变论域模糊控制器及其在拖车倒车中的应用

建立变论域模糊控制器输出论城上的一种伸缩因子的微分方程模型,得到该伸缩因子的数学表达式.仿真实验表明在输出论城上使用这种新的伸缩因子构造的变论城模糊控制器可以快速准确地实现拖车倒车.在同样的条件下,与经过遗传算法参数优化的模糊控制器和普通模糊控制嚣的控制效果相比较,变论域模糊控制器控制得更加灵敏且几乎无超调.     

基于分层变论域模糊控制方法的倒车控制

为了解决一些模糊控制中的维数爆炸与精确控制问题,提出一种将分层控制思想和变论域控制思想结合起来的分层变论域模糊控制方法,并将这种模糊控制器应用于拖车倒车控制,其中下层变论域模糊控制器控制小车的方位角,上层变论域模糊控制器控制小车前轮转角.仿真实验结果与未采用分层方法的普通模糊控制器和变论域模糊控制器的控制结果作了比较,说明了新的控制方法计算量小,调整时间短且几乎无超调,具有较好的可行性与有效性.     

基于Fisher投影和变论域思想的模糊控制器降维方法及其在液位问题的应用

维数问题是模糊控制器领域的一个重要问题.本文结合Fisher降维、ANFIS模糊神经网络和变论域控制思想,论述了一种可以减少输入个数的、高精度的模糊控制器的构造方法.以液位控制实验为例,对原有的控制器进行了降维,发现这种方法可以极大地减少了控制器的计算量,同时提高控制器控制品质,具有较高的推广价值.     

带积分环节的隶属度函数中心自适应模糊控制器设计

自适应变论域模糊控制是改变模糊控制性能的主要方法之一,针对自适应变论域模糊控制器的稳定性设计这一难题,将输入和输出的隶属度函数分别用论域值表示成解析形式;针对典型模糊控制系统没有考虑积分环节带来的稳态误差问题,设计一种积分器,并从减小控制规则数目的角度出发设计了针对积分环节的控制规则库;引进Lyapunov函数,设计了输入隶属度函数论域值的自适应律和输出隶属度函数中心取值的自适应律,最后针对Duffing非线性系统仿真,结果表明设计的变论域模糊控制器是可行的。     

自适应模糊变结构控制的研究

本文主要研究一类具有未知常数控制增益的非线性系统的自适应模糊控制问题,提出了一种能够利用专家的语言信息和数字信息的自适应模糊变结构控制器的设计方案。通过理论分析,证明了模糊变结构控制系统是全局稳定的,跟踪误差可收敛到零的一个邻域内     

组合型自适应模糊控制器的设计与分析

充分利用被控对象与控制行为的知识,为一类非线性系统设计一个组合型自适应模糊控制器。它的主要特点是设计一个自适应补偿器来减小建模误差和参数估计误差对系统性能的影响。在不要求最优逼近误差平方可积和上界已知的条件下,证明闭环系统全局渐近稳定,所有信号有界且跟踪误差收敛到零。     

自组织结构的变论域模糊控制

针对变论域模糊控制,提出一种新的自组织结构的变论域模糊控制方法。自组织结构算法可以调整变论域模糊系统结构以及动态获得模糊规则,进一步减小变论域模糊控制项的稳态逼近误差。通过进一步理论分析可知,自组织结构算法仅仅保证了系统瞬时的切换是平稳的,但不能保证系统的闭环稳定性。给出了所提出控制方法的适用条件。通过与固定模糊系统结构的变论域模糊控制比较,仿真结果表明,所提出控制方法不仅使得系统的稳态跟踪误差更平稳,而且使得输入控制信号更加平滑。     

一种新的非线性模糊自适应变权重组合预测模型

对于复杂工业系统非线性时间序列预测精度不高问题,引入了多种预测方法的预测相对误差、预测对象的变化趋势、灰色基本权重和自适应调节系数等概念,建立了模糊自适应变权重非线性组合预测模型。结果表明,此模糊自适应变权重非线性组合预测模型的精度较高,并且平均误差和预测平方根误差均较小。该组合预测模型为复杂非线性工业系统所需决策提供了有力支持。     

模糊错误逻辑论域分解转化联结词研究

主要给出了模糊错误逻辑论域分解转化联结词所涉及的概念、运算及其模糊错误逻辑论域分解转化联结词与/nf l内涵分离、/nf h内涵分化、∥nhb内涵互补、—∥nhd l内涵对立等的关系作了一点研究。     

求解一类非对称单调变分不等式的非精确自适应交替方向法

本文研究了一类单调非对称变分不等式的非精确自适应交替方向法,证明了方法的收敛性.     

A Nonlinear Adaptive Controller: A Comparison between Fuzzy Logic Control and Neurocontrol

This paper explores, from a surface-fitting viewpoint, two algorithmswhich are often applied in the field intelligent control: fuzzyself-organizing controllers and neural networks. Both methodologiesadapt internal model parameters in response to the plant's input-outputmapping. However, while the convergence of single-layer neuralnetworks has been studied in great detail, very few theoremshave been proved about self-organizing fuzzy logic controllers.In this paper, it is shown that B-splines can provide a frameworkfor choosing the shape of the fuzzy sets. Then the operatorschosen to implement the underlying fuzzy logic are examined,showing how they can produce ‘smooth’ control surfaces.It is now possible to make a direct comparison between fuzzylogic controllers and feedforward neural networks, demonstratingthat, in a forward-chaining mode, storing the plant's behaviourin terms of weights or rule confidences is equivalent. Finally,three training rules for the self-organizing fuzzy controllerare derived.     

Adaptive Fuzzy Sliding Mode Controller and Observer for a Dive Cell

We present an adaptive fuzzy sliding mode control strategy in combination with a sliding mode observer for a dive cell. Numerical results demonstrate the outperformance of the presented controller compared to a conventional sliding mode approach. (© 2015 Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim)     

关于有限论域上模糊度定理的一个注记

设F（U）为有限论域U={u1,u2,…,un}上的模糊幂集.令D：F（U）→[0,1],AaD（A）=g（∑i=1^n ci fi（A（ui）））,其中ci〉0,fi：[0,1]→[0,＋∞）满足（1）fi（x）=fi（1-x）,（2）fi（0）=0,（3）fi在[0,0.5]上严格递增.又设a=∑i=1^n ci fi（0,5）,且g：[0,a]→[0,1]严格递增,g（0）=0,g（a）=1.某教材中的定理断定具有上述性质的映射D为F（U）上的模糊度函数.本文构造出具有上述性质的D,但D不满足模糊度函数定义中的可加性条件,故不为F（U）上的模糊度函数.本文进一步指出,若将g的定义域扩展为[0,2a],并再假定g是可加的,则可使D为F（U）上的模糊度函数.