一类非线性网络控制系统的随机H∞控制

研究了一类带有丢包的非线性网络控制系统(NNCSs)的随机H∞控制问题.丢包过程采用满足伯努利分布的随机序列来描述.利用T-S模糊模型和平行分布补偿技术建立了带有随机参数的非线性网络控制系统的模型,并以线性矩阵不等式的形式给出了模糊控制器存在的充分条件;所设计的控制器使得非线性网络控制系统在均方意叉下指数稳定且具有一个改进的随机H∞性能.     

基于pi-sigma神经网络的模糊建模与控制及其仿真研究

提出了一种基于高木-关野模糊系统的pi-sigma神经网络结构、学习算法,并分析了学习算法的收敛性.用这种混合型pi-sigma神经网络系统去实现模糊规则及其隶属函数的修正,从而得到模糊推理的自适应性.在设计过程中,引入Zadel模糊取乘算子,使之适合基于梯度的学习算法.最后的仿真结果表明此种网络的有效性、优越性并且在非线性建模、控制等方面有重要的应用价值.     

基于T-S模型的模糊广义预测控制

对非线性系统建立了T－S模糊模型,并用正交最小二乘法（OLS）对模糊规则的后件参数进行辨识,然后在每一个采样点对系统进行局部动态线性化,根据得到的系统线性化模型对系统采取广义预测控制（GPC）方法得到当前的控制动作,仿真的结果表明了该方法的有效性。     

一类不确定T-S模糊系统的H_∞控制器设计

基于线性矩阵不等式的方法,研究了一类带有不确定参数的T-S模糊系统的H∞控制器设计问题.给出了参数不确定的T-S模糊系统的系统建模以及系统的二次稳定性,并且对此类T-S模糊系统的H∞控制问题进行了探讨,给出了新的基于状态反馈H∞控制器的设计方法.     

模糊鲁棒控制器在结晶过程中的应用

结晶是提纯物质的重要方法,广泛应用在制药和化工工业中,但结晶是一个具有多变量、时变性、不确定性的复杂过程,不同阶段有不同的控制要求,结晶罐温度和液位控制间又存在一定的耦合,传统PID控制难以达到较好地控制效果,因此针对这一复杂过程提出了模糊鲁棒控制的方法,首先通过串联解耦消除青霉素结晶过程中存在的耦合,然后建立系统的T...     

基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

不确定非线性NCS鲁棒H∞保性能容错设计

针对一类不确定非线性网络化控制系统,同时考虑时延、丢包及受外部有限能量扰动的影响,研究了执行器失效故障情形下系统的鲁棒H∞保性能容错控制问题.基于T-S模糊模型,通过构造适当的李雅普诺夫-克拉索夫斯基泛函,推证出了使系统具有鲁棒H∞保性能容错能力的时滞依赖充分条件,并以求解线性矩阵不等式的形式得到了控制器的优化设计方法...     

基于T-S模糊模型的CNN混沌同步控制研究

研究了四元细胞神经网络(CNN)混沌系统的T-S模糊模型建立问题,用李雅谱诺夫法构建CNN混沌系统的同步控制器,并用遗传算法对控制参数进行优化,达到比较理想的同步效果.     

基于T-S模型的不确定时滞系统的保代价控制

基于T—S模糊模型，研究具有范数有界、时变参数不确定性和时滞的非线性系统的保代价控制问题，得到存在稳定模糊保代价控制器的充分条件，并推算出相应的线性矩阵不等式(LMI)形式。     

Finite-Time Pinning Synchronization Control for T-S Fuzzy Discrete Complex Networks with Time-Varying Delays via Adaptive Event-Triggered Approach

This paper is concerned with the adaptive event-triggered finite-time pinning synchronization control problem for T-S fuzzy discrete complex networks (TSFDCNs) with time-varying delays. In order to accurately describe discrete dynamical behaviors, we build a general model of discrete complex networks via T-S fuzzy rules, which extends a continuous-time model in existing results. Based on an adaptive threshold and measurement errors, a discrete adaptive event-triggered approach (AETA) is introduced to govern signal transmission. With the hope of improving the resource utilization and reducing the update frequency, an event-based fuzzy pinning feedback control strategy is designed to control a small fraction of network nodes. Furthermore, by new Lyapunov–Krasovskii functionals and the finite-time analysis method, sufficient criteria are provided to guarantee the finite-time bounded stability of the closed-loop error system. Under an optimization condition and linear matrix inequality (LMI) constraints, the desired controller parameters with respect to minimum finite time are derived. Finally, several numerical examples are conducted to show the effectiveness of obtained theoretical results. For the same system, the average triggering rate of AETA is significantly lower than existing event-triggered mechanisms and the convergence rate of synchronization errors is also superior to other control strategies.