李艳[1]2001年在《基于模糊示例学习的模糊控制器》文中进行了进一步梳理本文以示例学习为基础，针对基本模糊控制器依赖人为经验的局限性，提出了一种基于模糊示例学习的模糊控制器。给出了其设计原理。设计算法，可行性分析，并通过仿真算例验证了这种模糊控制器的可行性及有效性。这种设计方法明显改善了控制器的自学习能力，从而进一步提高了控制器的智能水平。
哈明虎, 王熙照, 李艳, 田大增[2]2000年在《基于示例学习的模糊控制器原理》文中研究表明简要回顾了示例学习的基本知识 ,并在此基础上 ,针对基本模糊控制器依赖人为经验的局限性 ,提出了一种基于示例学习的模糊控制器并给出了其设计原理。这种设计方法明显提高了控制器的自学习能力 ,从而能够进一步改善控制器的性能
王熙照, 哈明虎[3]2004年在《不确定信息处理及在归纳学习中的应用》文中提出信息的不确定性是由于模糊性、随机性、不完全性、不精确性等因素造成的,不确定性信息在现实世界中广泛存在.关于这方面的研究主要集中在模糊性这种不确定性上。我们课题组在此领域的研究已经持续20余年,概括起来讲,早期的研究兴趣在于模糊(非可加)测度与积分的理论建立,主要研究了传统的可加测度与积分理论到非可加情况的推广;尔后的兴趣转向为如何用数值方法确定非可加测度;近期的研究兴趣在于从已有数据中获取模糊控制规则以及具有模糊表示的归纳学习问题。近10年的研究曾得到了多项基金项目资助,出版专着3部,发表学术论文100余篇,30余篇被SCI收录,20余篇被EI收录,省级以上奖励3项。以下是我们近期研究工作的一个总结,主要包括:模糊决策树归纳;基于模糊信息的决策表简化;产生模糊规则的扩张矩阵算法;模糊归纳学习在其他领域中的应用;基于示例学习的模糊控制等。
李艳, 哈明虎, 王熙照[4]2000年在《基于示例学习的模糊控制器的可行性分析》文中指出本文在文[1]与[2]提出的基于示例学习的模糊控制器的原理和算法基础上,进一步分析了其实现的可行性。
吴海燕[5]2006年在《基于支持向量机与模糊推理的系统辨识与控制研究》文中提出模糊推理系统(Fuzzy Inference System,FIS),或模糊逻辑系统(Fuzzy Logical System,FLS),简称模糊系统,它是建立在模糊集合论、模糊if-then规则、模糊逻辑推理基础上的一种先进的计算框架。模糊系统模拟人类的模糊思维,是处理不确定性、不精确性的有力工具,解决了在不同的情况下采用不同的决策机制问题。模糊推理的基础是模糊规则库的建立。作为新型学习机的支持向量机以统计学习理论为理论基础,为研究有限样本情况下的统计识别和更广泛的机器学习问题提供了一种新的模式识别方法。本文针对现有的模糊规则提取方法的不足进行了一些探索和研究,提出将模糊推理与支持向量机结合,构成一种新型的推理方式和辨识控制方法。本文的主要内容包括:1)系统阐述了支持向量机的理论基础和实现原理。介绍了支持向量机(Support Vector Machines, SVM)的数学理论基础——统计学习理论,研究了支持向量机在解决小样本情况下的实现算法,并分析了支持向量机的几何特性和核函数的选择等问题;2)提出基于支持向量机的模糊推理模型。根据模糊推理和支持向量机的共性,将支持向量机与模糊推理结合,提出并构建了基于支持向量机的模糊推理模型,给出了其具体的实现算法,并通过仿真实验与常用模糊规则提取方法进行比较;3)将基于支持向量机的模糊推理模型应用于非线性系统辨识。以混沌时间序列预测和叁阶非线性系统模型辨识为例进行实验仿真,与常用的智能辨识方法进行比较,证明基于支持向量机的模糊推理模型具有较高的预测和辨识精度;4)将基于支持向量机的模糊推理模型应用于非线性系统控制。以非线性的球杆系统控制和二级倒立摆系统控制为例进行实验仿真,证明基于支持向量机的模糊推理模型具有较高的控制精度和稳态性能,具有较强的应用价值。
修智宏[6]2004年在《模糊控制器的解析研究及在减摇鳍控制中的应用》文中指出近年来模糊控制技术发展迅速,己被证明是解决许多复杂系统建模和控制的一种有效方法。早期的模糊控制器设计主要依赖于设计者的经验,不能对系统性能进行有效的数学分析,影响了模糊控制器的深入理论研究和广泛应用。而基于解析的方法,经典和现代控制理论中的许多成熟的方法能融合于模糊控制系统的分析和设计。本文系统地研究了模糊控制器的解析设计和稳定性分析方法,并将研究结果应用于船舶减摇鳍控制系统设计。 稳定性分析和系统化设计一直是模糊控制理论研究的重点和难点。本文总结了工程应用中大多数模糊控制系统前件变量模糊隶属度函数的共同特点,明确定义了标准模糊分划和双交迭模糊分划,研究了前件变量采用标准模糊分划和双交迭模糊分划的模糊控制系统的性质。通过构建分段光滑的Lyapunov函数提出了一种判定T-S模糊控制系统稳定性的新方法,该方法充分利用了模糊规则前件输入变量模糊隶属度函数的结构信息,只需在各最大交迭规则组内分别寻找公共的正定矩阵,减小了以往稳定性判定方法的保守性和难度。在此基础上,利用平行分布补偿法和线性矩阵不等式方法,进一步探讨了T-S模糊系统状态反馈控制器和输出反馈控制器的系统化设计及闭环模糊控制系统的稳定性分析方法。 本文推导出了工程实践中常用的输入采用叁角形全交迭隶属函数的正规模糊集、输出采用单点模糊数的单输入单输出、双输入单输出典型Mamdani模糊控制器的插值解析表达式,并推广到典型T-S模糊控制器。这些插值解析表达式在一定程度上揭示了典型模糊控制器的本质特征,为其设计和优化提供了准确的解析模型,同时也为实际应用提供了一种快速精确的控制算法,因而具有较高的应用价值。 为了解决“控制性能优于传统PID控制器的模糊控制器设计”、“模糊控制器系统化设计”和模糊控制的“简单性”等问题,本文在T-S型模糊控制器的规则后件采用PID表达式,构造了一种TS-PID模糊控制器。该模糊控制器将模糊控制与PID控制紧密结合起来,兼有两者的优点,是一种具有广泛应用前景的复合控制器。推导了典型TS-PID模糊控制器的插值解析表达式的,进一步揭示了该类模糊控制器本质是一种非线性PID控制器,为其设计和优化提供了准确的解析模
陈珺[7]2009年在《基于T-S模型的非线性系统模糊控制器设计及应用》文中研究指明随着科学技术的迅猛发展,传统控制理论已很难解决复杂非线性系统的建模、分析和设计问题。而模糊控制技术由于具有控制器设计简单、适用于许多非线性系统以及鲁棒性强等特点,自上世纪80年代以来,在控制理论和工程实践方面获得了很大的进展。但是由于模糊控制系统本质上的非线性,使得其稳定性分析与性能设计尚缺乏严格的理论基础,因此难以形成系统化的综合方法。1985年,日本学者Takagi和Sugeno提出的Takagi-Sugeno(T-S)模糊模型,给模糊控制理论研究及应用带来了深远的影响,使模糊控制系统的稳定性分析上升到一个新的理论高度。特别是近年来与并行分布补偿(PDC)算法以及线性矩阵不等式(LMI)技术的结合,使其成为非线性系统稳定性分析和控制器设计的一种有效处理方法。本文的研究以非线性系统为主,同时考虑不确定性、时滞、随机跳变等因素的影响。基于Lyapunov稳定性理论,采用并行分布补偿算法,研究了一类非线性系统的模糊控制问题,内容涉及滤波器设计、保性能控制、区域极点配置、非脆弱控制、约束控制、鲁棒性能分析以及鲁棒镇定等方面。所得结果均可统一到一组线性矩阵不等式的处理框架中,由于内点算法的提出,使得求解十分方便。本文的主要工作包括以下几个方面:(1)在外部干扰和测量噪声统计特性未知的情况下,为连续非线性系统提供一种新的H_∞滤波器设计方法。首先利用T-S模糊模型对该系统进行建模,然后通过引入一个附加矩阵,解除Lyapunov矩阵和系统矩阵的耦合关系,获得具有较小保守性的结果。最后通过仿真验证方法的可行性。(2)从两方面改进了一类不确定非线性系统的模糊保性能控制器设计方法。第一部分利用分段光滑Lyapunov函数的思想,导出保证系统鲁棒稳定的保性能控制律的存在条件。所得结果避免了寻找公共Lyapunov矩阵解的困难,具有较小的保守性。第二部分基于扩展稳定性条件和等价投影定理,并结合系统响应速度的考虑,给出系统以衰减率α鲁棒渐近稳定的充分条件及具有衰减率α的保性能控制律设计方法。(3)针对一类具有范数有界时变参数不确定性的非线性系统,采用T-S模糊控制方法并结合闭环系统动态性能的考虑,分别给出了连续情形和离散情形下,系统具有圆盘极点约束的鲁棒保性能控制问题。结果表明,所设计的控制器不仅使系统具有良好的稳态性能,同时也获得了满意的过渡过程特性。(4)讨论了非线性时滞系统的鲁棒性能分析和综合问题。首先,在放宽稳定性条件的基础上,研究一类同时具有状态时滞和控制时滞的不确定离散非线性系统的鲁棒H_∞保性能控制问题。其次,考虑在控制器存在可加性摄动时,离散非线性时滞系统的非脆弱LQ /H_∞控制器设计方法。所设计的控制器不仅能够保证闭环模糊系统的时滞依赖稳定性,而且还能使系统达到一定的H_∞干扰抑制水平。最后,通过构造一个适当的模糊Lyapunov函数,并结合自由权矩阵的方法,给出一种新的时滞依赖稳定性判据。该判据充分考虑了时滞上下界的信息,并且取消了对时滞导数小于1的限制,比以往结果具有更低的保守性。(5)从约束控制、H_∞控制、鲁棒控制等几方面入手,采用T-S模糊模型,对非线性Markov跳变系统的稳定性分析和控制器设计作了初步的探讨。基于随机Lyapunov稳定性理论,并采用状态反馈形式,给出跳变系统相应的模糊控制器设计方法。与一般的状态反馈控制器相比,这里设计的控制器增益都是依赖于Markov跳变模态的。最后对全文进行概括总结,并指出了有待进一步研究和完善的问题。
刘玉琳[8]2013年在《基于T-S模糊系统的稳定性分析及控制器设计》文中研究指明由于系统未知的扰动输入，在复杂的非线性系统中想要用精确的数学模型来精确的描述系统，是十分困难的甚至是不可能的。模糊控制由于其独特的系统描述方法，为这类问题的解决带来了新的研究思路。而模糊系统中的T-S模型有着能以任意精度逼近非线性系统的优点，使其受到了广大学者的关注。T-S模型的建立将模糊控制的研究提升到了一个新的理论高度，基于T-S模糊系统的研究也成为控制界的新热点。本文的研究对象主要以T-S模糊系统为主，同时将系统的不确定性考虑进去，基于Lyapunov稳定性原理，采用并行分布补偿方法，利用线性矩阵不等式技术，在新型模糊Lyapunov函数方法下，对具有不确定性的T-S模糊连续系统进行稳定性分析和控制器的设计；对具有不确定性的T-S模糊连续系统，研究D域保性能控制和H控制问题；对具有不确定性的T-S模糊离散系统，研究了二次圆盘保性能控制问题。本文主要工作包括以下几个方面：首先，对一类具有不确定性的T-S模型模糊系统，研究了在新型模糊Lyapunov函数方法下的稳定性分析及控制器的设计，给出了输入为零时系统稳定的充分条件，并验证了该条件比常用李雅普诺夫函数具有更大的松弛性。提出了该类系统线性矩阵不等式形式的控制器设计方法，该方法不必知道某一时刻被激活的规则数，同时把一个公共矩阵的寻找分解为p个矩阵的寻找，使得该方法具有更小的保守性，通过仿真，验证了该方法是可行的。其次，对具有不确定性的T-S模糊系统，给出了系统稳定的充分条件，提出了具有圆盘区域极点约束的保性能控制器的设计方法。在满足系统稳定的前提下，将系统闭环极点配置到复平面上给定的二次矩阵不等式区域内，并且使系统的性能指标有上界。通过仿真，验证了该方法是可行的。再次，对一类具有范数不确定性的T-S模糊离散系统，给出了系统稳定的充分条件，提出了具有圆盘区域极点约束的保性能控制器的设计方法，在满足系统稳定的前提下，将系统的闭环极点配置到指定的圆盘区域内，并且使系统的性能指标具有上界。通过仿真，验证了该方法是可行的。最后，对一类具有不确定性的T-S模糊系统，给出了使系统二次稳定的充分条件，提出了具有圆盘稳定的H控制器设计方法。在满足系统二次稳定的前提下，将系统的闭环极点配置到指定的圆盘区域内，并且使系统的H范数小于给定的常数，通过仿真，验证了该方法是可行的。
王丽佳[9]2017年在《基于多特征融合的机器人目标跟踪算法研究》文中研究说明随着经济的发展,人们生活水平的不断提高,各种服务机器人应运而生。目标跟踪技术是实现服务机器人与使用者友好交互的关键环节。各种跟踪算法和理论在视频图像序列的目标跟踪中取得了优越的跟踪性能。然而,在移动机器人目标跟踪中,目标和机器人的同时运动限制了目前大部分算法的应用。同时,跟踪过程中的光照改变、目标位姿变化、遮挡等问题也是制约移动机器人目标跟踪技术发展的关键问题。随着计算机硬件和高性能传感器技术的发展,丰富的场景信息的采集变得越来越方便可行。近年来越来越多的研究人员致力于多传感器信息融合及先进的目标跟踪算法的研究,并取得了一定的成果。深入研究当前移动机器人目标跟踪算法,在多传感器技术基础上探讨多特征融合的目标跟踪算法,重点解决复杂环境下的移动机器人目标跟踪问题。主要研究内容包含以下方面:(1)基于多传感器的双层协作定位机制机器人目标跟踪技术依靠传感器获得场景信息。单一传感器所提供的场景信息有限,在复杂环境中无法为准确的目标跟踪提供足够的信息。对多传感器技术进行研究,利用RFID和视觉传感器为移动机器人提供丰富的场景信息,以解决跟踪过程的目标突然转弯、光照改变、位姿变化等问题。研究基于多传感器的双层协作定位机制。RFID传感器对携带标签的目标人体进行外层粗定位;视觉传感器获得场景的图像信息,在粗定位的基础上确定图像的感兴趣区域,并在此区域进行图像处理完成对目标的内层精确定位。RFID技术缩小了图像的处理区域,有利于提高目标跟踪的实时处理能力。进一步,所构建的RFID系统的检测范围比视觉系统的视野宽,当目标出现在视觉系统视野外时,RFID系统的粗定位结果作为目标的跟踪位置引导机器人快速调整转速并跟随目标。(2)基于步态的运动人体识别技术移动机器人目标跟踪系统在启动阶段完成目标模板的初始化。常用的手动框选目标方法需要人为干扰,降低了系统的灵活性和自适应性。研究基于步态的运动人体识别技术实现移动机器人目标跟踪系统的自启动。在机器人静止-目标运动的模式下,对视觉传感器捕获的步态图像序列进行分析,分别利用Lacus-Kanade光流法和Procrustes形状分析法提取目标的步态光流图和头肩均值形状表征步态的动态信息和静态信息,进一步结合目标视角完成步态识别。该方法融合步态的动态和静态两种特征,较全面的描述了步态信息,有利于提高步态识别能力。且该方法克服了视角对步态识别结果的影响,解决了多视角下步态的识别问题。(3)基于多特征融合的目标跟踪算法基于单一特征构成外观模型的目标跟踪过程中,一旦背景中存在与目标特征相近的干扰极易造成跟踪失败。研究融合深度信息和颜色信息的改进Mean Shift算法,并在双层协作定位机制下实现移动机器人目标跟踪。该方法结合目标的深度特征构造自适应核函数,在统计目标的颜色概率分布模板时将目标边缘处背景像素权值设为0,以克服相似背景对目标跟踪的影响。研究基于多特征融合的目标跟踪方法。该方法融合描述目标的深度、形状、颜色、纹理、和运动信息构建多特征目标描述子,以提高目标模板的分辨能力。跟踪过程中采用序贯检测方案。首先根据运动规律预测目标位置缩小搜索范围。然后结合深度和形状信息提取前景目标的头肩形状初步检测人体。最后提取人体目标的深度颜色纹理特征建立目标的外观模板,并根据该模板检测目标。该方法构造的目标模板分辨能力强。最后,对分块多特征融合的目标跟踪方法进行研究。将深度图像和颜色图像分别分成NN?个图像块,并提取各图像片的多种特征建立外观模板。采用序贯检测策略实现目标跟踪。跟踪过程中,对深度特征分析以实时调整表征目标尺寸的矩形框大小,并根据目标的深度直方图特征和图像片外观相似度检测、处理跟踪过程中的光照、位姿变化,及遮挡问题。最后采用多策略目标模板更新方法根据跟踪过程的不同情况调整目标模板的更新策略,以适应光照、位姿等变化,及遮挡问题。(4)基于改进多示例学习算法的移动机器人目标跟踪技术机器人目标跟踪过程中,自适应外观模型起着重要作用。研究改进多示例学习算法,并在双层协作定位机制下实现移动机器人的目标跟踪。为解决目标帧间运动过大而造成的跟踪失败问题,RFID系统对目标进行粗定位,并以此确定改进多示例学习算法的候选样本采集区域;为实现机器人对目标的实时跟踪,从目标模型表达、弱分类器选择两个方面对多示例学习算法进行优化;为提高目标描述的准确性,提出尺寸预测模型。根据目标在前两帧图像序列中的尺寸估计其在当前帧图像中的尺寸,从而实时调整表征目标尺寸的矩形框大小;为解决光照、位姿变化造成的外观改变问题,提出基于反馈机制的分类器更新方法。根据当前跟踪结果的分类器分数及近两次跟踪结果的分类器分数差在线实时更新分类器参数。提出基于模糊逻辑的智能控制器。在专家经验的基础上,根据人机间相对距离以及目标运动情况实时调整机器人的线速度和转弯增益,以达到连续稳定跟踪目标的目的。最后,所提方法在移动机器人上进行验证。实验结果表明,机器人通过多传感器获得了更为丰富的场景信息,提高了目标检测的准确性;基于步态的目标识别方法实现了移动机器人目标跟踪系统的自启动;基于多特征融合的目标跟踪算法有效的描述目标,解决了目标跟踪过程的遮挡问题;基于改进多示例学习算法的移动机器人目标跟踪算法提高了光照改变等情况下的目标跟踪稳定性。
贺容波[10]2015年在《光电层合柔性板壳结构的智能主动振动控制研究》文中进行了进一步梳理在航空航天领域,板壳结构有着广泛的应用背景,其形状控制和振动控制一直是系统设计和工程应用中的重点和难点。当前,利用智能材料对板壳结构实施有效的主动激励来抑制振动的方法是一种有效的方法。但传统的由电、磁信号激发的智能材料,需要附加复杂的电磁激发装置,不利于系统的轻质小型化,同时其与激发装置之间需要导线连接,易引起电磁噪音干扰,而影响控制信号的传送准确性和实时性。而新型的镧改性锆钛酸铅(PLZT)陶瓷,可直接将光能转化为机械能,不受电磁干扰的影响,适于在太空环境下实施非接触激励及远程控制,有着广阔的应用前景。本文以层合光致伸缩PLZT驱动器的板和壳结构为对象,研究其智能振动主动控制技术,对与其相关的驱动器构型、动力学建模、驱动器位置优化以及单模态和多模态智能主动控制方法等几个方面的问题进行了相应的理论研究。论文的主要工作和创新性成果如下:(1)基于PLZT驱动器的光-热-力-电多场耦合本构模型,采用数值仿真方法分析了影响PLZT驱动器性能的主要因素;对当前常用的驱动器构型进行了分析比较,分析指出现有的驱动器构型在外部光源作用下“只能伸长不能缩短”,因而只能产生单向膜控制力。进一步,提出了两种能够产生正负膜控制力的多片组合驱动器构型,成功地克服了现有驱动器构型的缺陷,这种构型在曲壳结构的主动控制中具有明显的优势,能够显着的提高驱动器的作动效率;(2)基于板壳结构振动理论,建立了可适用于不同结构类型、不同几何参数的光电层合板壳结构的通用动力学模型,利用此模型可以进一步推导出层合有光致驱动器的不同类型板壳结构,如矩形板、圆柱壳、球壳,锥壳等结构的系统动力学方程;基于所建立的动力学模型,利用模态展开技术建立了光电层合板壳结构的模态控制方程。(3)结合PLZT驱动器切换致动和非线性驱动的特性,提出了独立模态变结构模糊控制器,与现有的常规李亚普洛夫控制(常光强控制)和速度反馈控制(变光强控制)相比,该控制器具有两方面的优势:一方面对光照方向的切换函数进行了优化设计,得到了最优光照方向切换函数;另一方面对光强的控制采用量化因子自调节模糊控制器,充分考虑了驱动器的驱动特性。所提出的控制器综合了模糊控制与变结构控制的优点,是一种不依赖于系统精确模型的智能控制器,能够克服驱动器的非线性驱动特性,其控制效果明显优于速度反馈控制。(4)结合算例给出了相应受控模态在驱动器位置变化时其模态控制因子的变化规律;分析得出了:对于确定的模态,存在一个或多个极值区域;在该区域,驱动器产生的模态控制因子幅值明显大于其他贴片区域;而且,随着模态半波数的变化,极值区域的分布会发生变化。进一步,为了实现对多个受控模态的振动同时进行抑制,需要将驱动器粘贴在能够对所有受控模态都产生尽可能大的模态因子的位置,为此,提出了以受控模态控制力因子的绝对值之和为优化函数及以驱动器的位置坐标为优化变量的板壳结构的多模态振动驱动器位置遗传优化算法,并结合本文提出的多片组合驱动器构型对板壳结构的驱动器位置进行了优化设计,计算得到了板壳结构在相应驱动器构型下的驱动器优化布片位置。(5)针对光电层合板壳结构的多模态主动控制问题,提出了最优模糊主动控制算法,该算法是由当前成熟的LQR控制与模糊控制组合而成,在算法设计过程中将结构系统控制和驱动器控制分开考虑,设计步骤分为两步:首先基于简化的线性系统模型设计LQR控制律,然后通过模糊控制器调节光电驱动器的输入光强使其输出的光致应变逼近最优控制量。该方法解决了当前光电层合系统不能直接应用线性系统控制方法的矛盾,通过将一个复杂的问题进行分解简化了控制器的设计,实现了光电层合板壳结构的多模态主动控制。结合该算法,通过仿真对比,对本文提出的多模态驱动器位置优化准则函数的合理性进行了验证。(6)将驱动器和结构系统作为整体考虑,提出了模糊神经网络控制(FNNC)和自组织模糊滑模控制(SOFSMC)等两种多模态主动控制算法。提出的FNNC主动控制算法综合了模糊控制和神经网络控制的优点,为了简化系统,所提出的模糊神经网络基于RBF网络,并采用两输入单输出结构。然而,在多模态振动问题中,控制变量的个数要多于控制器的输入个数,为了解决这一问题,参考欠驱动控制理论中所采用的二级滑模面思想,首先以各受控模态的位移和它们的速度信号线性组合构成各模态的一级滑模函数,然后将所有一级滑模函数进行线性组合构成二级滑模函数;最后将二级滑模函数和它的导数作为FNNC的输入变量。所提出的FNNC主动控制器不依赖于系统的数学模型,具有模糊规则和隶属度函数在线学习能力。(7)提出的SOFSMC主动振动控制算法通过引入二级滑模函数,降低了系统的控制阶数,简化了模糊控制系统的结构;通过引入自组织学习算法实现了控制器规则的在线学习,克服了常规模糊滑模控制器依赖系统规则的缺点;系统控制中模糊滑模的使用柔化了控制信号,避免了一般滑模控制的抖振现象;采用了单值模糊规则参数,这种单值模糊规则参数可以通过自组织学习算法进行自动调节;所使用的自组织学习算法与当前公开报道的文献是不相同的,其是依据光电层合结构多模态振动系统线性自回归平滑模型推导得到的新的自组织学习算法。为了验证所提出的智能主动控制算法的有效性,结合板壳结构的多模态主动控制算例进行了仿真。
参考文献：
[1]. 基于模糊示例学习的模糊控制器[D]. 李艳. 河北大学. 2001
[2]. 基于示例学习的模糊控制器原理[J]. 哈明虎, 王熙照, 李艳, 田大增. 河北大学学报(自然科学版). 2000
[3]. 不确定信息处理及在归纳学习中的应用[C]. 王熙照, 哈明虎. 第12届全国模糊系统与模糊数学学术年会论文集. 2004
[4]. 基于示例学习的模糊控制器的可行性分析[C]. 李艳, 哈明虎, 王熙照. 模糊集理论与模糊应用专辑——中国系统工程学会模糊数学与模糊系统委员会第十届年会论文选集. 2000
[5]. 基于支持向量机与模糊推理的系统辨识与控制研究[D]. 吴海燕. 西安理工大学. 2006
[6]. 模糊控制器的解析研究及在减摇鳍控制中的应用[D]. 修智宏. 大连海事大学. 2004
[7]. 基于T-S模型的非线性系统模糊控制器设计及应用[D]. 陈珺. 江南大学. 2009
[8]. 基于T-S模糊系统的稳定性分析及控制器设计[D]. 刘玉琳. 东北石油大学. 2013
[9]. 基于多特征融合的机器人目标跟踪算法研究[D]. 王丽佳. 北京工业大学. 2017
[10]. 光电层合柔性板壳结构的智能主动振动控制研究[D]. 贺容波. 南京航空航天大学. 2015
标签：自动化技术论文; 模糊控制论文; 模糊神经网络论文; 模糊算法论文; 模糊理论论文; 线性系统论文; 系统仿真论文; 模态分析论文; 不确定性分析论文; 系统稳定性论文; 矩阵分解论文; 机器人论文; 系统学习论文; 非线性论文;