Adaptive fuzzy control for a class of unknown fractional-order neural networks subject to input nonlinearities and dead-zones
Adaptive fuzzy control for a class of unknown fractional-order neural networks subject to input nonlinearities and dead-zones
复制标题
一类受输入非线性和死区影响的未知分数阶神经网络的自适应模糊控制
DOI：
10.1016/j.ins.2018.04.069
复制
发表时间：
2018-07
影响因子：
8.1
通讯作者：
Sun Yeguo
中科院分区：
文献类型：
--
作者：
Liu Heng;Li Shenggang;Wang Hongxing;Sun Yeguo
针对具有输入非线性和未建模动态的不确定分数阶神经网络，提出了一种自适应模糊控制方法。系统的不确定性和未知部分的非线性输入近似的模糊逻辑系统（FLS）。基于已有的分数阶系统稳定性分析准则，设计了一种保证被控系统渐近稳定的AFC。分数阶自适应律（FOALs）被构造来更新FLS的可调参数。我们的方法可以用来控制FONN与/不控制输入中的扇区非线性。它还允许我们推广许多现有的控制方法，是有效的整数阶神经网络FONN通过使用所提出的方法。最后通过仿真实验验证了该方法的有效性。
This paper presents an adaptive fuzzy control (AFC) for uncertain fractional-order neural networks (FONNs) with input nonlinearities and unmodeled dynamics. System uncertainties and unknown parts of the nonlinear input are approximated by fuzzy logic systems (FLSs). Based on some proposed stability analysis criteria for fractional-order systems (FOSs), an AFC is designed to guarantee the asymptotic stability of the controlled system. Fractional-order adaptive laws (FOALs) are constructed to update adjustable parameters of FLSs. Our method can be used to control FONNs with/without sector nonlinearities in control inputs. It also allows us to generalize many existing control methods that are valid for integer-order neural networks to FONNs by using the proposed method. Finally, the effectiveness of the proposed method is demonstrated by simulation results.
登录
查看更多内容
具有执行器死区的随机非线性系统的自适应量化模糊控制
影响因子：
8.1
作者：
Wang Fang;Liu Zhi;Zhang Yun;Chen C L Philip
通讯作者：
Chen C L Philip
DOI：
10.1109/tsmc.2015.2426131
发表时间：
2016
期刊：
IEEE Transactions on Systems, Man, and Cybernetics: Systems
影响因子：
--
作者：
Shaocheng Tong;Lili Zhang;Yong-ming Li
通讯作者：
Shaocheng Tong;Lili Zhang;Yong-ming Li
影响因子：
7.3
作者：
Tsung-Chih Lin;Chia-Hao Kuo
通讯作者：
Tsung-Chih Lin;Chia-Hao Kuo
DOI：
10.1016/j.matcom.2007.03.005
发表时间：
2008-04
期刊：
Math. Comput. Simul.
影响因子：
--
作者：
Y. Hung;Jun‐Juh Yan;Teh‐Lu Liao
通讯作者：
Y. Hung;Jun‐Juh Yan;Teh‐Lu Liao
影响因子：
0.5
作者：
Swati Tyagi;Syed Abbas
通讯作者：
Swati Tyagi;Syed Abbas