机器学习模型泛化能力启发的区间二型鲁棒模糊控制研究

In the last 10 years, interval type-2 fuzzy logic system (IT2FLS) has become a popular research area in fuzzy control and intelligent control, and has been successfully applied to many complex nonlinear control problems. Empirical evidences showed that IT2FLSs are more robust than traditional (type-1) fuzzy controllers. However, so far there has been no effective theory to guide the design of robust IT2FLSs. Many times it depends on experience or trial-and-error. This project will solve three key problems in IT2FLS robust control: 1) the mapping between the generalization ability of machine learning models and the robustness of IT2FLSs, and the quantification of its effectiveness; 2) the strategy for the robust combination of multiple IT2FLS architectures and type-reducers, and the evaluation of its effectiveness; and, 3) theory for the optimal integration of multiple robust IT2FLS design approaches. The results will be tested on a pneumatic muscle actuator, which has highly nonlinearity and parameter uncertainty. This project will provide important innovations to the robust controller design theory of IT2FLS and intelligent control, and also facilitate the broader adoption of IT2FLSs in soft robot control and many other complex nonlinear control applications.

区间二型模糊系统（IT2FLS）是近10年模糊控制和智能控制方向的一个研究热点，在许多复杂非线性系统控制中得到成功应用。实践证明IT2FLS鲁棒性优于传统模糊控制。然而，目前仍缺乏有效的理论来指导鲁棒IT2FLS控制器的设计，主要依靠经验或试错。本项目拟解决IT2FLS鲁棒控制的3个关键问题：1）机器学习泛化能力和IT2FLS鲁棒性之间的映射关系，及其效果的量化；2）多种IT2FLS结构和降阶算法的鲁棒组合策略及其效果评价；3）多种IT2FLS鲁棒控制器设计方法的最优融合理论。将在气动肌肉柔性机器人控制这一强非线性、高不确定性的系统上实验验证。本项目对于IT2FLS和模糊控制的鲁棒理论创新有重要意义，也将进一步促进IT2FLS在柔性机器人建模控制以及更多复杂非线性系统控制领域的广泛应用。

深入分析了Dropout、批标准化、频谱偏好等影响深度神经网络鲁棒性(泛化能力)的因素，提出了BoostForest和Patch learning等多种集成学习方法来提高树模型和模糊系统等基础机器学习模型的泛化能力。借鉴TSK模糊系统与神经网络等经典机器学习模型的相似性，把提高神经网络和混合专家模型泛化能力和训练效率的Dropout、正则化等技术推广到TSK模糊系统训练优化中，提高了其训练速度和泛化能力。在气动肌肉轨迹跟踪、智能车巡航等多个应用中验证了区间二型模糊控制器的准确性和鲁棒性。比较了多种二型模糊系统降型算法不同编程语言实现的运算代价，综述了区间二型模糊集和模糊系统研究进展，提出了模糊系统设计的指导原则，展望了未来研究方向。发表学术论文23篇，其中SCI期刊论文16篇，IEEE汇刊13篇，IEEE计算智能学会亮点论文1篇。应IEEE计算智能学会主席Jim Keller教授邀请，发表模糊系统方向首篇交互式论文。成果被2018年图灵奖获得者Bengio教授等国内外同行广泛引用。发布的开源区间二型模糊系统Matlab代码被下载超8000次。申请中国发明专利4项，已授权1项。培养6名博士生和4名硕士生，其中1名博士生获世界机器人大赛-BCI脑控机器人大赛技术赛全国特等奖(全国总冠军)，1名博士生获IEEE模糊系统国际会议无人机竞速赛亚军，1名硕士生获中国自动化学会优秀硕士学位论文奖和世界机器人大赛-BCI脑控机器人大赛技术赛全国一等奖，2名硕士生分别获中国研究生机器人创新设计大赛全国一等奖。举办6场国内外学术会议。项目负责人当选IEEE Fellow和IEEE模糊系统汇刊主编 (Editor-in-Chief, IEEE Transactions on Fuzzy Systems)，获得教育部青年科学奖、中国自动化学会青年科学家奖、湖北青年五四奖章，入选爱思唯尔中国高被引学者、斯坦福大学全球前2%科学家榜单，担任IEEE系统、人和控制论学会助理副主席。项目骨干入选国家万人计划科技创新领军人才和斯坦福大学全球前2%科学家榜单，获湖北省技术发明一等奖(排2)。