一种改善的变结构模型跟踪控制器

以８０３１单片机实现了一种新型变结构模型跟踪控制器，该控制器采用了附加小标量δ０的控制方案．实验结果表明：系统保留了变结构模型跟踪控制所具有的一系列优点，且使系统的静态性能又得到了进一步改善．     

一种改善的变结构模型跟踪控制器

以８０３１单片机实现了一种新型变结构模型跟踪控制器，该控制器采用了附加小标量δ０的控制方案。实验结果表明：系统保留了变结构模型跟踪控制所具有的一系列优点，且使系统的静态性能又得到了进一步改善。     

基于气动人工肌肉的混合位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一个带有自适应模糊小脑模型（Cerebellar Model Articulation Controller,CMAC）在线逼近的离散趋近律滑模混合控制器.该混合控制器中离散趋近律滑模策略产生控制器的输出;自适应模糊CMAC用以逼近气动人工肌肉系统中的不确定项.CMAC网络权值的在线学习调整保证了自适应模糊CMAC的逼近性能.对离散抗饱和PID控制器（DASPID）与自适应模糊CMAC离散滑模混合控制器（HybridC）的位置跟踪控制性能进行了对比实验.实验结果表明,HybridC较之DASPID有更好的位置跟踪控制性能.当期望参考输入为正弦信号时,DASPID的最大位置跟踪误差为±15 mm;而HybridC的最大位置跟踪误差仅为±07 mm,平均位置跟踪误差大约仅为±02 mm.并且,离散滑模所固有的抖振现象得到了有效的抑制.     

基于气动人工肌肉的自适应模糊 小脑模型神经网络位置跟踪控制

针对一种气动人工肌肉驱动的弹簧质量位置控制系统,设计了一种自适应模糊小脑模型神经网络(AFCMAC)控制器.离散抗饱和PID (DASPID)并行监督控制设计保证了控制运行初期不会出现较大的跟踪误差和气压波动,使AFCMAC的在线实时学习调整成为可能.在线实时的自适应算法逐步提高了AFCMAC的控制性能,从而最终完全过渡到AFCMAC控制.通过规划AFCMAC的输入空间,保证了AFCMAC对迟滞力和气压波动等不确定因素的感知能力,为实现AFCMAC控制奠定了基础.对DASPID与AFCMAC控制器的位置跟踪控制性能进行了对比实验.结果表明,在非线性系统条件下,AFCMAC较之DASPID有着更好的跟踪控制性能和较低的实现难度.     

FUZZY LOGIC CONTROLLER FOR SEAM TRACKING OF ARC_WELDING ROBOT *

本文研究一种用于弧焊机器人焊缝跟踪的模糊控制器（ＦＬＣ）,介绍了该智能控制器的结构和原理．所设计的模糊控制器具有积分功能,在机器人关节位置控制中表现出良好的控制特性,实现焊炬对焊缝的精确跟踪．与基于机器人动力学模型的传统ＰＩＤ控制器相比,ＦＬＣ明显地提高了控制性能．文中给出了计算机仿真和实际焊接实验结果．     

3自由度移动机器人的模糊跟踪控制器设计

在平面目标跟踪过程中，将移动机器人跟踪的目标期望位姿分解为4种位置和方位组合，在分析总结了具有2个可操舵驱动轮的3自由度移动机器人运动特性的基础上，根据自动驾驶控制的专家经验知识，针对4种位姿的要求设计了4个子模糊跟踪控制器，这样大大简化了模糊逻辑推理过程，并减少了计算时间，实现了位置和方位的独立跟踪控制，同时满足了跟踪目标的位姿要求．最后，利用仿真实验验证了算法的可行性和有效性．     

基于行为的模糊PID控制器

针对现有模糊PID控制器较PID控制器虽有良好控制效果但却难以进行系统分析和基于实际情况进行改进的缺陷,作者提出基于行为的模糊PID控制器,不仅保留了其控制性能上的优点,而且弥补了其分析和改进方面的缺陷. 在建立基于行为的模糊PID控制器后,作者对该模型进行了分析.仿真实验说明该模型较现有模糊PID的优势.     

弧焊机器人焊缝跟踪模糊控制器

本文研究一种用于弧焊机器人焊缝跟踪的模糊控制器,介绍了该智能控制器的结构和原理,所设计的模糊控制器具有积分功能。在机器人关节位置控制中表现出良好的控制特性,实现焊炬对焊缝的精确跟踪与基于机器人动力学模型的传统ＰＩＤ控制器相比,ＦＬＣ明显地提高了控制性能,文中给出了计算机仿真和实际焊接实验结果。     

SISO大时滞过程双模糊控制器研究

对SISO大时滞对象，提出用双模糊控制器方案，即用跟踪模糊控制器和扰动模糊控制器实现控制。它使设定值响应与扰动响应分离，从而可同时获得良好的设定值跟踪响应和抗扰动响应。本文控制方案对对象模型不敏感，适应性强，鲁棒性好，仿真结果表明了本设计方案的可行性和有效性。     

分层模糊控制器的解析表达式及自适应控制方法

为解决模糊多变量控制中的“维数灾”问题 ,提出了一种 4输入 1输出的分层模糊控制器 ,推导了它的解析表达式。依据分层模糊控制器的解析表达式 ,提出了其设计参数的模型参考自学习方法 ,其中参考模型选取典型二阶系统 ,用梯度法设计自学习律 ,在线学习分层模糊控制器的可调参数 ,以达到最优值。为检验所提出控制策略的有效性 ,将其应用到板球系统的轨迹跟踪问题 ,并进行了仿真实验。仿真实验结果表明 ,这种分层模糊控制器的可调参数少 ,学习算法收敛快 ,控制效果好 ,具有较强的实用性。