---

در این مقاله کنترل فازی تطبیقی مستقیم با محدودیت‌های کمتر روی بهره‌ی کنترلی برای دسته‌ای از سیستم‌های غیرخطی تک ورودی- تک خروجی مطرح می-باشد و یک سیستم فازی نوع دوم بازه‌ای ساده شده ارائه شده است. قانون تطبیق بر اساس پایداری لیاپانوف می‌باشد، که کراندار ماندن پارامترهای تطبیقی و خطای ردیابی را تضمین می‌نماید. با توجه به اینکه علاوه بر پارامترهای بخش تالی، پارامترهای توابع تعلق یعنی مراکز و عرض توابع نیز تنظیم می‌شوند، خطای تخمین بسیار کوچک و قابل صرف‌نظر کردن است. ضمن اینکه توابع تعلق کمتری هم لازم داریم. شبیه‌سازی‌هایی که روی سیستم‌های پاندول معکوس و سیستم تعلیق مغناطیسی انجام شده است، گویای قابلیت کنترل‌کننده‌ی مطرح شده در این مقاله است. در حضور نویز، ردیابی ورودی مرجع، به خوبی صورت گرفته و خطای ردیابی بسیار پایین می‌باشد.

---

 

در این مقاله روش طراحی کنترل‌کننده­های فازی نوع-2 همراه با رویت­گر فازی نوع-2 مدل T-S برای یک سیستم غیرخطی همراه با پارامترهای نامعین ارائه می­شود. مدل فازی T-S بر مبنای مجموعه­های فازی نوع-2 فاصله­ای برای مدل­سازی دینامیک سیستم غیر­خطی و دینامیک رویت­گر اعمال می­شود. پارامتر­های نامعین توسط توابع عضویت مجموعه­های فازی نوع- 2 فاصله­ای با تعریف توابع عضویت بالا و پایین مشخص می­­شوند. برای‌ کنترل­کننده فازی نوع- 2 فاصله­ای توابع عضویت و تعداد قانون­های فازی کنترل­کننده به صورت دلخواه طوری انتخاب می­شوند که با مدل فازی T-S سیستم و رویت­گر متفاوت باشند که به روش جبران­سازی توزیع شده غیرموازی (non-PDC) معروف است. برای آنالیز پایداری یک تابع لیاپانوف فازی در نظر گرفته می‌شود به طوری که شرایط پایداری به صورت نامساوی‌های ماتریسی خطی (LMIs) بدست ‌می‌آیند.

 

---

  در این مطالعه، کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی مدل مرجع با آموزش پسخور خطا برای کلاسی از سیستم های غیرخطی در حضور عدم قطعیت محدود ارائه می گردد. کنترل کننده ارائه شده به فرم ترکیبی، شامل کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی و کنترل کننده کلاسیک می باشد. به دلیل استفاده از کنترل کننده کلاسیک در کنار کنترل کننده هوشمند، می توان انتظار محدود بودن پاسخ حالت گذرا را داشت. وزن های لایه خروجی کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی، پارامترهایی به فرم بازه ای هستند. با استفاده از تابع لیاپانوف مناسب بر اساس خروجی کنترل کننده کلاسیک، قوانین به روزکردن پایدار وزن های لایه خروجی کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی بر پایه اثبات پایداری استخراج شده اند. به منظور نشان دادن کارایی کنترل کننده طراحی شده، شبیه سازی جهت کنترل و همزمانسازی سیستم‌های آشوب نوسانگر دافینگ و جنسیو- تسی اجرا و نتایج با حالتی که وزنهای لایه خروجی کنترل کننده به فرم غیر راف می باشند، مقایسه شده اند که نشان دهنده مقاومت بیشتر کنترل کننده ارائه شده در مقایسه با کنترل کننده غیر راف دارد. نتایج حاکی از طراحی مناسب کنترل کننده ارائه شده، می باشد.