Parallel distribution compensation

Parallel distribution compensation (PDC) [15], [16] plays an important role in the synchronization analysis of FMB control systems. It requires that the fuzzy controller shares the same premise membership functions and the same number of rules from the T–S fuzzy model. With the consideration of the permutation of membership functions using Pòlya's theorem, PDC LMI-based stability conditions were summarized in [31]. To allow the fuzzy controller using premise membership functions different from the T–S fuzzy model, the novel concept of membership-function-dependent (MFD) analysis, further developed from the IPM concept [22], [23], was raised in [27], [30], [32], and [33], which grants the fuzzy controller to have greater degree of design flexibility, more enhanced robustness, and lower implementation complexity under certain circumstances. Under the concept of MFD analysis, due to the mismatched premise membership functions, the permutation of membership functions is no longer helpful. Instead, MFD analysis techniques using the information of membership functions represented by, for example, staircase membership functions [34], piecewise-linear membership functions [35], [36], and Taylor-series membership functions [37], are employed to develop stability conditions of different levels of conservativeness.

0/5000

源语言: -

目标语言: -

结果 (简体中文) 1: [复制]

复制成功！

并行分布补偿 (PDC) [15]、[16] 在 FMB 控制系统的同步分析中起着重要作用。它要求模糊控制器共享相同的前提隶属函数和相同数量的 T-S 模糊模型的规则。考虑到使用 Pòlya 定理的隶属函数排列，[31] 中总结了基于 PDC LMI 的稳定性条件。为了允许模糊控制器使用不同于 T-S 模糊模型的前提隶属函数，从 IPM 概念 [22]、[23] 进一步发展而来的隶属函数相关 (MFD) 分析的新概念在 [ 27、[30]、[32]和[33]，这使得模糊控制器在某些情况下具有更大程度的设计灵活性、更强的鲁棒性和更低的实现复杂性。在 MFD 分析的概念下，由于前提隶属函数不匹配，隶属函数的排列不再有帮助。相反，MFD 分析技术使用由例如阶梯隶属函数 [34]、分段线性隶属函数 [35]、[36] 和泰勒级数隶属函数 [37] 表示的隶属函数信息，用于制定不同保守程度的稳定性条件。

正在翻译中..

结果 (简体中文) 2:[复制]

复制成功！

并联分布补偿（PDC）[15]，[16]在FMB控制系统的同步分析中发挥着重要作用。它要求模糊控制器共享相同的前提隶属函数和来自T–S模糊模型的相同数量的规则。通过使用Pålya定理考虑隶属函数的排列，[31]中总结了基于PDC LMI的稳定性条件。为了允许模糊控制器使用不同于T–S模糊模型的前提隶属函数，在[27]、[30]、[32]和[33]中提出了隶属函数相关（MFD）分析的新概念，该概念是在IPM概念[22]、[23]的基础上进一步发展而来的，这赋予了模糊控制器更大程度的设计灵活性、更强的鲁棒性，以及在某些情况下降低实现复杂性。在MFD分析的概念下，由于不匹配的前提隶属函数，隶属函数的排列不再有帮助。相反，使用由例如阶梯隶属函数[34]、分段线性隶属函数[35]、[36]和泰勒级数隶属函数[37]表示的隶属函数的信息的MFD分析技术被用于开发不同保守性水平的稳定性条件。

正在翻译中..

结果 (简体中文) 3:[复制]

复制成功！

并联分布补偿(PDC) [15]、[16]在FMB控制系统的同步分析中起着重要的作用。它要求模糊控制器共享相同的前提隶属函数和相同数量的来自T–S模糊模型的规则。考虑到使用Pòlya定理的隶属函数排列，PDC基于LMI的稳定性条件在[31]中进行了总结。为了允许模糊控制器使用不同于T–S模糊模型的前提隶属函数，在[27]、[30]、[32]和[33]中提出了从IPM概念[22]、[23]进一步发展而来的隶属函数相关(MFD)分析的新概念，这使得模糊控制器在某些情况下具有更大程度的设计灵活性、更强的鲁棒性和更低的实现复杂度。在MFD分析的概念下，由于前提隶属函数不匹配，隶属函数的排列不再有帮助。相反，使用隶属函数信息的MFD分析技术，例如阶梯隶属函数[34]、分段线性隶属函数[35]、[36]和泰勒级数隶属函数[37]，被用于开发不同保守水平的稳定性条件。

正在翻译中..

其它语言

本翻译工具支持: 世界语, 丹麦语, 乌克兰语, 乌兹别克语, 乌尔都语, 亚美尼亚语, 伊博语, 俄语, 保加利亚语, 信德语, 修纳语, 僧伽罗语, 克林贡语, 克罗地亚语, 冰岛语, 加利西亚语, 加泰罗尼亚语, 匈牙利语, 南非祖鲁语, 南非科萨语, 卡纳达语, 卢旺达语, 卢森堡语, 印地语, 印尼巽他语, 印尼爪哇语, 印尼语, 古吉拉特语, 吉尔吉斯语, 哈萨克语, 土库曼语, 土耳其语, 塔吉克语, 塞尔维亚语, 塞索托语, 夏威夷语, 奥利亚语, 威尔士语, 孟加拉语, 宿务语, 尼泊尔语, 巴斯克语, 布尔语(南非荷兰语), 希伯来语, 希腊语, 库尔德语, 弗里西语, 德语, 意大利语, 意第绪语, 拉丁语, 拉脱维亚语, 挪威语, 捷克语, 斯洛伐克语, 斯洛文尼亚语, 斯瓦希里语, 旁遮普语, 日语, 普什图语, 格鲁吉亚语, 毛利语, 法语, 波兰语, 波斯尼亚语, 波斯语, 泰卢固语, 泰米尔语, 泰语, 海地克里奥尔语, 爱尔兰语, 爱沙尼亚语, 瑞典语, 白俄罗斯语, 科西嘉语, 立陶宛语, 简体中文, 索马里语, 繁体中文, 约鲁巴语, 维吾尔语, 缅甸语, 罗马尼亚语, 老挝语, 自动识别, 芬兰语, 苏格兰盖尔语, 苗语, 英语, 荷兰语, 菲律宾语, 萨摩亚语, 葡萄牙语, 蒙古语, 西班牙语, 豪萨语, 越南语, 阿塞拜疆语, 阿姆哈拉语, 阿尔巴尼亚语, 阿拉伯语, 鞑靼语, 韩语, 马其顿语, 马尔加什语, 马拉地语, 马拉雅拉姆语, 马来语, 马耳他语, 高棉语, 齐切瓦语, 等语言的翻译.