基于重要抽样法和神经网络的模糊鲁棒性分析

摘要

将重要抽样(IS)法与神经网络(NN)用于不确定控制系统的模糊鲁棒性分析中.IS法被用于提高当模糊不可接受性能的概率很小时的抽样效率,而NN被用于预测每次仿真试验中所需计算时间较长的性能指标值.所建议方法降低了标准Monte Carlo仿真(MCS)方法在处理模糊鲁棒性分析中小概率事件以及性能指标计算时间较长所带来的过高计算成本.最后,仿真结果验证了方法的有效性.