶属度函数。仿真结果表明,此方法能够快速有效地对模拟电路的故障进行诊断和定位,表现出了很好的应用潜力,在容差模拟电路故障诊断领域具有较好的应用前景。

Takagi-Sugeno型分层混合模糊-神经网络训练算法研究

为寻求适合离散和连续变量并存数据特点的最佳训练算法,本文对基于三角波,梯形,Gaussian隶属函数的Takagi-Sugeno型分层混合模糊-神经网络训练算法进行综合比较研究,使用梯度下降法详细推导了各个参数的迭代规则,并给出了完整的训练算法和详细的参数调整过程.以Pyrimidines和Heart-UCI为数据分别进行函数逼近与数据分类实验,并与经典的BP算法比较.实验结果表明Takagi-Sugeno型分层混合模糊-神经网络在高维且离散与连续变量混合的函数逼近和分类上比BP神经网络更具优势,而基于Gaussian隶属函数的训练算法函数逼近精度比基于三角波和梯形隶属函数的训练算法精度更高.

基于Takagi-Sugeno模型的嵌入式模糊控制器设计

在对一类模糊控制器的实现方式进行了分析的基础上,针对嵌入式系统的特点,提出了一种基于Takagi Sugeno模型的工程化实时模糊控制算法,并将其应用于小型数控机床的主轴电机驱动系统设计。实验结果表明,该嵌入式模糊控制系统具有实时性强、响应速度快、精度高的特点,在现场控制中有效可行。

基于Takagi-Sugeno模糊模型的模糊非线性规划问题

Takagi-Sugeno模糊模型的本质在于:一个整体的非线性动力学模型可以看成是许多个局部线性模型的模糊逼近.本文将这一思想扩展到非线性规划问题,提出了将一个整体非线性规划模型视为许多个局部线性规划模型的模糊逼近的方案.

基于Matlab和给小费模型的Mamdani与Takagi&Sugeno型模糊推理算法研究

在模糊推理中,Mamdani和Takagi&Sugeno是两种应用最广的模型。本文对这两种推理模型的原理进行了说明,并对其输入输出变量的形式、推理结果及适用范围等进行比较和分析。利用Matlab中Fuzzy工具箱,通过给小费模型进一步验证两种推理模型的优缺点和适用范围。

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。