互联电力系统的模糊滑模负荷频率控制

提出一种用于多区域互联电力系统的负荷频率模糊滑模控制方法。该方法选用带积分的滑模超面方程 ,使系统从一开始就进入滑模状态 ,当系统进入滑模状态后 ,转化为基于新区域控制偏差的比例积分控制 ,对切换控制采用自适应模糊调节方式自动确定其幅值 ,在考虑发电机变化率约束和具有控制死区条件下 ,所提出的控制方法能够使系统获得较好的性能。仿真结果显示该方法是简单的、有效的 ,并且能够保证整个系统是渐进稳定的     

基于微粒群算法的模糊滑模控制

针对一类非线性控制系统,提出一种新的基于微粒群算法的模糊滑模控制方法。将模糊控制和滑模控制相结合,利用滑模控制使系统的跟踪误差进入给定的边界层内,启用模糊控制取代切换控制;同时为保证模糊滑模控制系统的全局稳定性,加入监督控制以柔化控制输入;最后基于微粒群算法对滑模面系数和不均匀隶属度函数因子寻优,不仅加快了系统到达滑模面的速度,减小了误差,而且有效地消除了高频抖振。仿真结果表明了该方法的有效性。     

存在输入时滞的不确定系统的滑模控制

考虑存在输入时滞情况下不确定系统的滑模控制问题,其中被控系统存在状态不确定和控制输入不确定性。通过设计一种新的积分型滑模切换面,不仅可以保证系统状态轨迹从初始状态开始就位于指定的切换面上,而且能够适应系统参数的摄动。给出了保证闭环系统渐近稳定的充分条件。仿真实验结果验证了本文算法的有效性。     

模糊校正比例积分控制在直流双闭环调速系统中的应用

研究了一种用模糊规则与推理方法校正PI调节器的比例积分增益的模糊校正PI调节器。该调节器用于控制直流双闭环调速系统的电流环。MATLAB仿真研究表明,本文方法与传统双闭环PI控制直流调速系统比较,能获取更好的系统动态特性。     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

基于模型有效匹配的多模型切换控制

针对切换控制中模型匹配准则的确定问题,提出了一种基于模型有效匹配的多模型切换控制算法,该算法利用频率响应函数以及系统工况变化后频率响应上的特征,实现多模型系统的模型有效匹配与合理切换．算法可以有效地识别正常工况变化,不受干扰噪声影响,避免了模型的非正常切换,仿真算例表明,该算法在准确识别系统正常突变、合理切换和跟踪系统工况时是有效的。     

空间三关节机器人自适应双模糊滑模控制

为了提高空间三关节机器人轨迹跟踪控制性能,提出了一种带双模糊自适应控制的滑模控制新方法.该方法将滑模控制器分为等效控制和切换控制两部分.采用一个模糊自适应控制器,根据滑模到达条件对切换增益进行有效估计.采用另一个模糊自适应控制器,根据滑模面来调整切换控制项.这些控制器结合起来消除了抖振,提高了控制性能.系统的稳定性通过李亚普诺夫定理证明.最后进行了仿真实验,并与其他方法进行了对比分析.结果表明所提方法是有效的.     

基于模糊滑模控制的风力发电系统最大风能追踪

针对永磁同步风力发电系统,从空气动力学的基础理论入手,分析了机组运行时的最大风能追踪原理.根据已知的风力机特性和滑模变结构系统理论,推导出在切换面上的等效控制和切换面上滑模运动的状态方程.为了削弱抖振,采用基于最大风能追踪控制的模糊滑模控制方法,根据系统状态在线调整切换控制增益系数.通过Lyapunov稳定性定理得到系统渐进稳定的充分条件.构建系统模型并进行仿真比较,仿真运行结果证实了该控制策略的正确性和有效性.     

高速水稻插秧机仿形系统控制方法

研究了一种高速水稻插秧机电液控制仿形系统.对于仿形过程的升降和中立两个阶段,提出将力位切换的控制方式运用到插秧机仿形系统的设计上来.根据仿形系统在不同阶段的性能要求,分别运用M atlab/Simulink软件建立了仿形系统在升降阶段的位反馈式控制模型和中立阶段的力反馈式控制模型以及二者切换时的力位切换控制模型.并且,为了提高仿形系统的控制性能,采用模糊PID算法来对系统进行控制.仿真研究表明,仿形系统采用模糊PID控制可以显著地提高其在不同工作阶段的控制性能.     

多指手自主抓取控制的研究

研究了时间-事件混合驱动的多指手自主抓取控制.在预抓取阶段,采用具有摩擦力补偿的比例-积分-微分(PID)位置控制算法实现手指的精确轨迹跟踪,该算法在传统比例-微分(PD)控制器的基础上,引入变速积分(RVI)提高系统的轨迹跟踪能力,引入平滑非线性反馈(SRNF)进行摩擦力补偿.在抓取阶段,采用基于事件的并行位置/力矩控制算法实现自由运动和约束运动之间的稳定过渡以及约束空间中的力矩控制.该算法采用基于事件的切换器实现控制模式的可靠切换,基于改进的纯积分力控制算法实现系统的稳定过渡和力控制.实验验证了该抓取控制方法的有效性.     

模糊神经网络自适应控制在循环流化床锅炉燃烧控制系统中的应用研究

循环流化床锅炉是一种比较复杂的被控对象,采用常规的控制方法难以收到好的控制效果。在本文中,根据模糊控制理论和神经网络技术,一种模糊神经网络控制器被提出,通过对神经解耦网络的合理设计,使得该控制器不但可以适应被控对象的变参数运行工况,而且可以实现循环流化床锅炉燃烧过程主汽压力与床层温度的解耦。仿真试验和现场应用结果证明,本文提出的模糊神经网络控制器对循环流化床锅炉燃烧过程具有良好的控制效果。     

基于神经网络模糊控制器的铣削过程智能控制

提出了一种新颖的神经网络模糊控制器,其模糊控制表由神经网络替代．控制器通过在线学习能自适应被控对象的变化,控制性能良好．将该控制器用于铣削过程控制,使铣削力在加工条件变化过程中始终保持相对稳定,从而提高了铣床的加工效率,并能保证加工质量,保护刀具．还给出了试验结果．     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

用T-S型模糊神经网络的机械手轨迹跟踪自适应控制

对于常见的将 CMAC神经网络前馈控制器和常规反馈控制器相结合的机械手轨迹跟踪控制方案 ,它的控制性能同时受神经网络前馈控制器学习能力和反馈控制器控制精度的制约。该文提出的采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案充分利用了 T- S模糊模型的特点和优点 ,以一种基于简化的 T- S型的模糊神经网络作为前馈控制器 ,同时反馈控制器也采用 T- S型模糊神经网络实现。针对三自由度机械手轨迹跟踪问题的仿真实验表明 ,采用 T- S型模糊神经网络的机械手轨迹跟踪自适应控制方案是可行的和有效的     

模糊神经PID控制在工业炉冶金阀门位置控制系统中的应用

介绍模糊神经网络控制器的设计方法，并将其应用到工业炉阀门位置的控制系统中。试验结果表明，这种通过对输入变量模糊化的神经元学习和在线自调整算法，对其冶金阀门的压力控制具有很强的自适应性，且响应程度快、鲁棒性好。     

非确定性 TS 模糊神经模型鲁棒性的统计判据

非确定性情况下的鲁棒性是智能控制系统不可避免的一个问题．本文将ＴＳ模型的模糊神经网络表达加以拓展，提出并证明了一种基于信息论统计测度的鲁棒性描述判据，该判据是由模糊神经网络、子波变换和信息论统计测度３个部分组成，着重体现了神经信号处理、可变分辨率和随机信号处理的综合，这就为分析智能控制系统的鲁棒性提供了一种有效的数学形式．该结论有助于非确定性智能控制系统的建模与智能控制器的设计．     

二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。     

基于模糊神经网络的车辆间距智能自适应控制

为了实现汽车行驶过程中与前车车距的自动控制,提出了一种基于模糊神经网络的车辆纵向间距智能自适应控制方法.利用神经网络对车辆纵向运动进行辨识,将神经网络和模糊控制结合起来,设计模糊神经网络加速度控制器,利用神经网络的学习功能修正控制器的隶属度函数的参数和控制规则.仿真表明系统响应快,控制精度高,和传统方法相比具有较强的抗干扰能力和自适应性.     

汽车ABS模糊神经网络控制系统

针对汽车的防抱死制动系统（ＡＢＳ）工作特点和性能要求，在模糊自适应控制（ＦＡＣ）和神经网络控制的基础上，采用模糊神经网络控制（ＦＮＣ）方案对汽车ＡＢＳ控制系统进行了研究，比较了ＦＡＣ和ＦＮＣ方案．结果显示，汽车ＡＢＳ的ＦＮＣ是成功有效的．且在设计模糊控制器时采用了本文提出的推理轨迹的方法，使模糊控制系统的优化设计更为便捷有效．     

基于模糊高斯基函数神经网络控制的机器人视觉伺服系统

针对机器人视觉伺服控制系统中存在的不确定性问题,将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络视觉伺服控制器,该控制器不仅具有定性知识的表达能力,而且具有很强的在线学习能力。将所提方法用于三关节机器人"手-眼"视觉伺服系统的控制中,取得了很好的控制效果。