基于自组织调整因子的模糊PID控制器设计

实际工业过程往往是非线性、时变性、其结构参数不确定的系统。提出一种基于自组织调整因子的模糊PID控制器：采用归一化加速度参量来反映系统响应的快慢,引入变论域思想,构建模糊PID控制器的自组织调整机构。该机构根据系统输入输出误差,以归一化加速度参量在线辨识系统运行的不同阶段,动态调整模糊PID控制器的量化因子和比例因子,以改变模糊PID控制器输入输出变量与模糊子集的映射关系,使论域产生伸缩变化,以调节控制器的微分、积分控制作用。仿真结果表明：该自适应模糊PID控制器具有较大的动态调节范围,其动静态性能、鲁棒性、抗干扰能力均优于PID和常规模糊PID控制器。     

非仿射非线性系统的自适应模糊输出反馈控制

针对一类单输入单输出非仿射非线性系统,提出了基于观测器的自适应模糊输出反馈控制。该算法通过构造线性误差观测器估计系统输出误差和系统状态,利用估计状态变量和估计输出误差变量设计自适应控制律,采用模糊逻辑系统在线消除非线性系统中的不确定模型,引入监督控制消除系统逼近误差和外界干扰,并利用Lyapunov方法严格证明了在该控制律作用下闭环系统所有信号一致最终有解,闭环系统的输出能最终跟踪期望输出。仿真结果表明了该方法的有效性。     

大型变速风力发电机组的自适应模糊控制

控制技术是风力发电机组安全高效运行的关键。风力发电机组是复杂多变量非线性系统,具有不确定性和多干扰等特点。本文提出使用模糊逻辑推理系统得到低风速时的发电机参考转速,该方法无需测量风速,避免了风速测量的不精确性。根据机组的运动方程,采用最近邻聚类学习算法建立发电机电磁转矩自适应最优模糊控制,低风速时获得最大风能利用系数。算法综合考虑风力发电机组的机械特性和电气特性,系统辨识作为控制算法的一部分自动执行。高风速时,变论域自适应模糊控制器控制桨距角,机组能准确地保持在额定功率发电。仿真结果表明了本文提出方法的有效性。     

新型变论域模糊控制器在交通信号控制中的应用

在双模糊控制器协调控制交通信号的基础上,针对模糊控制中论域范围选择和隶属度函数在论域中合理分布的难题,改善通过函数模型获得输入输出变论域伸缩因子的方法,提出一种采用模糊推理来替代函数模型,根据输入输出量的大小来相应改变模糊控制器的输入输出变量的论域范围的新算法。仿真结果表明,与传统的基于函数模型的变论域模糊控制器相比较,此方法避免了基于函数模型的变论域模糊控制器的函数系数和模型参数选择上的困难,更加方便地实现了控制器自调整和自适应,并大大减小了车辆平均延误时间,为车队更顺畅地通过交叉路口提供了保证。     

基于高增益观测器的非线性系统自适应模糊滑模控制

针对一类有界的不确定非线性系统,基于高增益观测器并结合自适应模糊逻辑系统和滑模控制,提出了一种基于高增益观测器的自适应模糊滑模控制方案。该方案不需要系统状态可测的条件,而是通过设计高增益观测器来估计系统的状态并能保证观测误差一致最终有界。基于李亚普诺夫函数方法,给出了自适应模糊滑模控制律以及在线调节的参数自适应律。所提出的控制方案不但能使闭环系统稳定,而且保证了跟踪误差的一致最终有界性。仿真结果进一步验证了该控制方案的实用性和有效性。     

含非线性输入的非线性系统自适应模糊控制

讨论一类含非线性输入的非线性系统的自适应模糊控制问题。首先运用隐函数存在定理证明系统的理想控制器的存在性,利用I型模糊逻辑系统对该理想控制器进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制器设计的新方案。该方案通过直接自适应模糊控制器与监督控制器的适当切换,保证了闭环系统的稳定性,由此确定出建模的有界区域,而且通过引入最优逼近误差的自适应补偿项,保证跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

一类非线性不确定系统自适应terminal滑模控制方法

针对一类非线性不确定系统设计了自适应terminal滑模控制器,使跟踪误差在有限时间内收敛到零,消除了通常滑模变结构控制的到达过程,因而闭环系统从t=0时刻就对干扰具有鲁棒性。采用RBF神经网络逼近系统未知的非线性函数,引入滑模误差对其权值进行在线自适应调整,改善动态性能。最后给出的仿真例子证明了算法的有效性。     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

一种改进的自适应模糊滑模大包线飞行控制方法

提出了一种改进的自适应模糊滑模大包线飞行控制方法。该方法以经模拟退火粒子群算法优化的小波神经网络实现非线性模型的逆,能够更加细致地逼近非线性模型,并针对自适应控制的鲁棒性与瞬态性能差的缺点,将滑模控制与自适应控制相结合共同补偿逆误差,提高了自适应控制的鲁棒性与瞬态性。仿真结果表明:所设计的自适应模糊滑模大包线飞行控制器具有优良的控制性能。     

航天器姿态的神经网络动态逆控制

针对航天器姿态系统,提出了一种基于自适应神经网络动态逆的控制算法。该算法针对滚转、俯仰和偏航三个姿态子系统,设计了两组神经网络:第一组是BP网络,用来逼近三个姿态通道的非线性项,可获得姿态逆模型;第二组是非线性自适应神经网络,用于在线实时地补偿逆模型存在的误差和外加干扰。详细分析了非线性自适应神经网络的拓扑结构、学习规则和调整算法。给出了应用该算法的具体实例,通过仿真实验证明该算法的有效性。     

基于神经网络的一类非线性系统的变结构控制

在已知名义系统的基础上 ,将小脑关节模型控制器 (CMAC)神经网络用于一类状态反馈可线性化的多输入多输出连续时间非线性系统的变结构控制中。利用自适应技术估计了估计误差的大小 ,减小了系统的不确定性 ,并利用模糊控制技术调整了变结构增益 ,改善了系统的性能。在很弱的假设条件下 ,应用Lyapunov稳定性定理证明了闭环系统内的所有信号为均匀最终有界。算法在导弹控制系统中的应用进一步证明了本文方法的有效性。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

欠驱动平面机械手自适应模糊滑模控制

采用自适应模糊滑模控制策略来实现欠驱动平面机械手的位置控制，定义滑模面为模糊输入，减少了模糊规则数量，模糊输出为通过自适应律在线调整幅值的单值函数，利用李亚普诺夫稳定性理论推导出自适应调整律，保证了系统的稳定性，提出的控制器由一个模糊滑模控制器和一个辅助控制器构成，模糊滑模控制器用来实现与滑模控制相等的控制律，辅助控制器用来补偿两者的差值，仿真结果表明了提出控制器的有效性和可行性。     

基于观测器的一类不确定非线性系统自适应输出反馈控制

针对一类不确定非线性系统,基于非线性状态观测器采用回馈递推(Backstepping)设计方法提出了一种鲁棒自适应L2增益控制方案。该控制方案首先对系统的不可观测状态设计非线性状态观测器,在此基础上通过多步递推得到系统的控制律并设计了未知干扰的参数自适应律,使系统具有L2增益性能。同时把采用常规设计方法需要对过多参数进行辨识问题简化为只需对与未知干扰个数相同的参数进行辨识的问题,简化了控制器结构。最后通过仿真算例验证了所设计控制方案的有效性。     

一类非线性系统的模糊变结构控制方案

针对一类特殊非线性系统的模糊变结构控制及稳定性问题,通过将非线性系统化为多个精确T S模型来建立非线性系统精确的T S模糊模型,将模糊理论与成熟的线性变结构控制理论相结合设计出一种模糊变结构控制器,提出了使全局模糊模型稳定的充分条件,并用Lyapunov稳定性理论证明该控制器能确保模糊动态模型全局渐近稳定,从而使非线性系统稳定。仿真结果表明了该设计方法的有效性。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。     

Stabilization of the quadruple inverted pendulum by variable universe adaptive fuzzy controller based on variable gain H ∞ regulator

In this paper,the variable universe adaptive fuzzy controller based on variable gain H_∞ regulator(VGH_∞ R.) is designed to stabilize a quadruple inverted pendulum.The VGH_∞ R is a novel robust gain-scheduling approach.By utilizing VGH_∞ R technique,a more precise real-time feedback gain matrix,which is changing with states,is obtained.Via the variable gain matrix 10 state variables of quadruple inverted pendulum are transformed into a kind of synthesis error(E) and synthesis rate of change of error(EC) at sampling time.Therefore,the dimension of the multivariable system is reduced and the variable Universe adaptive fuzzy controller is built.Experiments illustrate the effectiveness of the proposed control scheme.