共查询到20条相似文献,搜索用时 17 毫秒
1.
研究分布参数系统的建模问题,给出一种基于T-S模糊推理与HX方法的T-S型模糊三角插值推理建模方法,满足插值机理.理论分析表明方法可利用有限的采样数据推断分布参数系统的时空变化规律.仿真实验显示方法是有效的,且具有建模精度较高的特点. 相似文献
2.
3.
4.
从函数扩充的角度将模糊推理视为两个论域语言值与语言值之间的对应关系,将一条规则视为一个由前提和结论组成的模糊数据对,将规则集视为一组已知的模糊数据节点集,将它们作为模糊插值节点,给出了一种插值推理函数的建立方法.然后利用扩展原理给出插值推理结果,推理的过程简化为一个求复合函数的过程.无论是对稀疏规则集还是对完备规则集,只要具有有序交叠互补性,该推理方法就能保证还原性,语气单调性,属性介值性和保正规性. 相似文献
5.
本文研究基于模糊变换的模糊系统的构造方法和模糊推理建模法问题。首先,给出了利用单入-单出模糊系统和模糊变换构造双输入-单输出模糊系统的方法,指出这种模糊系统具有泛逼近性,并给出了该模糊系统具有泛逼近性的充分条件。其次,将该模糊系统应用到模糊推理建模法中,得到了一种新的HX方程,泛逼近性定理说明:该HX方程对原系统具有很好的泛逼近性。最后,将得到的新的HX方程应用到自治Lienard系统中,得到了不含一阶导数项的简化HX方程。简化的HX方程将原先逐片求解(m-1)(n-1)个方程,简化为逐片求解m-1个方程,从而降低了计算复杂度。仿真实验说明了新HX方程的有效性。 相似文献
6.
针对Lurie混沌控制系统,进行了T-S模糊建模和模糊控制器设计,从而实现了Lurie混沌系统的稳定.在用T-S模糊模型精确重构Lurie系统结构的基础上,利用反馈同步思想,基于并行分布补偿(PDC)技术,得到了简单且易实现的控制器.仿真结果验证了该控制方法的有效性. 相似文献
7.
8.
《模糊系统与数学》2016,(3)
复杂非线性系统存在强非线性和不确定性等问题,其建模与控制一直是个极具挑战的工作。自适应逆控制是一种有效的非线性系统控制方法,已经得到广泛的研究;2型模糊系统采用2型模糊集,相比于1型模糊系统,其能够提供更大的自由度,不确定性及非线性处理能力更强,能够采用较少的规则数取得较高的建模与控制精度。因此,本文将2型模糊系统理论与自适应逆控制相结合,提出了一种基于区间2型T-S模糊系统的自适应逆控制方法,实现对复杂非线性系统的有效建模与控制。首先通过离线输出输入数据映射得到非线性系统的离线2型模糊逆模型,然后将该离线区间2型模糊逆模型作为初始控制器,与被控对象串联,进行在线控制,并采用最小均方差(Least Mean Square,LMS)滤波算法在线修正2型模糊逆模型的结论参数,通过数字复制,更新逆模型控制器的参数。最后将该方法应用于两个仿真实例,结果表明本文方法控制精度高,不确定性处理能力强。 相似文献
9.
基于观测器的模糊时滞系统指数稳定的一种设计方法 总被引:1,自引:0,他引:1
研究了一类模糊时滞系统的指数稳定问题.首先利用T-S模型对非线性不确定性时滞系统进行建模,在此基础上设计了基于观测器的模糊状态反馈控制器,通过巧妙选取Lyapunov函数给出了模糊闭环时滞系统的条件及稳定裕度且模糊反馈增益和模糊观测器增益可通过求解线性矩阵不等式获得. 相似文献
10.
11.
针对一类具有不确定性、多重时延和状态未知的复杂非线性系统,把模糊T-S模型和RBF神经网络结合起来,提出了一种基于观测器的跟踪控制方案.首先,应用模糊T-S模型对非线性系统建模,设计观测器用来观测系统状态,并由线性矩阵不等式得到模糊模型的控制律;其次,构建了自适应RBF神经网络,应用自适应RBF神经网络作为补偿器来补偿建模误差和不确定非线性部分.证明了闭环系统满足期望的跟踪性能.示例仿真结果表明了该方案的有效性. 相似文献
12.
《数学的实践与认识》2015,(10)
在T-S模糊神经网络数据融合的基础上,改进了标准T-S模糊融合算法中的模糊算子,并利用聚类算法对网络结构中模糊隶属度个数进行选取.通过仿真实验,验证了改进的算法在融合过程中的合理性、稳定性和准确性.以及聚类算法在T-S模糊神经网络数据融合算法中运用的合理性和有效性. 相似文献
13.
14.
陈露 《数学的实践与认识》2010,40(18)
在布尔代数中引入了的直觉T-S模糊子代数和直觉T-S模糊理想的概念,给出了布尔代数的直觉T-S模糊子代数的两个等价定义,进一步讨论了它们的性质.证明了布尔代数的两个直觉T-S模糊子代数(理想)的模交与直积也是直觉T-S模糊子代数(理想). 相似文献
15.
16.
针对传统T-S模糊神经网络的随机初始网络参数导致网络学习速度慢、易陷入局部解以及运算精度低等缺陷,提出了一种应用佳点集的改进和声搜索算法(GIHS)优化T-S模糊神经网络的并行学习算法.首先应用佳点集择优构造更加高质量的初始和声库,然后搜索过程中进行参数动态调整,并且每次迭代产生多个新解,充分利用和声记忆库的信息,以提高算法的全局搜索能力和收敛速度.其次,将GIHS算法与T-S神经网络相结合构建并行学习算法,实现两种算法的并行交互集成,得到了最优参数配置以提高T-S模糊神经网络的泛化能力.最后将该算法应用到农业干旱等级预测中以解决旱情评估问题.仿真实验表明,GIHS算法性能优于基本HS和IHS算法,且与T-S模糊神经网络、HS算法优化的T-S模糊神经网络和IHS算法优化的T-S模糊神经网络相比,具有更高的预测准确度. 相似文献
17.
《数学的实践与认识》2015,(24)
针对网络诱导时延小于一个采样周期的非线性网络控制系统,研究了系统的稳定性和保性能控制问题.对于T-S模糊模型描述的非线性被控对象,将时延的不确定性转化为系统参数的不确定性,从而将这一类非线性网络控制系统建模为具有参数不确定性的离散T-S模糊模型.基于建立的模型,提出了存在稳定保性能控制器的充分条件,并得出了相应的线性矩阵不等式(LMI)形式.最后通过对永磁同步电动机混沌系统进行控制和仿真研究,验证了所提出方法的有效性. 相似文献
18.
对应用模糊推理进行系统预测进行了深入的研究,建立了以震级和震源深度为输入的基于Mamdani型模糊推理的震中烈度预测模型.并以四川地区震例数据为例,对数据信息提取,模糊规则建立等关键环节进行了详细的介绍,预测结果分析表明推理模型是可行和有效的. 相似文献
19.