为解决工业过程自动化的一些难点问题(非线性、大时延、不确定性扰动等),构筑了一种先进的多维动态模糊模型-模糊双曲正切模型结构及其改进结构,该模型具有全局一致收敛和对非线性系统的优越逼近性能, 并具有现有的模糊模型所不具备的其他许多优越性能; 提出了综合采用粗糙集理论和模糊聚类分析方法辨识其模型,建立起基于该模型的模糊自适应反馈控制方法,进而研究了不确定外扰和内部运行工况大范围变化时的鲁棒控制问题。为
针对数学模型未知的一类具有随机干扰的多变量时变非线性复杂对象,构筑了一种先进的多维动态模糊模型──改进的模糊双曲正切模型,该模型具有不需要辨识结构和前提参数、建模计算量小、易于由语言信息建模、所得到的模型是整体非线性模型的优点。综合采用粗糙集理论和模糊聚类分析方法辨识其模型,并建立了基于此模糊模型的非线性反馈控制器。研究了模糊-神经网络系统的建模、控制、鲁棒稳定性分析等方法,较好地解决了大时滞和持续的不确定性扰动这两个难点问题。采用模糊策略解决了两类不同结构的混沌系统的同步化的难点问题。形成了新型的模糊自适应反馈+频域前馈的高控制精度和强鲁棒稳定的控制方法,并对闭环控制系统的性能进行了深入分析研究。理论研究结果已经应用于长距离输油管道流体泄漏点定位、微型燃机电力变换与控制、沈阳电业局电力SCADA与电力GIS系统设计等实际应用中,每年产生1亿多元的直接经济效益。研究成果有力地推动了模糊控制理论和自动化技术的进一步深入发展。