非线性连续混沌系统的模糊自适应控制

本文针对一类非线性连续混沌系统,提出了一种直接的模糊自适应控制方法.该方法通过利用模糊系统逼近某个理想控制器来实现,而模糊控制器中参数的调整是使用梯度下降法设计的,即通过最小化理想控制器与模糊控制器之间误差的二次成本函数来实现.根据Lyapunov稳定性理论,分析了闭环系统的稳定性及跟踪误差的收敛性.最后,通过对Arneodo混沌系统Duffing混沌系统的数值仿真验证了该方法的有效性.     

一类欠驱动机械系统基于神经网络的控制

运用神经网络设计体操机器人欠驱动机械系统的平衡控制器.首先利用联立约束法和矢量环对两关节体操机器人进行数学建模,然后用反馈线性化理论将这个非线性系统线性化,最后结合神经网络来设计平衡控制器.仿真结果表明,神经网络控制可以有效地使系统在垂直向上位置附近到达平衡稳定状态,从而实现了此类欠驱动系统基于神经网络的控制.     

静止无功补偿器的智能自适应PID控制器设计

将神经网络和模糊控制与有着广泛应用ＰＩＤ控制相结合,设计了一种静止无功补偿器的智能自适应ＰＩＤ控制器。利用神经网络实现系统模型辨识,采用模糊逻辑和神经网络相结合对ＰＩＤ控制器参数动态寻优。使ＳＶＣ的控制既具有模糊控制的简单,有效的非线性控制作用,又具有神经网络的自学习,自适应能力。     

具有死区输入的不确定分数阶混沌系统的同步

针对一类具有死区非线性输入和外部扰动的不确定分数阶混沌系统同步问题,提出一种模糊神经网络结合自适应滑模控制的同步方法.利用模糊神经网络逼近未知的非线性函数,并且对逼近误差采用自适应控制进行补偿,同时构造了一种具有较强鲁棒性的分数阶积分滑模面.应用分数阶Barbalat引理和分数阶稳定性理论,设计自适应模糊神经网络滑模控制器和参数自适应律.数值仿真结果验证了该控制方法的有效性.     

一类非线性系统的全局自适应输出跟踪控制

研究一类具有不可控不稳定线性化和未知线性化参数的非线性系统的全局自适应控制·控制目标是设计一种鲁棒自适应非线性状态反馈控制器,实现系统的全局实用输出跟踪·应用Lyapunov稳定性理论和修正的自适应增加幂积分方法,给出了一个系统化的设计程序,递推设计了一种非线性自适应光滑状态反馈控制器·该控制器能保证跟踪误差充分小,且闭环系统所有信号全局有界·仿真结果表明该控制器是可行的并且是有效的·     

一种基于模糊神经网络的自适应PID智能控制器

设计了一种新的基于模糊神经网络的自适应PID智能控制器,该系统利用模糊神经网络对被控对象进行模糊辨识,同时,采用BP学习算法的神经网络自适应地调整PID控制器的参数,将模糊技术、神经网络与PID控制综合起来,从而实现PID控制的自适应和智能化。仿真实验表明,该控制器具有较高的控制品质。     

静止无功补偿器与发电机励磁协调自适应控制

采用直接反馈线性化、非线性控制和参数自适应控制方法,设计了电力系统中静止无功补偿器(SVC)与发电机励磁协调自适应控制器.该控制方法可以同时满足发电机功角稳定和SVC节点处电压稳定控制.对于电力系统中存在系统参数的不确定性问题,由于系统参数往往和系统实际运行状态相关,这使电力系统的稳定性降低,也增大了系统稳定控制的难度.考虑了系统参数的具体特点,实现了系统参数与状态的解耦,利用参数自适应控制方法,获得系统目标跟踪及稳定控制.仿真结果表明,该方法具有较好的实用效果和优越性.     

基于电流观测器的链式STATCOM反步控制方法

针对电网中链式静态同步补偿器(STATCOM)系统的非线性特性和不确定性,提出了一种基于高增益自适应观测器的链式STATCOM反步控制方法.针对STATCOM的输出电流值的估计,设计了一种基于神经网络高增益观测器,通过引入径向基函数(RBF)神经网络,对模型参数变化进行估计,通过反馈设计,对系统进行线性化处理,利用反步法实现电压控制器设计.结合李雅普诺夫的渐近稳定性理论,获得链式STATCOM输出无功电流的控制.仿真和实验结果进一步验证了控制方法的正确性和有效性.     

基于DBFNN的非线性自适应控制在CSTR中的应用

讨论了一类放射非线性系统的自适应控制问题.首先对于利用方向基神经网络(DBFNN)对系统的不确定性进行建模.所得到的系统模型作为对象的数学模型用来设计控制器.首先设计了反馈线性化控制器,为了克服建模误差的影响又引入了内模控制机制.证明了只要网络的学习精度足够高,所设计的闭环系统是最终一致有界的.把所设计的控制策略用于CSTR的控制中,仿真结果表明了所设计的控制器有效性.     

基于FCMAC干扰观测器的飞行器非线性控制

为解决反馈线性化(FL)方法的控制性能过于依赖精确系统模型的问题,提出了一种自适应的非线性控制策略,并应用于升力式飞行器的控制器设计.利用模糊小脑模型神经网络(FCMAC)良好的非线性逼近能力和自学习能力,设计了基于FCMAC的干扰观测器,对模型的不确定性和干扰进行在线估计.其网络权值更新规则采用李亚普诺夫方法设计,保证了闭环系统跟踪误差和干扰观测误差的有界.6自由度仿真结果显示该控制方案可实现姿态角对制导指令的稳定、快速跟踪,具有良好的鲁棒性.     

机炉协调控制系统的鲁棒性能分析

为克服传统鲁棒控制算法的保守性,提出了一种概率范式下评价参数不确定控制系统鲁棒性能的方法。该方法能以累积频率曲线的形式直观地对任意性能水平下不同控制系统的鲁棒性能进行比较;同时,针对机炉协调控制系统设计了一种鲁棒反馈线性化控制器,并运用上述评价方法将其与传统的精确反馈线性化控制器的鲁棒性能进行对比。仿真结果显示鲁棒反馈线性化控制器具有更为优越的鲁棒性能,同时也验证了所提出的控制系统鲁棒性能评价算法的有效性。     

机炉协调控制系统的鲁棒性能分析

为克服传统鲁棒控制算法的保守性,提出一种概率范式下评价参数不确定控制系统鲁棒性能的方法。该方法能以累积频率曲线的形式直观地对任意性能水平下不同控制系统的鲁棒性能进行比较;同时,针对机炉协调控制系统设计一种鲁棒反馈线性化控制器,并运用上述评价方法将其与传统的精确反馈线性化控制器的鲁棒性能进行对比。仿真结果显示鲁棒反馈线性化控制器具有更为优越的鲁棒性能,同时验证了所提出的控制系统鲁棒性能评价算法的有效性。     

反馈线性化方法在锅炉-汽轮机系统控制中的应用

为提高锅炉 -汽轮机系统的信号跟踪和抗干扰能力 ,利用输入 -状态反馈线性化和输入 -输出反馈线性化方法分别设计了锅炉 -汽轮机系统的控制律。对于输入 -状态线性化方法由于输入状态为线性关系 ,因此系统可以在较大的范围内正常的工作。对于输入 -输出线性化方法可以验证系统在平衡点邻域零动态稳定 ,然而计算机仿真表明利用输入 -输出反馈线性化设计的控制器由于零动态的稳定范围较小 ,系统只能工作在工作点的邻域。基于以上结果对输入 -状态和输入 -输出反馈线性化方法进行了比较分析。计算机仿真表明利用输入 -状态线性化方法所设计的控制器具有良好的信号跟踪和抗干扰能力     

基于T-S模糊模型的Nadolschi混沌系统同步控制

为了实现一类新型混沌系统的同步控制,提出一种基于T-S模型的模糊控制方法。利用T-S模糊模型对Nadolschi混沌系统进行精确描述;采用并行分布补偿技术设计状态反馈控制器;进而将Nadolschi系统的同步控制问题转化为误差模糊系统零平衡点的镇定问题。然后,利用精确线性化的方法将误差模糊系统转换成定常系统,最后,根据线性系统理论,得出使Nadolschi混沌系统达到渐近同步的充分条件。仿真结果验证了所提方法的有效性,所设计的模糊控制器具用结构简单,规则少,控制响应速度快等优点。     

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.     

仿射非线性系统模糊控制及应用

针对一类仿射非线性系统，研究其模糊建模与控制问题，通过介绍一种线性化处理的方法，可将原非线性系统用一组局部T-S模糊模型来描述，在此基础上，采用并行分布补偿(PDC)技术对每个局部模型进行状态反馈控制器的设计，为了保证闭环系统稳定，提出将控制器综合问题转化为线性矩阵不等式(LMI)的凸优化问题，即寻找一个公共的对称乒定矩阵P，应用LMI理论求取控制器参数，整个设计过程自然直观，最后以Sprott混沌系统为例进行仿真试验，结果表明该设计方法的有效性。     

一级直线型倒立摆的控制及实现

研究一级直线型倒立摆的起摆、镇定与跟踪问题.采用基于Lyapunov能量反馈方法和基于精确线性化与LQR(linear quadratic regulator)算法结合的方法设计控制器,提出分阶段起摆的控制思想,并将这两种控制器有效地联系起来,最后对控制器的跟踪性能作了讨论.仿真结果与上机实验表明了方法的有效性和优越性.     

Adaptive fuzzy compensation based composite nonlinear feedback controller design for robot manipulators

In order to suppress the influence of uncertain factors on robot system and enable an uncertain robot system to track the reference input accurately, a strategy of combining composite nonlinear feedback(CNF) control and adaptive fuzzy control is studied, and a robot CNF controller based on adaptive fuzzy compensation is proposed. The key of this strategy is to use adaptive fuzzy control to approach the uncertainty of the system online, as the compensation term of the CNF controller, and make full use of the advantages of the two control methods to reduce the influence of uncertain factors on the performance of the system. The convergence of the closed-loop system is proved by feedback linearization and Lyapunov theory. The final simulation results confirm the effectiveness of this plan.     

基于模糊神经网络的机械手自适应控制

单纯的神经网络和单纯的模糊系统具有各自的优点和缺点,模糊神经网络是两者的结合,它可吸取两者的优点而达到更优良的性能。这里提出了一种基于模糊神经网络的自适应控制方法。在利用常规控制器提取初始模糊规则的基础上,利用专家经验对初始规则进行补充,最后再利用误差的反向传播算法对参数进行在线的自适应调整。该方法用于机械手的跟随控制,两个模糊神经网络分别用于主回路控制和对象的逆模型,最后得到了优于样本控制器的跟踪控制效果。     

座椅悬架和汽车悬架的集成变增益LQR控制

利用模糊控制理论和最优控制理论,提出了一种基于模糊控制的车辆主动悬架和座椅主动悬架的集成变增益LQR控制方法.在建立“车-椅”三自由度动力学模型的基础上,以底盘垂向加速度和座椅垂向加速度为控制目标,以车轮动态位移、车辆悬架动行程范围小于规定值为约束条件,设计出了车辆悬架和座椅悬架变增益LQR控制器,并用Matlab/Simulink进行了仿真实验分析与比较,得出该控制方法对座椅悬架和车辆悬架有较好的控制效果,验证了集成变增益LQR控制方法的有效性和可行性,为未来悬架系统控制的研究提供了参考.