项目名称: 基于矩匹配的T-S模糊系统模型降阶及其应用研究

项目编号: No.61403048

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 苏晓杰

作者单位: 重庆大学

项目金额: 25万元

中文摘要: 在工程实践中,物理系统/过程的数学模型往往是高阶系统,这对控制系统的分析和设计带来了极大的困难。因此,如何在保证一定性能指标下建立一个低阶模型去逼近高阶系统模型,是模型降阶的关键问题。T-S模糊系统可以在限定的凸集中精确逼近实际物理系统及工业过程中的强非线性特性。本项目针对T-S模糊系统,基于矩匹配研究其模型降阶的方法及其在降阶综合问题中的应用。首先,基于矩匹配探索T-S模糊系统在多种性能指标下的模型降阶方法。在此基础上,研究T-S模糊系统在矩匹配降阶方法下的综合问题(包括降阶动态输出反馈控制、降阶滤波器的设计和求解方法)。此外,有关研究成果将在新能源电力系统的建模与分析中进行尝试性应用。本项目可望建立一套较为完整的基于矩匹配的T-S模糊系统模型降阶理论,为工程技术人员提供实用的模型降阶和综合方法。

中文关键词: 模型降阶;T-S模糊系统;降阶综合;多性能指标;

英文摘要: High-order complex mathematical modeling of physical systems and processes arise frequently in many areas of engineering, bringing great difficulties to the analysis and synthesis of the systems concerned. Therefore, there has been considerable attention

英文关键词: Model reduction;T-S Fuzzy systems;Reduced-order synthesis;Multi-objective index;

成为VIP会员查看完整内容
0

相关内容

数字孪生模型构建理论及应用
专知会员服务
220+阅读 · 2022年4月19日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
34+阅读 · 2020年11月26日
应用知识图谱的推荐方法与系统
专知会员服务
114+阅读 · 2020年11月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
102+阅读 · 2020年3月2日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月14日
Arxiv
13+阅读 · 2021年10月22日
小贴士
相关VIP内容
数字孪生模型构建理论及应用
专知会员服务
220+阅读 · 2022年4月19日
专知会员服务
32+阅读 · 2021年9月14日
专知会员服务
97+阅读 · 2021年6月23日
专知会员服务
44+阅读 · 2021年5月24日
专知会员服务
24+阅读 · 2021年4月21日
专知会员服务
34+阅读 · 2020年11月26日
应用知识图谱的推荐方法与系统
专知会员服务
114+阅读 · 2020年11月23日
【UCLA】基于深度神经网络的工业大模型预测控制,36页ppt
强化学习和最优控制的《十个关键点》81页PPT汇总
专知会员服务
102+阅读 · 2020年3月2日
相关资讯
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
约束进化算法及其应用研究综述
专知
0+阅读 · 2021年4月12日
解读 | 得见的高斯过程
机器学习算法与Python学习
14+阅读 · 2019年2月13日
回归预测&时间序列预测
GBASE数据工程部数据团队
43+阅读 · 2017年5月17日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员