基于自组织调整因子的模糊PID控制器设计

实际工业过程往往是非线性、时变性、其结构参数不确定的系统。提出一种基于自组织调整因子的模糊PID控制器：采用归一化加速度参量来反映系统响应的快慢,引入变论域思想,构建模糊PID控制器的自组织调整机构。该机构根据系统输入输出误差,以归一化加速度参量在线辨识系统运行的不同阶段,动态调整模糊PID控制器的量化因子和比例因子,以改变模糊PID控制器输入输出变量与模糊子集的映射关系,使论域产生伸缩变化,以调节控制器的微分、积分控制作用。仿真结果表明：该自适应模糊PID控制器具有较大的动态调节范围,其动静态性能、鲁棒性、抗干扰能力均优于PID和常规模糊PID控制器。     

基于LMS算法自调整模糊温度控制器的仿真研究

提出一种新颖的基于LMS算法的自调整模糊温度控制器，利用LMS滤波器的输出调整模糊控制器的输出量强度，从而间接调整了输出变量的论域，进而改善拉制器性能。并将其应用于苯乙烯-二乙烯苯的悬浮共聚合反应温度控制系统中，仿真结果表明，这种改进的模糊温度控制器能够怏速适应被控对象的参数变化，其控制性能远远优于普通模糊控制器。     

Sugeno模糊模型的辨识

提出了一种新的Sugeno模糊模型辨识算法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进行,减少了计算量;通过Box-Jinkins数据建模说明了本文算法的有效性.     

自校正模糊控制器的设计及其应用研究

提出了一种规则自校正模糊控制器,该控制器通过对模糊规则进行修改,使系统具有学习功能,从而改善控制器的性能,仿真结果表明该控制器具有很好的动态特性和鲁棒性.     

参数自调整模糊控制系统的设计与仿真

在常规模糊控制器的基础上提出了一种参数自调整模糊控制器的设计方法,即通过编写S函数来自动修正量化因子Ke,Kec和比例因子Ku,从而改善基本模糊控制器的性能。仿真结果表明:该控制器具有自适应性强、调节时间短等优点。     

基于GA的模糊神经网络控制器的设计与仿真

提出了一种基于改进遗传算法（GA）训练结构和参数的神经网络控制的算法,它采用并行的模糊推理网络,具有自适应自学习的特点,将该算法得到的控制器用于实际工业对象模型的温度控制仿真,结果令人满意。     

新型模糊神经网络控制器的设计及应用研究

讨论自组织竞争网络优化模糊神经网络的设计及应用研究。该设计方法运用自组织竞争神经网络（SCNN）来优化模糊神经网络结构,并采用遗传逄法来训练模糊神经网络的连接权参数,获得同时具有最佳结构和模糊神经网络（FNN）,船舶操纵的仿真结果表明此法明显优于传统的PID控制器。     

基于自抗扰控制器的飞机纵向自修复飞行仿真

自修复飞行控制是先进飞行控制系统的重要研究内容,它可以提高飞机的可靠性和生存能力.针对含有推力矢量的非线性飞机模型,提出了利用自抗扰控制技术实现其俯仰运动自修复飞行控制的新方法.在平尾损伤率0～100%的情况下,该方法无需故障模型,利用自抗扰控制器的特性,加入推力矢量参与舵面重构控制,仿真结果表明:自抗扰控制器实现了对俯仰角的自修复控制,能保持飞机的闭环稳定性,且具有良好的动态性能;推力矢量的使用增强了飞控系统的自修复能力.     

案例推理中案例调整技术的研究

以提高案例推理方法中案例调整的有效性为目的，归纳了案例推理中主要案例调整方法，以模糊集理论为出发点，提出并论证了主要案例调整方式的适用条件。在此基础上，设计了案例调整算法，并给出一个通用的案例调整框架。最后，使用上述案例调整技术，对钢铁生产的动态调度实例进行了求解，仿真结果验证了该技术在解决复杂的案例调整问题上的有效性和柔性。     

伺服系统中模糊控制器的设计与仿真

同步随动系统是雷达系统中十分重要的单元，它驱动平面位置显示器的偏转线圈跟随雷达天线同步转动，以便精确地测量目标方位，是典型的角度伺服系统。在现行装备中，该系统大多采用模拟调节器，带来了参数调节不方便、动态特性差和跟踪精度低等缺点，因此采用现代控制理论对其进行改造十分必要。根据交流电机的数学模型，对雷达同步随动系统采取了数字PID和模糊控制两种控制策略，通过仿真分析，说明了采用模糊控制的先进性。     

基于混沌的白适应模糊PID参数寻优研究

针对自适应模糊PID控制器提出了一种基于混沌变量的优化算法.首先,利用混沌运动的遍历性特性,基于混沌优化方法进行PID控制器设计.在系统稳定的条件下,通过粗调和精确搜索可以找到具有最小参数的最佳控制器.这些参数被用来作为自适应模糊PID控制器的最佳参数.然后,按照自适应模糊控制方法,控制律及其参数可以被确定.仿真实验结果显示,该方法能够达到所要求的指标,其有效性得到了证明.     

一种非线性自适应逆噪声控制器设计及其仿真

基于模糊神经网络算法研究了非线性系统的噪声消除问题,设计了一类非线性自适应逆噪声消除控制器。该文利用模糊神经网络融合算法所具有的对任意函数的精确逼近性,对非线性系统进行建模和逆建模,从而为非线性自适应逆噪声控制器的有效性提供了保障。最后将所设计的控制器用于仿真实例,研究表明该噪声控制器能有效地消除非线性被控对象的噪声污染。说明了该方法的可行性和有效性。     

基于燃气轮机转速直接型自适应模糊控制器的设计

针对发电用单轴微型燃气轮机这样大型复杂且具有极强非线性的热能动力系统，提出了适用的燃机转子转速自适应模糊控制方法，将加速度限制包含在规则中。从而构建了新的控制结构。理论证明，利用在线调整算法改变模糊规则基使控制系统达到了全局稳定。数据仿真表明，控制方案对燃气轮机的转速控制取得了很好的效果，具有实际应用价值。方法适用于提出一类具有单输入单输出的非线性系统。     

基于GA的非线性电机自适应模糊滑模控制器设计

提出一种基于GA的自适应模糊积分型滑模控制策略,并将其用于具有非线性动态摩擦力的单轴运动控制系统中.控制器由自适应模糊控制项和补偿控制项组成,自适应模糊控制项用来逼近理想滑模控制律,补偿控制项用来补偿逼近偏差,利用李亚普诺夫稳定性理论推导出模糊规则和补偿控制项中逼近偏差边界在线自适应律,采用遗传算法优化自适应律中参数.仿真和实验结果表明了该控制策略的有效性.     

基于模糊推理的公路工程质量评定模型

提出了基于模糊推理的公路工程项目质量评判模型 ,该模型对目前质量评判模型进行了修正 ,消除了在项目质量评分和项目质量等级之间存在的不一致性 .同时整个模型以易于理解的规则形式表示 ,使评判者可以根据实际情况进行调整和修改 ,使决策过程更具柔性 .     

基于自适应模糊神经技术的质子交换膜燃料电池建模与控制

质子交换膜燃料电池(PEMFC)是21世纪最有生命力的发电技术之一。本文从PEMFC实际应用的角度出发,应用自适应模糊神经网络技术对PEMFC系统进行建模与控制。在建模与控制过程中,将训练好的网络模型作为PEMFC控制系统的参考模型,并在线对控制模型参数进行自适应调整。所设计的控制器的性能在仿真和试验结果中得以证明。     

一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

基于LMI的模糊控制器设计

对于许多实际的非线性系统,状态变量往往不能获取或难于测量。因此设计模糊状态观测器来估计状态变量是非常必要的。针对T-S模糊模型近似描述的非线性系统,提出了一种基于线性矩阵不等式(LMI)的具有区域极点配置功能的模糊控制器和模糊状态观测器的设计方法。首先利用并行分布补偿(PDC)设计思想和基于线性矩阵不等式(LMI)的极点配置理论,将闭环系统的全局渐进稳定性要求,性能指标及控制量约束条件统一到线性矩阵不等式框架内。然后求解线性矩阵不等式族获得控制器和观测器参数。最后将该设计方法应用于倒立摆的平衡控制中,通过仿真曲线可以看出该方法设计的控制器可使倒立摆稳定并满足指定的性能指标,因此该设计方法是有效的。     

基于梯度下降法的自适应模糊控制系统研究

一般的二维模糊控制器的输出控制量是误差和误差变化率的固定函数，对于时变、不确定性被控对象难以取得预期的效果。针对该问题，引入梯度下降学习算法，修正输入输出变量高斯型隶属度函数的均值和方差，使模糊控制系统具有自适应性。同时，澄清了王立新提出的梯度下降学习算法容易引起的一些混淆。给定信号分别选择阶跃信号、斜坡信号、加速度信号和正弦信号，作了仿真研究，仿真结果表明，该控制算法是可行的，有效的。     

基于神经-模糊推理网络的机动目标跟踪方法

对目标机动的检测和准确跟踪，是目标跟踪研究中非常重要但难度较大的问题。在雷达和红外融合的跟踪系统，将神经-模糊推理网络与扩展Kalman滤波结合起来，形成闭环。即提取和目标机动有关的特征量送入神经-模糊推理网络，再估计目标机动输入，实现对机动目标的精确跟踪。仿真试验说明了本文所采用方法的有效性。