论文部分内容阅读
根据滑动模态原理，将模糊控制系统的输入量简化为广义跟踪误差的一个超平面，并基于三角形的非线性划分语言变量的隶属度，得到滑动模态控制曲线。由于非线划分模糊语言变量，越接近稳定值，ｕ的变化率越快，从而减小了系统的“颤动”问题，提高了控制精度。
基于非线性划分模糊语言变量的滑动模态控制
【摘 要】
：
根据滑动模态原理，将模糊控制系统的输入量简化为广义跟踪误差的一个超平面，并基于三角形的非线性划分语言变量的隶属度，得到滑动模态控制曲线。由于非线划分模糊语言变量，越接近
【机 构】
：
工业大学自动化系(天津)
【出 处】
：
2000年中国控制与决策学术年会
【发表日期】
：
2000年期
其他文献
本文提出了基干模糊逻辑和神经网络技术的变电站的电压／无功控制的方法，该方法不需要建立精确的数学型，对外部参数的变化具有良好的适应性，补充了目前普遍应用在变电站的电压／无功
该文回顾了模糊控制和模糊神经网络控制的发展过程，着重从模糊控制器的神经网络实现技术、改善神经网络学习性能的模糊控制技术等方面介绍了模糊神经网络技术的研究现状；探讨了
基于A.Kawamura等人提出的Neural-Fuzzy协作系统概念[1]，该文根据模糊系统的结构，确定等价结构的神经网络。网络保留了模糊控制系统的优点，空间结构清晰，同时具有学习功能，并介绍
摘除老叶是油菜一项十分有效的增产技术。为什么油菜摘老叶好呢?这是因为:①油菜叶片在功能期阶段,光合作用最强,制造的干物质最多,并输送到植株各个部分,使其键壮生长发育;
随着时代的进步和科技的发展,人们在工作中应用的先进硬件和软件功能越来越强大,如AutoCAD属于全球范围内应用都非常广泛的绘图工具,在多个领域中得到普遍应用,目前很多高职
该文提出一种基于改进遗传算法训练结构和参数的神经网络控制的算法，采用并行的模糊推理网络，具有自适应学习的特点。将该算法得到的控制器用于实际工业对象模型的温度控制仿真
针对现有模糊推理方法的缺点，结合神经网络的学习能力和插值能力。提出了一种新型的模糊神经网络结构，在此基础上了一种模糊神经网络自适应预测控制方案，并导出了相应的学习算法