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。     

一类不确定时延网络控制系统的模糊控制

针对网络控制系统(NCS)同时存在网络诱导时延和数据包丢失的情况,讨论了如何设计控制器的问题。首先,给出了一种新的闭环网络控制系统的建模方法——模糊T-S方法,利用这种模糊模型去逼近非线性网络控制系统,使之局部线性化,并在此模型的基础上应用平行分布补偿原理设计了网络控制系统模糊控制器。进而,应用Lyapunov理论和LMI方法,研究了模糊NCS的稳定性问题,同时基于线性矩阵不等式给出依赖状态时滞和网络诱导时延的状态反馈模糊控制器的设计方法,并获得使模糊NCS稳定的充分条件。通过两个仿真实例验证了该控制方法的有效性。     

干燥过程模糊神经网络控制器的设计与仿真

为了准确控制干燥过程的温度和湿度,提高谷物干后品质,设计了一种基于改进遗传算法的干燥过程模糊神经网络控制器.利用模糊算法解除温湿度的耦合作用,采用神经网络实现模糊逻辑控制的全过程和信号的非线形处理,将训练好的被控对象网络模型与模糊神经网络控制器联成闭环回路,应用改进遗传算法对模糊神经网络控制器的参数进行自适应调整.在仿真实验中,将所设计的控制器与常规PID控制器和经典模糊控制器进行比较,结果表明所设计的模糊神经网络控制器具有较好的性能,满足了谷物干燥过程的控制要求.     

一种新型模糊控制器设计与稳定性分析

基于T-S模糊动态模型，采用模糊模型相除补偿(CDF)技术和线性矩阵不等式(LMI)方法，设计了一种新型模糊控制器，并进行了稳定性分析。非线性质量弹簧阻尼系统的仿真结果表明了该方案的有效性．与传统的并行分配补偿法(PDC)相比，所设计的控制器具有更小的保守性。     

基于ANFIS的飞行器自动着陆模糊控制器设计

首先给出了模糊逻辑控制器设计中的几点共同的基本假设,接着阐述了飞行器降落着陆过程自动控制的模糊控制器AFLC的控制原理,详细分析和设计了AFLC的自动着陆控制模型、状态变量的隶属函数、系统推理规则、模糊推理算法和解模糊算法等。重点对基于自适应神经模糊推理ANFIS的Takagi-Sugeno型AFLC进行了优化分析与设计。最后利用MATLAB的Simulink仿真工具和模糊逻辑工具箱对两种设计方案进行了仿真验证和分析比较。仿真结果表明,两种AFLC设计是有效的,后者性能更优。     

基于Smith补偿与神经网络的网络控制系统PD控制

为减小网络时延给系统控制性能带来的负面影响,把传输网络以及被控对象看作是一个时变的被控系统,用Smith补偿器对时延进行补偿,并用遗忘因子递推最小二乘法对Smith补偿器中的参数进行估计,初步减小网络传输时延给系统带来的影响。将小脑模型控制器与PD控制相结合,组成复合控制器,进一步减小由时延预估误差带给系统的控制偏差,优化系统控制效果。最后,对该控制方法进行仿真实验,结果表明该方法能有效改善系统的控制性能。     

基于LS-SVM的网络化控制系统自适应预测控制

针对网络化控制系统（NCS）中的随机时变时延,提出了一种用最小二乘支持向量机（LS-SVM）预估网络时延的方法。先将网络时延建模为非线性时间序列,再用径向基函数（RBF）作为LS-SVM的核函数,建立了网络控制系统的时延预测模型,然后用该模型预估的时延作为控制器的参数,对网络化控制系统的时延进行补偿和预测控制。仿真结果表明提出的时延预测方法,对网络控制系统的随机时变时延有较高的预测精度,根据该时延设计的控制器能使系统的输出很好地跟踪期望的输出。     

基于遗传算法的主动悬架模糊控制器设计

应用模糊逻辑控制理论,进行了车辆主动悬架模糊控制器的设计,并利用遗传算法对模糊控制的控制规则进行了优化。利用Matlab/Simulink对主动悬架系统进行了仿真,并与传统的被动悬架和用LQG控制的主动悬架进行了性能比较和分析,仿真结果表明具有模糊控制器的主动悬架能够有效提高车辆的平顺性和操纵稳定性,且具有较好的适应性和鲁棒性。     

网络控制系统时延的预测控制补偿方法

针对网络控制系统的时延问题,提出一种补偿方法。对于反馈通道,时延是已存在的,可以进行测量,这部分时延通过预测控制算法进行补偿。前向通道的时延对于控制器是未发生的,是不可知的,为此在系统输出端和前向通道间附加一个控制补偿环节以减小前向通道时延的影响。该方法简单可行,实时性强,便于工程应用。最后分析了系统的稳定性并通过仿真实验表明该策略的有效性,保证了网络控制系统的良好性能。     

光栅实验台的模糊神经网络补偿器设计

在惯导测试设备设计过程中经常会碰到摩擦干扰问题。为消除光栅试验台稳速系统中影响低速平稳性的摩擦干扰 ,提出了一种采用模糊神经网络补偿器的控制系统设计方案。这种方案是先采用传统方法基于对象简化线性模型设计PI控制器 ,然后利用模糊逻辑对摩擦干扰进行补偿。从而较好地解决了摩擦干扰造成的低速性能差的问题。     

基于模糊Lyapunov-Krasovskii函数的模糊系统的鲁棒H∞控制

针对公共Lyapunov-krasovskii函数(LKF)方法判断离散时滞模糊系统鲁棒稳定性的保守性,构造了模糊LKF,并给出了系统鲁棒稳定的充分条件.应用并行分布补偿算法(PDC),设计了全局鲁棒稳定的模糊控制器.多个附加矩阵变量的引入,使控制器可以通过求解一系列线性矩阵不等式(LMI)获得.最后,通过一个仿真例子验证了方法的有效性.     

基于T-S模糊模型的混沌系统鲁棒控制器设计

研究具有参数不确定混沌系统基于T S(Takagi Sugeno)模糊模型的鲁棒控制器设计。首先利用IF THEN模糊规则把不确定非线性系统的状态空间分成不同的区域,构建具有参数不确定性的T S模糊模型;然后提出使得系统在平衡点渐近稳定的鲁棒模糊控制器设计。该方法通过解一组线性矩阵不等式分别设计局部控制器,通过并行分布补偿的方法设计T S模糊系统的鲁棒控制器,渐近稳定性的条件更为宽松,能够有效降低鲁棒控制器设计的保守性。最后以Lorenz混沌系统为例,研究混沌系统的鲁棒控制器设计,仿真研究结果表明所设计的鲁棒控制器对参数不确定Lorenz混沌系统具有良好的控制效果。     

基于LMI的模糊控制器设计

对于许多实际的非线性系统,状态变量往往不能获取或难于测量。因此设计模糊状态观测器来估计状态变量是非常必要的。针对T-S模糊模型近似描述的非线性系统,提出了一种基于线性矩阵不等式(LMI)的具有区域极点配置功能的模糊控制器和模糊状态观测器的设计方法。首先利用并行分布补偿(PDC)设计思想和基于线性矩阵不等式(LMI)的极点配置理论,将闭环系统的全局渐进稳定性要求,性能指标及控制量约束条件统一到线性矩阵不等式框架内。然后求解线性矩阵不等式族获得控制器和观测器参数。最后将该设计方法应用于倒立摆的平衡控制中,通过仿真曲线可以看出该方法设计的控制器可使倒立摆稳定并满足指定的性能指标,因此该设计方法是有效的。     

交叉口交通信号灯的模糊控制及优化研究

针对城市单交叉口的交通信号控制问题,提出一种交通灯信号的模糊控制方法。该方法基于四相位定相序对单交叉口交通灯进行控制,模糊控制系统输入为车辆排队数和车辆到达率,输出为当前绿灯相位的绿灯延长时间。利用遗传算法(Genetic Algorithm,GA)优化模糊控制系统的模糊规则和隶属度函数,提升模糊控制系统性能。利用Sumo(Simulation of Urban Mobility)仿真软件,实现了该模糊控制方法。将Sumo自带的控制方法、模糊控制方法、以及基于GA的模糊控制方法进行仿真对比。结果表明,基于GA的模糊控制方法能有效减少车辆的平均延误时间,提高了交叉口的通行能力。     

基于T-S模型的迭代学习控制算法及其在机器人点位控制中的仿真研究

考虑了一类特殊的迭代学习控制问题，即用迭代学习方法解决机器人的点位控制问题。采用T-S模型描述机器人系统，在T-S模型的基础上，运用并行分配补偿方法(PDC)确定T-S模型的迭代学习控制器结构，并给出了误差收敛条件。为避免迭代过程的初始定位操作，丈中还设计了模糊循环迭代学习律。最后以在垂直面内运动的单关节的机器人为例说明了所提出方法的有效性。     

一种基于MATLAB的模糊控制器综合优化设计方法

提出了一种基于MATLAB的模糊控制器综合优化设计与仿真分析的实现方法。该方法首先利用MATLAB中的模糊系统工具箱结合MATLAB函数构建控制规则可调整的模糊控制器,然后利用最优化工具箱优化模糊控制器的控制规则和参数,从而提高设计模糊控制器的效率。最后利用仿真连接器建立系统仿真模型并在单位阶跃输入信号作用下仿真分析系统动态性能和优化设计结果。仿真表明,控制规则及参数优化后,系统阶跃响应特性基本上能达到“快速—无超调”的设计目标。     

Robust reliable guaranteed cost control for nonlinear singular stochastic systems with time delay

To study the design problem of robust reliable guaranteed cost controller for nonlinear singular stochastic systems,the Takagi-Sugeno(T-S)fuzzy model is used to represent a nonlinear singular stochastic system with norm-bounded parameter uncertainties and time delay.Based on the linear matrix inequality(LMI)techniques and stability theory of stochastic differential equations,a stochastic Lyapunov function method is adopted to design a state feedback fuzzy controller.The resulting closed-loop fuzzy system is robustly reliable stochastically stable,and the corresponding quadratic cost function is guarauteed to be no more than a certain upper bound for all admissible uncertainties,as well as different actuator fault cases.A sufficient condition of existence and design method of robust reliable guaranteed cost controller is presented.Finally,a numerical simulation is given to illustrate the effectiveness of the proposed method.