一类不确定非线性系统的自适应模糊控制

对一类不确定非线性系统提出自适应模糊控制方法。此方法用模糊逻辑系统设计自适应模糊监督控制器和自适应模糊控制器,且设计补偿器对逼近误差进行补偿,以此来减少逼近误差对跟踪精度的影响,同时对自适应模糊监督控制器和自适应模糊控制器中的未知参数设计了自适应学习律。证明了该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛到原点的邻域内。仿真结果验证了此方法的有效性。     

含非线性输入的非线性系统自适应模糊控制

讨论一类含非线性输入的非线性系统的自适应模糊控制问题。首先运用隐函数存在定理证明系统的理想控制器的存在性,利用I型模糊逻辑系统对该理想控制器进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制器设计的新方案。该方案通过直接自适应模糊控制器与监督控制器的适当切换,保证了闭环系统的稳定性,由此确定出建模的有界区域,而且通过引入最优逼近误差的自适应补偿项,保证跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

一类非线性系统的模型参考自适应模糊控制

针对一类不确定非线性系统 ,基于一种修改的监督控制方案并利用广义多线性模糊逻辑系统的逼近能力 ,提出了一种模型参考自适应模糊控制器设计的新方案。该方案利用参考模型作为性能指标 ,自适应调节模糊控制器的规则库 ,并通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 ,不但能保证闭环系统稳定 ,而且可使跟踪误差收敛到零。仿真结果表明了该方法的有效性     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

直接鲁棒自适应模糊控制

针对一类不确定非线性系统 ,基于监督控制方案并利用第二类模糊系统的逼近能力 ,提出了一种直接鲁棒自适应模糊控制器设计的新方案。该方案通过引入最优逼近误差的自适应补偿项来消除建模误差的影响 ,从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件。理论分析证明了闭环控制系统是全局稳定的 ,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于T-S模型的自适应多变量模糊预测控制

针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

自适应律修改的间接自适应模糊控制

针对一类不确定非线性系统提出了一种间接自适应模糊控制方法,此方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛于原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小。仿真结果验证了此方法的有效性。     

Decentralized adaptive fuzzy control of time-delayed interconnected systems with unknown backlash-like hysteresis

The problem of decentralized adaptive fuzzy control for a class of time-delayed interconnected nonlinear systems with unknown backlash-like hystersis is discussed. On the basis of the principle of variable structure control （VSC） and by using the fuzzy systems with linear adjustable parameters that are used to approximate plant unknown functions, a novel decentralized adaptive fuzzy control strategy with a supervisory controller is developed. A general method, which is modeled the backlash-like hysteresis, is proposed and removes the assumption that the boundedness of disturbance, and the slope of the backlash-like hystersis are known constants. Furthermore, the interconnection term is supposed to be pth-order polynomial in time-delayed states. In addition, the plant dynamic uncertainty and modeling errors are adaptively compensated by adjusting the parameters and gains on-line for each subsystems. By theoretical analysis, it is shown that the closed-loop fuzzy control systems are globally stable, with tracking error converging to zero. Simulation results demonstrate the effectiveness of the approach.     

增益符号未知的鲁棒自适应模糊控制

针对一类具有函数控制增益符号未知的不确定非线性系统,根据滑模控制原理和模糊系统的逼近能力,提出了一种自适应模糊控制器设计新方案。该方案利用Nussbaum函数的性质,取消了常用的函数控制增益符号已知这一条件。并通过引入最优逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响。理论分析证明了闭环系统的有界性和跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

时变时滞不确定系统模糊自适应H∞控制

针对含非线性和干扰项的时变时滞系统鲁棒稳定问题,提出一种模糊自适应H_∞控制方法。采用T-S模糊系统对未知非线性函数向量进行逼近,设计自适应全调节律,即同时调整模糊参数矩阵和基函数参量。对于逼近产生的误差和外界干扰,引入H_∞控制。基于李亚普诺夫稳定性理论和线性矩阵不等式技术,在保证系统稳定的前提下,通过求解矩阵不等式得到满足设计要求的控制器。通过对已有算例和空天飞行器高超声速飞行控制系统的仿真验证了所提方案的有效性。     

AN INTELLIGENT CONTROL SYSTEM BASED ONRECURRENT NEURAL FUZZY NETWORK AND ITS APPLICATION TO CSTR

In this paper, an intelligent control system based on recurrent neural fuzzy network is presented for complex, uncertain and nonlinear processes, in which a recurrent neural fuzzy network is used as controller (RNFNC) to control a process adaptively and a recurrent neural network based on recursive predictive error algorithm (RNNM) is utilized to estimate the gradient information ρy/ρu for optimizing the parameters of controller.Compared with many neural fuzzy control systems, it uses recurrent neural network to realize the fuzzy controller. Moreover, recursive predictive error algorithm (RPE) is im-plemented to construct RNNM on line. Lastly, in order to evaluate the performance of the proposed control system, the presented control system is applied to continuously stirred tank reactor (CSTR). Simulation comparisons, based on control effect and output error,with general fuzzy controller and feed-forward neural fuzzy network controller (FNFNC),are conducted. In addition, the rates of convergence of RNNM respectively using RPE algorithm and gradient learning algorithm are also compared. The results show that the proposed control system is better for controlling uncertain and nonlinear processes.     

基于后推技术的直接鲁棒自适应模糊控制

针对一类带摄动的严格反馈非线性系统,基于后推设计方法,利用第一类模糊系统的逼近能力,提出了一种新的直接自适应控制方案。该方案中引入连续鲁棒项对系统的摄动部分进行抑制,并在自适应律中利用了leakage项以防止参数漂移。通过理论分析,证明了闭环系统是半全局一致终结有界的,跟踪误差收敛到一个小的残差集内。仿真结果表明了该方法的有效性。