基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

带有时变时滞和未知死区的纯反馈系统的自适应跟踪控制

针对一类带有时变时滞和未知死区的纯反馈非线性系统,提出一种新的自适应模糊跟踪控制方案。采用自适应反步法设计了一个虚拟控制输入信号;利用模糊逻辑近似解决了系统中的未知函数所带来的困扰;为了处理未知死区干扰,设计了一个自适应模糊控制器,使用中值定理解决纯反馈结构中设计控制器的复杂问题。该控制方案保证闭环系统所有信号半全局一致有界,与此同时,系统的跟踪误差收敛到原点的一个小邻域内。最后,仿真例子证明了方案的有效性。     

船舶航向非线性系统自适应模糊补偿控制

摘要： 研究了船舶直航和谐波航向控制问题.基于Lyapunov稳定性理论,将自适应模糊补偿技术应用到船舶航向非线性响应模型中,利用万能逼近定理构造模糊系统逼近系统中的未知非线性,提出了一种基于自适应模糊补偿且带有物理约束二阶滤波器的鲁棒跟踪控制器.运动响应模型考虑了建模误差和外界干扰,模糊系统能有效地逼近非线性系统,控制器能够准确地跟踪预设航向和转首角速度.舵角控制结合舵机伺服系统模型,操舵情况符合物理现实. 数值仿真在相同控制参数下与传统比例 微分(PD)控制作比较,结果验证了自适应模糊控制器的有效性和优越性.     

基于高木-关野型模糊系统的直接自适应控制

对高阶非线性系统设计了模糊直接自适应控制器.用高木-关野型模糊系统作为控制器,用鲁棒控制项对未知的逼近误差进行补偿以减小逼近误差对跟踪精度的影响.所给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或其小邻域内,此外还克服了外界干扰对系统误差的影响.     

一种新的模糊自适应控制方法

针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力·     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

方向未知的非仿射非线性系统的模糊滑模控制

为解决一类控制方向未知的非仿射非线性系统的控制问题, 提出一种新的自适应模糊滑模控制方法, 无需系统控制方向和不确定项的上界的先验知识。采用模糊逻辑系统直接逼近控制器中的未知部分, 在参数自适应律中引入Nussbaum函数处理控制方向未知问题。用一类光滑非线性饱和函数改进传统的积分滑模面, 能使控制器在保证传统积分滑模控制跟踪精度的同时获得更好的动态性能。利用李雅普诺夫方法证明了闭环系统的稳定性。数值仿真验证了算法的有效性。     

一类混沌系统的模糊自适应控制

模糊控制器具有设计简单,适用于非线性系统和鲁棒性的特点,在工程实践中有广泛的应用。本文针对单输入一单输出的非线性混沌系统,提出了一种新的模糊自适应控制方法。此方法中,用两个模糊逻辑系统逼近两个未知函数,并根据跟踪误差来定义参考误差,再根据前一步参考误差来修正两个模糊逻辑系统的输入,以此对逼近误差进行补偿。该方法不但能保证闭环系统稳定,而且可使跟踪误差收敛于原点或原点的一个小领域内。     

一类具有非线性输入系统的自适应模糊控制

基于滑模控制基本原理,利用I型模糊逻辑系统对未知函数进行在线逼近,提出了一种具有监督器的自适应模糊滑模控制方法.该方法通过监督控制器保证闭环系统所有信号有界,并进一步引入最优逼近误差的自适应补偿项来消除建模误差的影响.通过李亚普诺夫方法,证明了跟踪误差收敛到零.仿真结果表明了该方法的有效性.     

具有未知控制方向的自适应神经网络控制

讨论了一类具有未知死区模型和未知函数控制增益的SISO非线性系统的自适应神经网络控制问题.根据滑模控制原理,并利用Nussbaum函数的性质,提出了一种自适应神经网络控制器的设计方案.该方案取消了函数控制增益符号已知和死区模型参数上界、下界已知的条件.通过引入逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响.理论分析证明了闭环系统是半全局一致终结有界,且跟踪误差收敛到零.     

工业控制中Fuzzy—PID控制的策略与方法

从理论上分析了常规模糊控制器的局限性,在此基础上推导出模糊PID控制器消除稳态误差的原理,并以液位控制系统为例,介绍了模糊PID控制器的设计方法,并用MATLAB工具箱对系统进行仿真试验.通过对仿真结果的分析得出:模糊PID控制器既能消除稳态误差,又有很强的鲁棒性,对于此类非线性迟滞系统具有良好地控制性能.     

模糊控制在控制系统中的应用

针对不同的典型被控对象,介绍了采用比例积分微分控制和模糊控制两种控制方法.通过仿真实验证明,Fuzzy控制对被控对象参数和模型结构的变化,能获得较好的控制效果.     

模糊控制在控制系统中的应用

针对不同的典型被控对象，介绍了采用比例积分微分控制和模糊控制两种控制方法。通过仿真实验证明，Fuzzy控制对被控对象参数和模型结构的变化，能获得较好的控制效果。     

MIMO多输入输出网络控制系统的容错控制

针对被控对象为具有不确定因素的多输入多输出网络控制系统,设传感器与控制器均为时间驱动,执行器为事件驱动,网络诱导时延小于采样周期,将未能成功传输数据的传感器节点视为暂时失效,把具有传感器故障的网络控制系统建模为一类带有不确定因素的离散模型,借助Lyapunov定理给出了系统渐近稳定的充分条件,基于LMI方法得出观测器和控制器的分离设计方法,实现了MIMO网络控制系统的容错控制。     

网络控制系统保性能控制

针对网络控制系统中时延不确定因素,将时延的不确定性转换为系统状态方程系数矩阵的不确定性,网络控制系统对象模型为具有时滞的不确定离散模型.在此模型的基础上,将网络控制系统的保性能控制问题转化为研究时滞的不确定离散系统的鲁棒保性能控制问题.利用Lya-punov理论及线性矩阵不等式(LMI)方法,证明了通过状态反馈控制,使网络控制系统保性能控制的充分条件等价于求解LMI.仿真示例验证了该控制方法的有效性.     

船舶运动的混合智能控制

将混合智能算法应用于船舶航向，转向控制，充分发挥了模糊逻辑，神经网络和遗传算法各自的优势采用GA发优与BP算法学习模糊神经网络参数，通过竞争学习算法从样本数据中获得取模糊控制规则，并与专家经验有机结合，弥补了各自的不足，仿真表明上述算法为改进船舶运动提供了一个有效途径。     

网络控制系统的输出反馈控制

将网络控制系统描述为具有输入延迟和测量输出延迟系统,给出了系统渐近稳定的定义.提出了零输入系统渐近稳定存在的充分条件,并基于一个李雅普诺夫泛函,提出了输出反馈镇定控制器存在的充分条件,通过输出反馈控制使闭环系统达到二次稳定.采用锥面互补方法,将不具有严格线性矩阵不等式(LMI)条件的非凸可行解问题转化为具有严格LMI条件的非线性最小化问题,得到了求解输出反馈控制器增益参数的静态输出反馈镇定(SOFS)算法.通过一个仿真实例,验证了该算法的有效性.     

网络化控制系统的随机最优控制

对于网络诱发延迟大于一个采样周期的网络化控制系统,该文研究了该系统的线性二次Gauss(LQG)随机最优控制问题,提出了一种新的分时控制模式.这种控制模式充分利用了系统信息并能改善系统的性能.在该控制模式下建立了网络化控制系统的随机数学模型.该文还讨论了网络化控制系统中传输延迟的Markov特性,基于这种Markov链理论,设计了具有完全状态信息的系统线性二次Gauss随机最优控制器.仿真结果验证了该分时控制模式比没考虑延迟的优化控制和没充分利用控制量的控制模式有更好的控制效果.     

基于切换控制的均匀液位控制

过程工业中常常提出均匀液位控制问题,即在保证液位不出界的前提下,使输出流量尽可能平缓.对于此类受限控制问题,模型预测控制可以取得满意效果,但在线优化的复杂性又阻碍了算法在实际中的推广.基于模型预测控制,提出了一种通过调整预测时间域长度来处理液位约束的方法,加上对未知扰动的估计算法,最终推出切换PI控制律.该方法既简化了在线优化过程,又增强了对随机扰动的适应性,已成功地应用于甘肃金川集团公司6 kt磨浮系统中.     

一种串级调速的闭环控制系统

介绍了一种双闭环控制的串级调速系统，对系统的工作原理、组成及动态结构作了较为详细的论述，并解答了该系统在实际应用中出现的主要问题。