基于神经模糊系统的自适应前馈-反馈控制系统设计

在前馈控制器设计思想的启发下,提出了一种基于神经模糊系统的自适应前馈-反馈控制系统。该控制系统首先把非线性过程近似为一个线性的ARX模型和一个基于神经模糊系统的线性化误差模型(FNNM)组成的合成模型,把线性化误差模型的输出看作可测量的"扰动",然后再引入前馈控制器,利用被控制过程的输入、误差模型的输出、线性ARX模型输出和系统输出值之间的误差以及被控制过程的合成模型的梯度信息对控制器参数进行在线调节,从而获得较好的控制结果。将提出的基于线性化误差模型的自适应控制系统用于简单不可逆放热反应的连续搅拌型化学反应器CSTR中,并与传统的PID控制器进行比较。仿真结果表明:这种基于神经模糊系统的自适应前馈-反馈控制器和PID控制器相比,能得到更快、更好的控制效果。     

被动加载系统中的多余力矩复合补偿方法

分析了被动式加载系统中多余力矩的特点 ,针对前馈补偿方法中存在的高阶微分补偿控制器物理上难以实现以及模型失配问题 ,提出了基于小脑模型关节控制器 (cerebellarmodelarticulationcontroller,CMAC)的复合补偿方法 .仿真和试验结果表明 ,采用基于CMAC的复合补偿方法对于多余力的抑制具有明显效果 .     

飞行模拟器电动式操纵负荷系统控制策略

操纵系统的控制策略是力伺服系统加载的关键技术。以电动式力伺服系统为加载方式的飞行模拟器操纵负荷系统,采用上位机力闲环PID控制、电流环PI控制与多余力矩补偿相结合的策略实施控制。仿真结果显示：分别加入力闭环和电流环控制后,系统的超调量减小,跟随性能较好;采用角速度力矩补偿法,系统多余力矩下降了90％。实际控制效果进一步表明,双环与力矩补偿相结合的复合控制策略可有效减小系统多余力矩,控制稳态误差。该研究可为构造操纵飞行模拟器负荷系统样机提供理论依据。     

直驱式电液伺服转叶舵机AFSM-LTOC控制器

针对直驱式电液伺服转叶舵机的控制问题,提出一种带有负载力矩观测补偿的自适应模糊滑模设计方案.采用自适应模糊滑模控制解决由于系统的不确定性及干扰的存在而不能准确控制的问题,使控制器的设计不依赖于被控对象的精确数学模型.引入负载力矩观测补偿的方法,对负载力矩进行实时动态补偿,抑制负载力矩对系统响应和速度跌落的影响,提高系统的响应速度.基于李雅普诺夫函数推导出规则参数调整的自适应率,保证闭环控制系统的稳定性.实验结果表明:该控制器能够补偿执行单元的交流特性,降低稳态误差,抑制负载力矩扰动,提高系统的鲁棒性和动态特性.     

一种前馈补偿和模糊滑模相结合的柔性机械臂控制

针对柔性关节机器人控制系统中存在的扰动力、摩擦力、参数变化以及建模误差等问题,将扰动力分为确定性扰动和不确定性扰动、摩擦力分为线性和非线性部分,并在此基础上提出了一种前馈补偿和模糊滑模相结合的鲁棒控制器.机器人自身结构的相关量、确定性扰动以及摩擦力的线性部分,可以通过控制器的计算力矩和前馈补偿部分进行有效控制,并通过模糊滑模控制器来克服外界的不确定性扰动、摩擦力的非线性部分、参数变化以及建模误差等.在HIT四自由度柔性机械臂上进行了控制器的相关实验,实验结果表明,该控制器具有良好的位置跟踪性能和较强的抗干扰能力.     

谷电相变电蓄热供暖分工况变论域模糊比例、积分、微分自适应前馈补偿控制

针对谷电相变电蓄热供暖系统,有谷电时间段既蓄热又放热供暖和非谷电时间段单纯放热供暖两种不同的工况,不同的工况系统参数变化较大的问题,设计了分工况变论域模糊比例、积分、微分(PID)控制器,根据不同工况选择对应的控制器且其论域伸缩因子自适应调整;考虑到供暖过程中蓄热炉炉温的变化,把不断变化的蓄热炉炉温作为可测干扰,设计了自适应前馈补偿控制器对变论域模糊PID控制器的输出控制量进行补偿,通过实时辨识供暖系统模型,实现前馈补偿控制器参数的自适应调整。实验结果表明:所提出的控制方法能够在不同工况下实现对期望供暖出水温度的实时跟踪,显著地减小了供暖出水温度误差,提高了供暖可靠性。     

基于模糊补偿的深海作业级远程操控潜水器自适应位姿控制

针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响,设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩,并分析了干扰力/力矩的变化特性,利用模糊逻辑系统(FLS)进行逼近,设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器;同时,为了消除逼近误差的影响,设计了稳健自适应控制律.结果表明:FLS能够以较高的精度逼近ROV所受到的干扰力/力矩;所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.     

基于模糊补偿的深海作业级远程操控潜水器#br# 自适应位姿控制

摘要： 针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响，设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩，并分析了干扰力/力矩的变化特性，利用模糊逻辑系统(FLS)进行逼近，设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器；同时，为了消除逼近误差的影响，设计了稳健自适应控制律.结果表明：FLS能够以较高的精度逼近ROV所受到的干扰力/力矩；所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.     

铝粉雾化炉铝液温度模糊-PID复合控制

铝粉氮气雾化生产过程中,保持雾化炉铝液温度的稳定非常重要,但铝粉雾化炉是一个非线性、大滞后、不确定性系统,采用常规PID控制器很难保证控制效果．为此针对雾化炉的铝液温度变化特性,结合模糊控制器和PID控制器的特点,设计了一种模糊-PID复合控制器．利用加权因子,将模糊控制器的输出和PID控制器的输出加权综合,使得控制器在误差较大时,主要由模糊控制器起作用,而在误差较小时主要由PID控制器起作用．模糊-PID复合控制器既保持了PID控制的稳定误差小、稳定性好的优点,又具有模糊控制自适应和调节速度快的特点,能够很好地保持铝液温度的稳定,在现场应用中取得了较好的控制效果．     

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。     

基于改进模糊PID算法的空燃比控制策略研究

对发动机瞬态工况空燃比进行控制时,由于单缸汽油机本身固有的非线性和时滞环节,传统PID控制很难取得满意的效果,本文构造了一种带动态补偿的模糊PID控制器.首先搭建了单缸机仿真模型,并将模糊PID控制算法应用于空燃比控制中,以适应系统的非线性;然后针对单缸机系统中固有的时滞环节提出一种动态时滞补偿器,以降低时滞环节对系统的影响;再将该时滞补偿器耦合于模糊PID控制器中,应用于单缸机瞬态工况下的空燃比控制.仿真结果表明,改进的模糊PID控制器不仅能补偿系统中时滞环节带来的非最小相位影响,而且能很好地适应发动机系统的非线性特征,从而使控制系统的稳定性、准确性、快速性均得到了很大的改善.     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。     

基于补偿模糊神经网络的BLDCM伺服控制

为了实现无刷直流电机(BLDCM)位置伺服系统的高精度位置跟踪控制,针对系统多变量、非线性、强耦合、时变的特点,提出了一种基于补偿模糊神经网络控制器(CFNNC)的设计方法.该控制器将补偿模糊逻辑和神经网络相结合,引入了模糊神经元,使网络既能适当调整输入、输出模糊隶属函数,又能借助于补偿逻辑算法动态地优化模糊推理,大大提高了网络的容错性、稳定性和训练速度.仿真和在DSP控制系统上的实验结果表明,采用补偿模糊神经网络控制器,系统响应快、精度高、鲁棒性强,动态特性明显优于传统PID控制.     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

基于PSO优化算法的模糊PID励磁控制器设计

针对优化发电机励磁控制器控制问题,研究模糊理论及人工智能控制方法,建立数学模型分析励磁控制器,找到将粒子群算法与模糊PID相整合的励磁控制途径,并设计了适用于低压水轮发电机的励磁控制器.粒子群优化算法优化控制系统的初始参数,模糊PID完成对系统的动态控制.仿真结果表明,改进的控制器算法相比传统PID控制和模糊控制PID,响应速度较快(上升时间少于1s),超调量小(超调量少于5%).能够满足控制器快速、准确和稳定的要求,是一种先进的控制方法.     

海上风电MPPT灰预测模糊控制的研究

海上风电风速变化很大,采用PID控制难以在不同风速下有好的控制效果.本文在分析PID控制器缺点的基础上,提出灰色预测与模糊PID控制相结合的新型控制方法.模糊PID控制器能够保证在不同风速下均有较好的控制结果,而灰色预测则能够根据以往输出功率给出相应适当的补偿信号,提高控制系统的响应速度,确保最大功率的实时跟踪.对系统...     

模糊反馈增量式比例积分微分油气悬架控制

为了提升工程车辆的行驶平稳性,以工程车辆油气悬架为研究对象,以车身加速度为主要优化目标,设计了基于模糊反馈的增量式PID油气悬架控制系统。对被动悬架,增量式PID和模糊反馈增量式PID控制器进行仿真,对车身垂向加速度,车轮动载荷,悬架动挠度和控制力四个指标进行分析。选取C级路面和车辆行驶速度作为油气悬架系统输入激励,在降低车身垂直加速度的前提下,着重解决增量式PID控制器存在的问题。仿真结果表明,与传统被动悬架系统相比,基于模糊反馈的增量式PID控制油气悬架系统的车身垂向加速度的均方根值降低52%、悬架动挠度降低24%、车轮动载荷降低了44%。与增量式PID相比,悬架动挠度降低了69%,且基于模糊反馈的增量式PID控制器相比较于传统增量式PID控制器其输出控制力降低了86%。因此可以证明,基于模糊反馈的增量式PID控制器,不仅可以提升油气悬架系统综合动态性能,对改善车辆行驶的平顺性和操作稳定性,具有较好的应用前景,且其在经济性和环保性方面同样更具优势。     

带Smith预估器的模糊PID组织温度控制系统

针对激光热疗法中组织温度模型的纯滞后和大惯性,提出一种新颖的带Smith预估器的模糊PID控制系统.模糊PID控制器是由一个简单的模糊PI控制器和一个简单的模糊PD控制器并行结合而成.模糊PID控制器的增益通过解析推导与线性PID控制器的增益相联系.设计好的线性PID控制器的增益可用于在线设计模糊PID控制器.计算机仿真结果表明模糊控制系统在组织温度控制中比对应的线性PID控制系统鲁棒.     

An Intelligent Adaptive Fuzzy PID Controller Based on Multimodel Control Approach

A novel intelligent adaptive fuzzy PHD controller based on multimodel control approach is presented in this paper.It can improve the system performance of the dynamic time- varying system at various operating conditions.The fuzzy PHD controller is implemented by combining a fuzzy PI with a fuzzy PD controller in a parallel structure. The parameters of the fuzzy PHD controller are linked, via analytical derivation, to the gains of the linear PID controller. The sum of error square is used as performance criterion to locate the model that best reresents the process among the multiple models, The desired control output to drive the process along the desired path is generated only by modifying the output scale factots GU_I and GU_D of the fuzzy PID controller, Among the prescribed models, the control signal of the nearestmmodel to the system is applied. The system can be driven to its original trajectory because of the robustness of the fuzzy PID controller, Computer simulation results show that the adaptiv