扩展卡尔曼基础上的模糊控制

# Takagi-Sugeno fuzzy system 功能：探测EKF（扩展卡尔曼）的发散性，并适应滤波器 对于模糊功能系统来说，我们使用单一模糊，和第i个MISO（Multiple Input Single-Output）规则，其形式如下： **如果$u_1$是$A_1^1$,$u_2$是$A_1^1$...$u_n$是$A_n^1$，那么$b_i$是$g_i(.)$<br>$A_n^l$是模糊集合,l = 1,2,...R**# Takagi-Sugeno fuzzy system 功能：探测EKF（扩展卡尔曼）的发散性，并适应滤波器 对于模糊功能系统来说，我们使用单一模糊，和第i个MISO（Multiple Input Single-Output）规则，其形式如下： **如果$u_1$是$A_1^1$,$u_2$是$A_1^1$...$u_n$是$A_n^1$，那么$b_i$是$g_i(.)$<br>$A_n^l$是模糊集合,l = 1,2,...R** 在模糊控制器中，残差（预测观测量和实际观测量之间的差值）的均值和协方差被用于控制器的输入，对于三个模糊推断引擎来说。输出是输入变量和协方差的的线性组合$\alpha$被运算为$b_i$的加权平均 $\frac{\sum_{i=1}^{R}b_i\mu}{\sum_{i=1}^{R}\mu_i}$ 权重$\mu_i$如下计算 $\mu = \prod\mu_{A_i^l}(u_i)$ 作为FLAC（fuzzy logic adaptive controller）的输入，残差的均值和协方差被用于确定发散度。通过选择n来提供统计平滑，残差的均值和协方差是： $\overline{r} = \