论文部分内容阅读
该文在模糊聚类的基础上，采用最优算法得到广义模糊RBFNN的自组织自学习算法-最优模糊聚类学习算法。该文提出模糊RBFNN的简化模型，构造一个可实现简化推理的网络。该文基于模糊RBFNN设计多变量自适应模糊RBFVV控制系统。对现有的自适应学习算法进行分析，提出改进的动态增益计算方法和基于过程最优的改进算法。同时针对多变量控制系统中模糊控制规则空间非完备性问题，提出规则的在线完备化算法，以保证控制系统具有较好的鲁棒性。并从自学习算法的收敛性出发，分析了多变量自适应模糊RBFNN控制系统的稳定性。对于具有纯滞后时间的多变量系统，为了保证系统具有良好的稳定性和超调，该文设计多变量模糊Smith预估控制系统。同时，该采用LMS滤波理论提出一种对象静态增益和纯滞后时间在线估计方法，并应用于多变量系统。该中还对模糊Smith控制系统的实际稳定性进行讨论，得到稳定性定理。最后该文以一个实际的控制对象为背影，设计模糊RBFNN串级控制系统。