中文摘要：

本项目旨在利用自适应模糊控制技术研究非线性系统分析与控制问题，发展新的模糊控制理论和方法。主要着重下述问题的研究1.目前自适应模糊控制设计方法依赖于模糊基向量函数的结构信息。在系统函数完全未知情况下，如何为模糊基函数选择最优权重向量十分困难，也十分重要。对该问题的研究旨在利用自适应技术发展一种寻求最优权重向量的在线学习算法；或利用模糊基函数的结构特点发展新的、不完全依赖于模糊基向量的控制器设计方法。2.研究在系统不具有严格反馈结构的条件下，寻找系统函数可实施变量分离的条件和技术，以突破现有backstepping控制设计方法受限于"严格反馈结构"这样的限制条件，利用自适应模糊控制技术为解决这一类非线性系统的输出跟踪、扰动解藕等控制问题提供新的思路和方法。3.尝试以二型模糊系统作为函数逼近算子对系统中未知非线性函数建模，结合自适应backstepping技术提出新的自适应模糊控制设计方法。

结论摘要：

本研究课题主要考虑利用自适应模糊控(或神经网络）制技术研究非线性系统分析与控制问题，发展新的模糊控制理论和方法。主要着重下述问题的研究1.在系统函数完全未知情况下，如何利用模糊基函数的结构特点发展新的、不完全依赖于模糊基向量的控制器设计方法。2.研究在系统不具有严格反馈结构的条件下，寻找系统函数可实施变量分离的条件和技术，以突破现有backstepping控制设计方法受限于“严格反馈结构”这样的限制条件。对于第一个研究问题，我们给出了新的自适应控制设计方法。所提出的自适应控制设计方法中，模糊逻辑系统或神经网络仅在理论上用于未知函数的逼近和稳定性分析，而控制器的设计完全不依赖于模糊基函数或神经网络基向量函数的结构信息。对于第二个研究问题，利用严格增函数的特性和相应泛函分析知识，提出了一个连续多元非线性函数可以实施变量分离的条件和方法。同时基于模糊逻辑系统的结构特征建立了状态变量变换前后状态变量范数之间的不等式关系。至此，建立了backstepping 设计技术应用于非线性非严格反馈系统控制问题的条件与方法。基于上述方法，我们分别研究了非线性纯反馈系统（非严格反馈形式的一种），更一般的非线性非严格反馈系统的自适应模糊（神经网络）控制问题。分别给出这类系统基于模糊逼近或神经网络逼近的直接、间接自适应控制设计的新方法。基于本研究项目，在国际学术期刊杂志上发表学术论文28篇,会议论文6篇；毕业博士生2人，毕业硕士研究生10人；在读博士生2人，在读硕士研究生16人。