液位系统的模糊和LQR切换控制器设计

为了克服液位系统模糊控制的不稳定性和线性二次型调节器(linear quadratic regulator,LQR)控制的模型不确定性,设计了模糊和LQR切换控制器;根据系统液位反馈值设计模糊、模糊和LQR加权以及LQR控制并切换策略,确保在液位稳定的情况下实现控制器之间的平稳切换,避免了模糊和LQR直接切换时出现液位大幅度波动现象,并在Quanser公司的储联罐实验平台上进行实验研究,结果表明,模糊与LQR切换过程中液位平稳上升,模糊和LQR切换控制器提高了液位系统响应速度和稳定性。     

三自由度直升机模型鲁棒控制器设计

鲁棒性是直升机的重要性能指标.针对三自由度直升机模型设计了基于线性二次型调节器(LQR)和模糊逻辑的鲁棒控制器.该控制器从控制率出发,首先采用LQR控制器来确保直升机模型的静态性能,然后设计积分切换函数与滑模切换控制分量来增强系统的抗干扰能力,接着采用模糊逻辑调整控制律以达到最佳效果.实验结果表明该策略具有较强的鲁棒性...     

双变量串级PID板球控制系统的设计与实现

传统单级比例积分微分(proportional-integral-derivative control,PID)控制只适用于单一变量的简单线性对象,不适用于板球系统这种复杂的多变量、非线性系统.基于对板球系统物理模型研究,提出一种基于串级PID的板球控制系统,小球的位置和速度同时作为反馈量,实现对两个变量的同时控制,并设计了板球系统硬件结构,进行了实际验证.测试表明,所提出的板球控制系统调节时间短、超调量小、误差小,且有一定的抗干扰能力.     

基于T-S模糊理论的车辆主动转向系统多目标控制

主动转向系统能通过主动转角补偿的方式实现横摆力矩控制,以改善车辆转向稳定性。针对横摆力矩控制,提出了基于T-S模糊理论的LQR多目标控制器的主动转向系统。该系统综合考虑主动转向系统的有效工作区间和车辆操纵模型中轮胎的非线性问题,采用T-S模糊理论建立了主动转向系统模型,并基于横摆角速度和车辆侧偏角这两个控制变量,设计了LQR多目标控制器。仿真分析结果表明,所提出的基于T-S模糊理论的LQR多目标控制器的主动转向系统整体上能降低横摆角速度、车辆侧偏角和侧向加速度,并快速达到稳定状态。该系统能有效改善车辆的转向稳定性,从而为主动转向系统的设计和应用提供理论参考与方法依据。     

基于T-S模型的倒立摆LQR模糊控制

对固高倒立摆的控制目标、T-S建模方法、LQR控制器的设计、参数Q与控制性能的关系进行了分析,根据各个T-S模糊子集中倒立摆系统所处的不同状态,权衡2个控制目标的比重,选取合适的Q参数,从而设计出有针对性的控制目标的LQR模糊控制器,拓宽了LQR控制器在非线性领域的应用.实验结果证明了它的有效性.     

二级倒立摆基于融合函数的模糊控制

文章针对多变量、非线性、强耦合性的二级倒立摆系统,采用模糊控制理论研究了二级倒立摆的稳定控制问题.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR控制方法设计了融合函数以降低模糊控制器的输入变量维数,降低了控制器的设计难度,并研究了量化因子对控制效果的影响,通过设置阈值使量化因子可自动调节,...     

混沌Arneodo系统非线性与自适应模糊神经网络控制

针对Arneodo系统的参数不确定性,阐述了Arneodo控制系统中抵消非线性的基本思想和设计方法.利用LQR线性反馈技术,设计了具有稳定裕度的二次型最优控制器,同时在控制器中引入一个用于函数逼近的自适应模糊神经网络,利用该神经网络抵消控制系统中的非线性项,使受控系统的某一状态变量可被镇定到任意参考位置.这种具有模糊神经网络的控制器实现了参数不确定系统的精确反馈线性化控制.通过仿真比较研究,说明了反馈线性化与自适应神经网络相结合的控制器具有良好的控制性能,且更易实现.     

基于LQR技术的直流电动机转速控制设计

以直流电动机为控制对象,采用输出反馈线性二次型调节器LQR(Linear Quadratic Regulator)技术完成了直流电动机的转速控制设计.利用获得的控制系统进行数字仿真,并与常规反馈校正和PID控制设计效果进行了比较.结果表明,LQR控制系统更好地实现了转速指令的精确跟踪,且具有良好的抗干扰能力,适合直流电动机转速控制要求.     

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。     

两轮智能车跟踪控制系统的研究

自平衡式两轮机器人是多变量、强耦合对象,文章针对斜坡上的两轮智能车的目标跟踪问题,设计了基于T-S模糊控制器的跟踪控制系统,该系统包括底层平衡控制器、底层转弯控制器和全局运动控制器。底层的平衡控制应用T-S模糊控制器,并利用LQR线性控制器来简化控制器的参数设计。底层转弯控制器采用PI算法,在此基础上运用李雅普诺夫函数方法,进行了全局运动控制器的设计,得出了具有全局渐近稳定的控制律。最后通过仿真验证了该方法的正确性和可行性。     

模糊PID控制在液位控制系统中的应用

提出一种基于模糊规则的PID控制器的设计方法.该方法以建立模糊规则和进行模糊推理来调整PID控制器的kp,ki,kd等参数,通过JX-300X集散控制系统对QXLPC-Ⅲ液位对象进行控制.实验结果表明,所设计的模糊PID控制系统比常规PID控制系统具有更优良的控制品质.     

串联谐振全桥逆变电路自适应模糊PID恒功率输出研究

系统采用自适应模糊PID控制技术,针对串联谐振全桥逆变电路,利用MATLAB建立了系统自适应模糊PID输出功率控制仿真模型,并给出了电路仿真波形.结果表明,系统采用自适应模糊PID控制方法,能够应用模糊控制技术对PID参数进行在线修改,以满足不同时刻的功率偏差和偏差变化率对PID参数自整定的要求,使被控对象具有良好的动、静态性能,实现逆变电路的恒功率输出控制.     

模糊神经网络的MRAC在环境试验箱控制中应用

针对环境试验箱具有非线性、时变性、强耦合性使得经典控制理论难以对其进行有效控制的问题,提出了以模糊神经网络构成间接模型参考自适应控制方案,以满足系统稳定性、实时性的设计要求.阐述了如何运用模糊神经网络构造间接模型参考自适应控制系统及如何对模糊神经网络构造的辩识器和控制器进行学习和训练.仿真结果表明,该智能控制系统具有很强的鲁棒性和控制复杂被控对象的优越性.     

基于自适应神经网络倒立摆模糊控制器的设计

倒立摆系统本身的不稳定性为系统的平衡提出了难题,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置。本文使用一种基于最优控制和自适应神经网络模糊控制器的设计方法,将各个线性LQR控制器进行综合,使之成为一个非线性的控制器。仿真结果证明,模糊神经网络控制器要优于单个的LQR控制器。     

基于SDRE方法的一级旋转倒立摆控制

基于拉格朗日方程建立了一级旋转倒立摆的非线性微分方程模型,提出了一种参数化方法以获得伪线性化系统模型.研究了系统的逐点可控性,表明系统除了在摆杆垂直向下位置外都为可控.设计了基于状态相关黎卡提方程(SDRE)方法的控制器,控制增益与系统状态相关,计算复杂程度较高,但控制效果好.与线性最优二次型调节器(LQR)进行了仿真对比,结果表明:SDRE在摆杆远离平衡位置时的控制效果要优于LQR,具有超调小,调节时间短的特点,且能同时完成摆起及平衡控制而不需要另外设计控制器.     

基于线性二次调节器算法的两轮自平衡机器人最优控制方法

两轮自平衡机器人作为一种多输入多输出系统,虽然已在许多日常使用中得到应用,但大多数研究只关注通过试验实验或使用简易的数学模型来达到平衡.为了研究两轮自平衡机器人完整数学模型建模和运动平衡控制器设计,首先,根据机器人的电机模型、车轮模型和摆体模型,推导机器人运动的状态空间模型;其次,分析系统的可控性和可观性,并结合状态估计和反馈控制设计具有状态估计的反馈控制器,同时引入线性二次调节器(linear quadratic regulator,LQR)控制方法以完善控制器在机器人运动中的控制效果.仿真实验结果表明:具有状态估计的反馈控制器和LQR控制方法对于这类自平衡机器人运动平衡控制具有良好的稳定性和鲁棒性.     

基于控制规则调整的自适应模糊控制器

工业对象大多是具有非线性、大时滞、高阶次的复杂对象,常规的控制方法往往难以适应这些对象的变化.文中提出了一种自适应模糊控制器,它能在控制过程中不断调整和修改控制规则,以适应对象和环境的变化.对控制方法与常规PID控制、Smith预估控制、基本模糊控制进行了仿真比较.仿真曲线表明,自适应模糊控制器的控制性能明显好于其它3种控制方法.     

二阶倒立摆的稳定性控制

本文研究了二阶倒立摆系统的控制方法,采用极点配置、LQR最优控制设计了控制器,通过仿真,分析指出各种方法的优缺点。在极点配置法中,通过仿真实验寻优,得到具有较好稳定性的初始值。在LQR最优控制器的设计中,采用仿真结果表明:该控制策略能满足系统的控制要求,系统具有良好的动态性能。     

模糊控制在二级倒立摆系统中的应用

针对多变量、非线性、强耦合性的二级倒立摆系统的稳定控制问题.首先,为解决模糊控制在多变量系统中常遇到的"规则爆炸"问题,提出了一种基于融合函数的模糊控制方法,该方法将最优控制理论与模糊控制理论相结合,运用LQR控制方法设计了融合函数,减少了模糊控制器的规则数,并对控制参数进行了寻优和调整.其次,对系统进行了仿真分析,结果表明这种方法是有效的.最后,利用固高公司GLIP2003倒立摆系统验证了设计结果,并达到了较好的控制效果.     

基于遗传算法的车辆4自由度主动悬架最优控制研究

文章首先建立车辆4自由度主动悬架系统模型,然后针对悬架系统的控制问题,基于结合遗传算法和最优控制理论,提出悬架系统的最优控制策略。该控制方法利用遗传算法对LQR控制器的加权矩阵Q和R参数进行自适应调整优化,不仅可以避免传统的主动悬架LQR最优控制器设计中存在人为主观因素的问题,还能实现悬架系统的自适应最优控制。仿真实验结果表明,在不同车速和路面等级的行驶工况条件下,相比于传统的LQR控制方法,基于遗传算法优化的LQR控制能提高主动悬架系统的控制性能,使车辆获得更优的乘坐舒适性和操纵稳定性,研究结果为探寻有效的主动悬架控制策略、改善车辆的行驶性能提供了有用的控制方法参考。