二级倒立摆基于融合函数的模糊控制

文章针对多变量、非线性、强耦合性的二级倒立摆系统,采用模糊控制理论研究了二级倒立摆的稳定控制问题.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR控制方法设计了融合函数以降低模糊控制器的输入变量维数,降低了控制器的设计难度,并研究了量化因子对控制效果的影响,通过设置阈值使量化因子可自动调节,...     

基于粒子群算法的变论域模糊控制在二级倒立摆中的研究

为了实现二级倒立摆系统的快速稳定控制,设计了一款基于粒子群算法的变论域模糊控制器。通过对二级倒立摆系统结构和参数的分析,建立了二级倒立摆的数学模型,再利用粒子群算法优化了变论域模糊控制器的参数,改进了控制器的性能,最后通过仿真证明该算法切实可行。     

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。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时,其稳态精度比较差。针对这一问题,文中以二级倒立摆系统为控制对象,提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整,以及系统输出结构的完善,实现了二级倒立摆的稳定控制。仿真研究表明,提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比,都有了明显的改进。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时，其稳态精度比较差。针对这一问题，文中以二级倒立摆系统为控制对象，提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整，以及系统输出结构的完善，实现了二级倒立摆的稳定控制。仿真研究表明，提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比，都有了明显的改进。     

基于加权变量模糊控制的倒立摆控制系统

针对多变量、非线性和强耦合的二级倒立摆系统,利用最优控制反馈矩阵,综合考虑小车、下摆、上摆和模糊误差信息,加权模糊控制器输入变量.设计了分别以倒立摆的小车、下摆和上摆为主控制量设计三种加权变量模糊控制器,控制二级倒立摆系统稳定.仿真研究表明,以上摆为主控制量设计的加权变量模糊控制器控制效果最佳,能够得到很好的稳定效果,收敛快、精度高,表明该方法的控制效果是最有效可行的.     

改进混沌优化算法在二级倒立摆控制中的应用

针对二级倒立摆模糊控制器需要对大量参数进行调整,以及可能出现的规则爆炸问题,本文提出了一种基于混沌优化的模糊控制器的设计方法。将常规模糊控制器进行加权变论域处理,并且对常规混沌优化方法进行改进,采用新的二次载波方式将优化变量转变成混沌变量,通过混沌搜索的方式对当前工作点进行扰动,在搜索过程中通过时变参数的初始值的设定逐渐减少扰动幅度。本文使用Matlab/Simulink对二级倒立摆进行优化仿真研究,分析比较了各种方法的控制效果。结果表明模糊控制器经过混沌搜索的优化后,具有良好的鲁棒性好和适应性。本文提出的改进的混沌优化算法对多变量快速时变系统的模糊控制器的设计提供了一种有效的改进方法。     

基于PSO—SA的二级倒立摆前馈补偿模糊神经网络控制

以模糊神经网络为基础,结合误差前馈补偿完成了二级倒立摆系统的稳定控制,并采用模拟退火粒子群算法对控制参数进行全局寻优。与基于状态变量合成的模糊神经网络控制器相比,该控制方法豢仅解决了多变量系统模糊控制器的“规则爆炸”问题,并且。由于所有状态变量直接参与控制输出,控制精度亦有所提高。仿真结果表明,该控制方案所需规则数目少,响应速度快,有良好的鲁棒性和非线性适应能力。     

简化模糊控制器的设计

基于模糊控制原理,对传统模糊控制器进行了简化,以提高实时执行效率.采用三角形隶属函数,简化Larsen积运算和解析式模糊规则,检测输入语言变量的激活水平,仅对有效的模糊规则进行操作,从而降低内存消耗和计算量.小车倒立摆系统倒立摆角度控制的仿真试验证明了算法的有效性.     

自适应神经网络模糊控制在倒立摆中的应用

应用MATLAB的模糊控制工具箱，设计了用于倒立摆系统的模糊控制器，并且利用神经网络能够自学习的特点，采用反向传播算法对倒立摆控制样本数据进行了学习，调整了各变量的隶属函数，从而使学习后的模糊控制器更能适应倒立摆系统控制的需要。把学习前后的模糊控制器用于倒立摆系统进行了实验对比，结果表明学习后的控制器控制效果明显优于学习前的控制器。     

一种基于粗集理论方法的水位模糊控制器设计

应用粗集理论中知识表达系统决策规则的简化方法对模糊控制规则进行约简来设计粗糙模糊控制器,通过约简简化控制系统,从而得到一个最简控制决策规则,使系统更易于控制。完成了水箱水位粗糙模糊控制器的设计,并分别进行了模糊控制和粗糙模糊控制仿真研究,研究结果表明该粗糙模糊控制能有效改善模糊控制的性能。     

机器人模糊学习控制

针对机器人轨迹跟踪控制问题,提出一种模糊学习算法,并设计出结构合理的模糊学习控制器,该控制器通过自身从过去趋向的学习能力可自动调整其模糊控制规则。将这种方法用于一个两自由度机械手的控制,仿真结果显示控制效果良好,所提出的控制器比惯用的模糊控制器展示出更良好的应用前景。     

一种规则生成和参数自调整模糊控制器及其应用研究

控制过程中,对象常具有非线性、时滞、不确定性和参数时变的特点,而普通模糊控制器因控制规则固定,影响控制效果.针对这些问题,基于模糊神经网络的方法,设计一种模糊控制器,对学习算法进行推导,实现模糊控制规则的自生成和参数自调整.经仿真实验并根据其特点,将之应用于烧结控制过程,表明该控制器有良好的控制性能.     

模糊控制与PID控制方法的比较

研究了常规模糊控制器与ＰＩＤ控制器的关系．基于Ｔ－Ｓ模型,在一定的附加条件下,对这些模糊控制器进行了分析,理论上给出了这类模糊控制器与ＰＩＤ控制器参数间的定量关系式,并指出两者间的本质联系．仿真结果表明了模糊控制器与ＰＩＤ控制器的相似性,多个规则的模糊控制器要优于ＰＩＤ控制器,同时给出了一类模糊ＰＩＤ复合控制器（ＴＳ－ＰＩＤ）的设计方法．该类复合控制器兼有模糊控制器与ＰＩＤ控制器优点,具有较深远的应用前景．     

多级思维进化寻优的模糊PID控制器设计

为了提高模糊PID控制器的适应性，首先对模糊PID控制器进行简化处理，简化后的PID被控参数与量化因子、比例因子和解析规则相结合，构成多参数寻优的模糊PID控制器，同时采用多级“思维进化算法“对参数进行分组分阶段交替寻优，以适应各种环境的变化。仿真结果表明，MEA—模糊PID控制系统的结构合理，解决了模糊控制中参数优化问题，取得了良好的控制效果；同时在保证控制效果的情况下，大大简化了模糊PID控制器的设计。     

一种仿人智能Fuzzy控制方法

首先介绍了Ｆｕｚｚｙ控制的基本原理，然后针对经典模糊控制稳态精度不高的弱点，在Ｆｕｚｚｙ控制器中引入一种仿人智能调节器，提出一种仿人智能Ｆｕｚｚｙ控制方法。给出了仿人智能Ｆｕｚｚｙ控制方法的具体算法及相应的应用示例。应用结果表明，这种方法用于工业电炉等参数时变的被控对象中，能有效地提高Ｆｕｚｚｙ控制的稳态精度     

模糊自适应控制算法在水轮机调速器建模中的应用

在模糊控制器的设计中,模糊规则的提取,比例、量化因子和隶属度函数的确定都具有一定主观性;针对这种情况,提出改进的模糊自适应PID控制算法(IFPID),利用微粒群算法对经过预处理的隶属度函数进行优化.在水轮机调速器仿真实验中,与简单PID控制算法和一般模糊控制算法相比,基于改进模糊自适应PID算法的系统在响应频率扰动和负荷扰动时有着更短的调节时间和更小的超调量.     

一种变论域分层模糊控制器

针对分层模糊控制器规则难以设计,精度难于提高的问题,提出一种变论域分层模糊控制器。由宏观的派生性,使用继承变论域分层模糊控制规则。文中讨论了论域伸缩因子的构造,给出了变论域分层模糊控制的算法步骤。该算法提高了控制品质,避免了增加参数或改变拓扑结构的缺陷。为了证明此种控制器具有良好的逼近性能,还探讨了控制器的灵敏度。最后用双容水槽系统实验验证算法的正确性。     

稳定性监控自学习FNN控制器

针对一类未知的非线性系统，提出一种具有稳定性监控的实时自学习ＦＮＮ控制器．ＦＮＮ控制器采用遗传算法使自学习获得最优的性能指标；实时学习过程的稳定性则由基于李雅普诺夫方法设计的监控器来保证，使得ＦＮＮ控制器的自学习过程总是在全局稳定性的条件下进行．