智能控制系统的鲁棒性研究

综合模糊关系、模糊神经网络、拓扑变换、子波变换、解耦补偿和信息熵等概念和方法，深入研究智能控制系统的鲁棒性和可控性理论与分析方法；提出了一类拓扑变换下模糊关系的解耦方法，提出并证明了一种基于信息熵的鲁棒性描述判据，为多变量智能控制系统的鲁棒性分析和控制器设计提供有效工具。借助上述思想和方法，分别研究了T-模糊控制系统的鲁棒性和L-可控性、P型模糊系统的鲁棒性分析和鲁棒控制器设计、非确定性TS模糊神经模型的鲁棒性以及一类模糊控制系统的鲁棒稳定性等问题，取得重要成果，并对基于模型的模糊控制器设计方法进行重要改进。结合工业窑炉、高速列车和机器人等应用背景，进行仿真研究验证结果。出版国外专著提高学科国际地位。