[01284501]神经模糊智能控制的理论与方法

该项目在973计划、国家自然科学基金杰出青年基金和面上项目支持下，系统深入地展开了神经模糊智能控制的研究。

在此统一框架下取得了如下成果：

⑴在神经模糊自适应控制方面，率先提出了扇区神经变结构控制和神经模糊动态逆的设计思想。在此基础上系统建立了非线性系统神经模糊稳定自适应控制理论方法。并针对机器人动力学特点设计了采样数据情形下的机器人自适应控制方法。

⑵在模糊控制理论与方法方面，结合多时标系统特点，基于T-S模糊模型建立了模糊奇异摄动建模型与控制的新方法。证明了模糊奇异摄动系统对多时标非线性系统的通用逼近性，为模糊规则数的确定给出了理论指导。在此基础上系统研究了基于模糊奇异摄动模型的连续和离散系统的多目标鲁棒控制综合问题，并进一步拓展到了摄动参数时变的模糊控制器设计。这些理论工作在柔性机械臂上获得了成功应用，在这一框架下发展起来的基于凸优化的设计思想还被深入拓展到了网络控制系统的分析与设计中。

⑶针对实际工业过程中广泛存在状态量难以实时观测的问题，在智能控制的统一框架下深入研究了一系列状态观测设计方法。

在国际上率先建立了系统的基于观测器的神经网络稳定自适应控制理论方法，这一工作的新颖性在于无需已知机器人的动力学形式，而只需测量机器人的位置信息，该成果被国际权威期刊列为2001年神经网络界代表性工作。

在T-S模糊控制框架下研究了模糊观测器的设计，利用大系统理论中的向量比较原理证明了控制器—观测器分离设计的一般条件。这一工作拓展了传统线性系统理论中分离性原理的应用范围，具有重要理论意义。该成果目前在SCI数据库中引用已超过200次。

此外，将模糊逻辑有效地融入贝叶斯学习框架，提出了模糊粒子滤波设计思想。为有效解决实际工业过程中的非线性—非高斯估计问题提供了有效的解决思路。

以上研究成果共在发表SCI检索论文41篇，引用532次，有14篇发表在IEEE汇刊和Automatica上。这些研究成果不仅具有重要的学术意义，而且对未来我国的国防和民间应用具有重要意义。