不确定时变时滞非线性系统多模型切换跟踪控制)

考虑了当系统存在不确定情况下,一类非线性时变时滞系统的多模型切换跟踪控制的设计问题。首先利用时滞T-S模糊模型对其进行建模;然后在不确定性满足增益有界的条件下,得到了该类时变时滞非线性系统满足闭环稳定和H∞跟踪控制性能的充分条件;最后根据所选定的变量,通过多模型切换控制,将相应的区域控制器切换为全局控制器,而其他控制器不起作用,实现对整体非线性系统的逼近与控制。仿真结果证明了方法的有效性。     

基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

神经网络非线性模型算法控制

将多项式基函数神经网络作为了模型算法控制（ＭＡＣ）中的内部模型,以此逼近被控对象的非线性特性,推导出相应的最优控制策略算法,克有了ＭＡＣ不能和于非线性预测的缺陷,该方法对在被控对象未知或建模困难情况下能很地实现地系统的预测控制,具有很强的鲁棒性和自适应性。     

基于时变T-S模型的自适应控制及其在养老保险系统中的应用

模糊控制算法已经广泛应用于商业和工业领域.讨论了基于时变系统T-S模糊模型的自适应控制方法,及其在养老保险信息系统中的应用.推广了一种基于参数辨识的自适应控制技术,这种自适应控制技术可以在控制过程中在线地调节系统的参数与结构,不断提高其适应能力.通过实际应用案例表明,提出的基于T-S模型的自适应控制技术在时变系统中是成功的.     

扩展T-S模糊模型在建模中的方法研究

在标准的T-S模糊模型基础上,提出了扩展的T-S模糊模型.然后采用改进的遗传算法优化扩展的T-S模糊模型参数和规则数.针对复杂系统的模糊建模问题,采用了一种改进遗传算法的模糊建模方法;数字仿真结果验证了算法的可行性和有效性.     

非线性系统的鲁棒自适应模糊轨迹线性化控制

针对一类非线性多输入多输出不确定系统,基于小增益理论提出了鲁棒自适应模糊轨迹线性化控制方法。利用T-S模糊系统逼近未知干扰和不确定性因素,采用Lyapunov方法及小增益理论证明了闭环系统所有信号一致最终有界。该算法自适应律的学习参数仅有1个,便于工程实现。最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,仿真结果表明了控制方案有效性和鲁棒性。     

T-S模糊控制系统的稳定性研究

针对非线性系统的T-S(Takagi-Siugeno,T-S)模糊控制模型,在分析模糊控制系统稳定性的基础上提出了系统新的稳定性条件和分析方法,减小了以往稳定性判定方法的局限性,增加了稳定性条件的信息,从而保证了判稳条件的宽松.     

一种基于多模型的主动容错控制方法研究

针对某些具有可能故障先验知识的非线性系统,基于神经网络对系统正常及各种先验故障情形建模,并离线整定出各种故障模式下的控制律,由此建立模型库,进而构建基于多模型切换的主动容错控制系统;系统实时运行时,依据系统性能容忍度指标和模型失配度指标的计算分析,判断系统所处运行模式,进而调用与之匹配的控制律,从而达到对非线性系统主动容错控制的目的.最后将文中所提出的主动容错控制方法应用于一非线性系统进行MATLAB仿真,结果表明了该方法的有效性.     

基于对角递归神经网络的非线性逆动态控制

采用2个对角递归神经网络(DRNN)构成非线性逆动态控制系统，一个用作辨识器，逼近系统的正模型，为逆动态控制提供系统的灵敏度；另一个用作控制器，逼近系统的逆动态模型，再与原系统串联组成伪线性系统．仿真结果表明该控制方法实现了对非线性系统的有效控制。     

基于PSO优化泛模型的非线性系统控制

针对一类非线性离散时间动态系统,提出了基于改进泛模型的非线性控制方法。该方法首先将非线性系统动态线性化为带误差修正的改进泛模型,对其中的时变特征参量建立AR模型进行预报,然后在改进泛模型的基础之上,根据二次型性能指标设计最优控制律,控制律中的未知参数即为AR模型中的参数以及泛模型中的误差修正系数,将其作为粒子向量,采用粒子群优化(PSO)算法进行优化。经过优化后的控制律作用于该非线性对象,可以收到良好的控制效果。该方法的优势在于简单而且易于实现。仿真结果表明了算法的有效性。     

非线性系统的广义模糊控制

提出了一种基于T-S 模糊模型的非线性系统的鲁棒跟踪控制方案. 首先将系统的模糊模型等价变换为广义系统模糊模型,然后设定跟踪性能指标,结合线性矩阵不等式方法设计了鲁棒跟踪控制器. 该方法不仅减少了求解复杂度,而且因减弱了对待定矩阵的限制而降低了保守性. 将该方法应用于倒立摆系统,实现了角度和角速率的 精确快速跟踪控制,从而表明了方法的有效性.     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

模糊控制型控制与保护开关(CPS)的研究

利用模糊控制技术、计算机技术、传感技术,对系统进行实时在线快速检测,解决了对各种电气故障类型、故障程度进行早期预测、判断问题.在不改变CPS原有结构、尺寸的前提下,用模糊控制方法提高控制与保护开关电器性能.     

时滞系统无源性分析

主要探究了带有区间时变延迟的连续Takagi-Sugeno （T-S）模糊系统的无源性分析问题.通过构造时滞区间相关的模糊李雅普诺夫泛函,建立新的无源性标准,所有结果都以线性矩阵不等式（LMI）的形式表示,并可以通过Matlab LMI工具箱进行运算.