间歇过程模糊预测学习控制器的设计与仿真

针对工业间歇过程的控制问题，分析比较了现有的两类反馈-前馈迭代学习算法在解决工业间歇过程控制系统滞后问题上的缺陷，采用T-S模糊预测模型，在原有反馈-前馈迭代学习算法基础上引入预测思想，研究了基于模糊预测的迭代学习算法，并设计了一种模糊预测学习控制器。以具有滞后、变参数特性的间歇过程为例，进行了仿真研究，验证了提出方法的有效性。     

基于T-S模型的非线性系统的迭代学习控制

针对T-s模糊系统的轨迹跟踪控制问题,提出了基于正交多项式的迭代学习算法.该方法首先推导了T-S模糊全局系统的等价系统,然后利用正交多项式级数展开技术和其积分运算矩阵,将等价系统的微分方程转化为代数方程.在此基础上,用迭代学习的方式来修正输入量的正交多项式系数.所得算法对于具有任意相对阶的非线性系统,可用输出误差信号本身来构造学习律.仿真实例表明了新算法的有效性.     

离散时变系统迭代域最优学习控制

针对线性时变离散系统，首次提出并研究了迭代域内线性二次型最优迭代学习控制问题。所得到的迭代学习控制方法在迭代域内是保性能最优的，其学习率不需主观选取，学习速度可通过改变性能矩阵参数进行调节。     

基于二维混合模型的鲁棒迭代学习控制设计

针对一类正则线性不确定系统,提出一种基于连续/离散二维混合模型的迭代学习控制设计方法。首先,通过独立地考虑迭代学习控制系统连续的控制行为与离散的学习行为,建立迭代学习控制系统的连续/离散二维混合模型,将迭代学习控制器设计问题转化为一类连续/离散二维系统的状态反馈控制问题。然后应用二维连续/离散系统方法,获得迭代学习控制系统稳定性条件。最后根据稳定性条件,利用线性矩阵不等式方法,求得迭代学习控制器参数,它通过Matlab工具箱可以方便的获得。与现有方法相比,所提出的迭代学习控制器利用了输出误差以及状态变化的信息来修正当前的控制,因而设计方法更加符合其本质特征,具有简单实用、直观明了的特点。数值仿真实例验证了所提方法的有效性。     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

基于2-D系统理论的变初始条件离散系统的迭代学习控制

对于具有重复运动特性的系统，迭代学习控制是一种简单有效的控制方法。为便于实时应用，所有迭代学习控制方案的设计必须在离散时间域进行。初始状态问题是学习控制设计中遇到的一个重要问题。针对具有变初始状态的离散时间系统，利用2-D线性连续．离散型系统理论设计了闭环迭代学习控制器，并给出了保证控制器收敛的充分必要条件。仿真结果证明了该方案的有效性。     

基于T-S模型的非线性系统离散时间滑模控制

基于T-S模糊模型,讨论了一类非线性离散时间系统的控制问题。采用T-S模糊模型来描述非线性系统的动态模型,再将非线性系统的全局T-S模糊模型转化为线性不确定系统的模型。这样复杂的非线性系统的稳定问题就转化为线性不确定系统的鲁棒镇定问题。采用离散时间滑模控制方法实现线性不确定系统的鲁棒镇定。利用用线性矩阵不等式技术设计稳定的滑动模面,以降低非匹配不确定对系统的影响。给出了线性矩阵不等式形式的稳定滑动模面存在的充分条件。此外还给出了滑模控制律的设计方法。所给设计方法可保证系统鲁棒镇定,并且在滑动模面附近的抖振可明显减弱。最后,给出了truck-trailer的仿真算例,证明了所给方法的可行性和有效性。     

任意初始状态下非正则系统的迭代学习控制设计

迭代学习控制已广泛应用于各种机器人控制系统,但目前的方法大多数都假设系统具有零初始误差。在实际工程应用中,迭代学习的初始状态往往会发生漂移,现有的学习算法不能正确地使用。针对具有非零初始误差的非正则线性离散系统,研究了其迭代学习算法,提出了两种新型的初始状态的学习方法,利用2 D系统理论,对迭代学习进行了2 D分析,以保证所提出算法的稳定性。由于不需要假设系统初始误差为零,该算法更符合工程实际,仿真验证了算法的有效性。     

基于高斯混合过程的空间机器人任务空间预测控制方法

针对空间机器人的精准操控需求和任务空间控制问题，提出了一种基于高斯混合过程的模型预测控制方法。在建立的空间机器人标称模型基础上，考虑实际工作过程中由于关节摩擦、参数测量误差导致的建模误差，利用高斯混合过程对标称模型的不确定性进行精确、高效的分析和修正。其次，基于修正后的模型提出了非线性模型预测控制方法，在考虑实际物理约束，如关节限位、输入饱和等的情况下，实现了空间机器人基座和机械臂末端位姿对期望轨迹的直接精准跟踪。最后，考虑航天器在轨操控中的推力器冗余配置问题，设计了推力分配方案，并通过仿真结果校验了所设计控制方法的有效性。     

一类时滞系统的模糊跟踪控制及其仿真

研究了一种基于模糊T-S模型的非线性时滞系统模糊跟踪控制问题。首先利用模糊T-S模型对不确定非线性系统进行模糊建模,然后在此基础上研究了模糊系统在状态可测与不可测的情况下的模糊跟踪问题。控制器的设计避开了复杂的精确反馈线性化与自适应方法。采用本方法,可将控制器的设计问题转化为求解线性矩阵不等式问题,再利用凸优化技术可将其有效地解决。因此该方法既简单又实用,并且通过仿真实例说明了它的有效性与正确性。     

基于模糊强化学习的双轮机器人姿态平衡控制

针对单轨双轮机器人在静止情况下存在的固有静态不稳定问题, 提出一种基于模糊强化学习(简称为Fuzzy-Q)的控制方法。首先,运用拉格朗日法建立带控制力矩陀螺的系统动力学模型。然后, 在此基础上设计表格型强化学习算法, 实现机器人的稳定平衡控制。最后,针对算法存在的控制精度不高和控制器输出离散等问题, 采用模糊理论泛化动作空间, 改善控制精度, 并使控制输出连续。仿真实验表明, 相较于传统强化学习方法, 所提方法能够显著提高控制精度, 且可以有效抑制外界干扰力矩对系统的影响, 保证系统具有一定的抗干扰能力。     

基于支持向量回归机学习的机械臂视觉反馈模糊控制

针对于机器人无标定视觉伺服问题,提出一种基于支持向量回归机(Support Vector Regression, SVR)学习的模糊控制(Fuzzy Logic Control, FLC)方法。FLC直接用于构建图像特征与机器人关节运动之间的非线性映射关系。FLC的模糊基函数用作SVR的核函数,建立FLC与SVR的数学等价关系。SVR从数据中学习的支持向量构建FLC的规则。所有规则来自于数据,因此无需人工设计规则。本文所提出方法充分利用了SVR针对小数据量学习具有较好的泛化性能优势,实验结果表明该视觉伺服控制器在精度上及收敛上均具取得较好性能。     

基于强化学习的机器人模糊控制系统设计

研究了基于强化学习(RL)的模糊逻辑控制器(FLC)设计方法,并将该控制器作为反应式自主移动机器人的控制系统。在缺乏专家知识的情况下,将模糊推理系统(FIS)和强化学习理论相结合构成模糊强化系统,通过强化学习算法获取FLC得模糊规则库,从而有效地解决了复杂未知环境的机器人导航问题。实验结果表明,由强化学习设计的模糊控制器的有效性,同时具有较强的适应能力,可以应用于不同的复杂环境。     

任意初始状态下迭代学习控制的频域分析

针对广义受控对象G(s) ,提出了一种迭代学习控制器在频域中设计的思想 ,给出了在任意初始状态下迭代学习控制算法收敛的充分条件 ,证明了经过逐次迭代后系统实际输出信号对期望输出信号的逼近特性 ,输出跟踪误差将一致有界 ,且与期望状态及期望输入无关。进一步讨论了反馈控制在迭代学习控制器中的作用。仿真结果表明了该算法的有效性。     

基于无线传输的非线性网络控制系统的模糊控制

考虑控制器与被控对象之间采用无线传输,且被控对象为非线性模型的一类网络控制系统,对其设计了稳定的模糊控制器。首先基于T-S模糊模型将对象线性化,并利用模糊主导子系统和主导控制规则,简化了模糊控制器的设计。其次,将闭环控制系统方程等效为与无线传输跳数相关的离散切换系统,并证明了闭环系统的稳定性。最后,通过一个仿真例子验证了文中方法的有效性。

Abstract：

Considering a class of networked control systems using wireless transmission between the controller and the controlled object,and with nonlinear controlled object,the stable fuzzy controller was designed.Firstly,based on T-S fuzzy model,the object was linearized.And the design of the fuzzy controller was simplified by using the fuzzy dominant subsystem and the dominant control rule.Secondly,the equation of the closed-loop control system was equal to the discrete switched system related to the hop count of the wireless transmission.Finally,a simulation example was given to demonstrate the effectiveness of the proposed method.     

防抱制动系统模糊模型参考学习控制的研究

在保持可操纵性的前提下，提高车辆制动效能是设计防抱制动系统的主要目的，为此，设计了防抱制动系统的模糊模型参考学习控制器，由于该控制器引入了模糊学习机制，通过观察被控对象和代表理想动态性能的参考模型的输出差，从而调整模糊控制器的规则集，以使对象输出跟踪参考模型的输出，而后建立了直线制动车辆系统的数学模型，基于MATLAB/SIMULINK工具箱，并对所设计的模糊模型参考学习控制系统在不同的路面状态下进行了模拟，仿真结果表明，该控制方案是合理可行的。