一种新型的TS-PID模糊控制方法

基于Takagi和Sugeno的确定性模糊控制,提出了一种变参数模糊PID控制方法.该控制器的参数调整也采用确定性模糊调整规则,从而使控制器的设计简单、容易,同时与一般的参数自适应相比具有很强的适应性和鲁棒性.仿真结果表明,该控制器明显地改善了控制系统的动态性能.     

基于灰色预测的微动机器人自适应模糊控制

由于微动机器人是含有闭链结构的高度非线性复杂系统,其精确的数学模型难以获得,因此本文设计了基于估计模型的预测控制方案.因为预测控制对环境和对象的不确定性有很强的鲁棒性,所以能够取得较好的控制效果.仿真结果验证了该方案的有效性.     

一种新的多变量模糊控制方法

针对模糊控制器在实现高精度控制方面存在的不足多变模糊控制器设计的复杂性问题，提出了一种新的多变量模糊控制器设计方法，该方法是在传统模糊控制中引入动态补偿模型，大大简化了多变量模糊控制系统设计，可以较好地解决复杂控制器控制精度问题，对一种高精度水浴温度控制系统进行了设计，实验表明，控制效果良好。     

一种机器人的模糊控制方法

为了加强机器人运动规划中的稳定性,很多机器人的运动控制都依赖于它所配置的大量传感器。而本文介绍了一种机器人的模糊控制方法。该方法能在没有配置陀螺仪、位置、反馈等传感器和测距系统的机器人上实验成功,同时具有实现简单,节约成本等优点。     

一种新型的TS—PID模糊控制方法

基于Takagi和Sugeno的确定性模糊控制,提出了一种变参数模糊PID控制方法。该控制器的参数调整也采用确定性模糊调整规则,从而使控制器的设计简单、容易,同时与一般的参数适应相比具有很强的适应性和鲁棒性。仿真结果表明,该控制器明显地改善了控制系统的动态性能。     

基于大时滞特性预估补偿的模型辨识及模糊控制方法

对具有大迟延特性的对象采用径向基神经网络辨识其预测控制模型,在不需要知道被控对象的精确物理解析数学模型,也不需要知道对象的脉冲激励响应模型和阶跃激励响应模型的情况下,可以实现对系统响应特性的在线辨识.采用分级模糊建模的思想,设计一种分级模糊控制器,可以极大地减小模糊规则基的规模,在分级模糊控制器的设计中,采用共生进化遗传算法对参数寻优,提高了进化速度.仿真试验证明,该方法的效果很好.     

“模糊控制”模型在农业预测中的应用

本文将预测过程模拟成一个“模糊控制系统”,以预测因子作为系统的输入,预测量作为系统的输入。根据历史资料确定系统的特性,建立模糊控制预测模型;然后,在一定输入条件下,通过预测模型,即可求得预测输出。这一模型本质上属语言控制模型,无需知道输入量与输出量之间函数关系,与经典的数学模型相比更具有广泛的适应性。文中用某地1980－1987年棉花烂铃病流行趋势资料为实例建立模型,对1998－1991年的棉花烂铃病流行趋势进行预测,收到了良好的效果。     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

一种基于线性模糊控制的飞行机械臂自抗扰方法

无人机搭载机器臂作业能提高环境适应性,但机械臂的运动对飞行平台会产生强干扰,严重影响作业平台的稳定性。针对飞行机械臂的抗扰难题,采用欧拉-拉格朗日方法对系统进行整体建模,提出一种结合线性自抗扰控制(LADRC)和模糊控制的线性模糊自抗扰控制方法(Fuzzy-LADRC),该方法综合了模糊控制的自适应能力和LADRC对非线性强耦合系统的抗干扰能力,对控制系统进行优化。通过Matlab/Simscape平台搭建系统的物理仿真模型,并设计相关仿真实验对Fuzzy-LADRC、LADRC、比例-积分-微分(PID)等3种控制器的性能进行了对较分析。结果表明：Fuzzy-LADRC在响应速度上比LADRC快0.5 s,比PID快1.5 s,在扰动下进行轨迹跟踪,Fuzzy-LADRC最大误差仅为4 cm,而LADRC的最大误差为10 cm, PID的最大误差为35 cm。综上,该控制方法可显著提高飞行机械臂的响应速度和抗干扰能力。     

基于最优预测状态估计的网络化最优控制

针对网络化控制系统中存在的时变网络诱导时延和数据包丢失,提出基于最优预测状态估计的网络化线性二次型高斯(LQG)最优控制算法.对于存在网络诱导时延的情况,考虑反馈信号的网络诱导时延大于1个采样周期的情况,把网络化最优预测状态估计算法与传统最优控制算法结合,补偿网络诱导时延的影响.对于存在时变数据包丢失的情况,把时变数据包丢失的状态描述为1个二元赋值变量,假定当数据包丢失时目标节点保持上一时刻的值,给出相应的最优预测状态估计器和线性二次型(LQ)最优控制器的设计方法.研究结果表明:分离定理成立;网络化最优预测状态估计方法的缺点在于随着网络诱导时延增大或数据包丢失数目增加,其预测估计误差协方差阵略微增大,从而导致最优控制系统的代价略微增长.仿真和实验验证了算法的有效性和理论分析的正确性.     

一种基于CARMA模型的直接预测控制算法

预测控制一般都建立在输出预测模型基础上，以一个最优化性能指标来求解未来的控制量，使得求解过程变得复杂。介绍一种基于CARMA模型的直接预测控制算法，并对其控制量进行了反馈校正和滚动优化，从而使得求解过程变得简便、快捷。     

一种基于遗传算法的多模型预测控制方案

针对时滞系统的特点,提出一种基于遗传算法的多模型预测控制方法.利用多个模型逼近整个被控对象的动态特性,针对每个子模型,设计相应的子控制器,通过加权的方式,将有限个控制量映射成最终的控制量;子控制器采用预测控制算法,利用遗传算法得到权值的全局最优解;比较该控制方案和PID控制在时滞系统中的应用效果.仿真结果表明：该算法不但克服了建模的不精确性和参数的时变性,使系统具有良好的控制性能,而且具有较强的鲁棒性.     

工业过程预测-模糊控制

本文针对非线性、大滞后工业过程难以控制的共性问题 ,将预测控制和模糊控制相结合 ,提出了一种预测—模糊控制方法 ,经过仿真研究和电渣重熔炼钢实时控制 ,证实了该方法的有效性和可行性。     

模型预测控制性能评价的一种改进方法

历史性能指标和设计性能指标的残差控制图可用于模型预测控制的性能评价,但是当外界干扰和模型变化很小或性能指标存在严重的自相关现象时,残差的-X-图很难检测出性能的变化。提出用残差的累积和控制图对模型预测控制性能进行监视,在Shell塔模型上的仿真实验表明了该方法解决问题的有效性。     

基于打包的网络化系统的预测控制

采用了一种新的网络数据传输协议, 即输入与输出数据均打包传送. 在这种通讯协议下, 讨论了网络化系统的预测控制器的设计, 并作了稳定性分析. 证明了观测器与增广系统状态反馈的设计满足分离原理, 利用线性矩阵不等式给出了相应的控制器的设计. 通过一个数值例子验证该方法的有效性.     

一种模糊神经网络自适应预测控制方案的研究

在过程控制中,由于被控对象常具有非线性、不确定性及参数时变等复杂因素,难以建立精确的数学模型,从而直接影响了控制效果,提出了一种模糊神经网络自适应预测控制议案,对学习公式进行了理论指导,并结合误差补偿以提高预测控制的精度,仿真实验表明,该算法可实现模糊控制和神经网络的优势互补,对非线性复杂系统具有良好的控制性能。     

基于T-S模型的模糊广义预测控制

对非线性系统建立了T－S模糊模型,并用正交最小二乘法（OLS）对模糊规则的后件参数进行辨识,然后在每一个采样点对系统进行局部动态线性化,根据得到的系统线性化模型对系统采取广义预测控制（GPC）方法得到当前的控制动作,仿真的结果表明了该方法的有效性。     

线性模型最优线性无偏预测的一种相对效率

本文得到了一般线性模型中最优线性无偏预测的优良性,并研究了最优线性无偏预测和简单投影预测的一种相对效率。     

基于一种新误差模型的移动机器人模糊控制

建立了移动机器人的数学模型,并进行离散化. 针对大初始偏差问题提出一种新的误差模型,设计了2个基于人工驾驶思想的模糊控制器. 角速度控制器用距离误差和角度误差作为控制量,加速度控制器用距离误差作为控制量,同时对角速度和加速度进行控制以实现移动机器人路径跟踪. Matlab仿真结果表明该控制器的有效性.     

模型预测控制性能评价的一种改进方法

历史性能指标和设计性能指标的残差控制图可用于模型预测控制的性能评价, 但是当外界干扰和模型变化很小或性能指标存在严重的自相关现象时,残差的图很难检测出性能的变化.提出用残差的累积和控制图对模型预测控制性能进行监视,在Shell塔模型上的仿真实验表明了该方法解决问题的有效性.