非线性系统的T-S模糊建模与控制

研究了非线性系统的T-S模糊建模与控制问题，并应用到一级倒立摆的模糊建模中，采用并行分配补偿法（PDC）设计控制器，并用线性矩阵不等式（LMI）计算控制器参数，仿真验证建模正确，控制器简洁有效。     

惯性平台稳定回路的自抗扰控制

提出，设计了惯性平台稳定回路的自抗扰控制，并进行了计算仿真。结果表明，该系统具有强鲁棒性，快速性，精度高等特点，是一种应用在实际平台系统中理想的控制器。     

基于正交函数网络的不确定混沌系统的控制

提出了基于正交函数网络的不确定混沌系统的自适应控制方法．通过利用计算简单、收敛速度快的单隐层正交函数神经网络，构建了一类不确定混沌系统的控制器．利用李雅普诺夫稳定性定理得到了该网络控制器的权值更新规则并保证了权值误差和跟踪误差的有界性．该控制器不仅能够保证混沌系统以有界误差对指定轨迹进行精确跟踪，也能够使有外部扰动的混沌系统快速跟踪一个指定的轨迹．最后，利用陈氏混沌系统和Lorenz系统进行了系统仿真，结果表明了该控制器在混沌控制中的有效性。     

无需量化因子的模糊直接逆控制

针对模糊控制中量化因子难以确定以及无先验知识情况下模糊控制器结构和参数难以得到问题，提出了一种无量化因子和不依赖专家经验知识的模糊直接逆控制方案，克服了传统模糊规则基的得到过分依赖专家知识的弱点，控制器的规则基不采用规则的三角形形式，而是采用与实际更加接近的无规则三角形，规则基的得到不依赖已知经验，而是根据系统输入输出信息，利用进化规划离线对控制器规则基的结构和参数同时优化、实际控制中利用优化的规则基对系统进行控制，实时控制算法的运算时间仅为一组规则基的计算时间，大大加快了系统的响应速度，仿真结果验证了算法的有效性。     

欠驱动平面机械手自适应模糊滑模控制

采用自适应模糊滑模控制策略来实现欠驱动平面机械手的位置控制，定义滑模面为模糊输入，减少了模糊规则数量，模糊输出为通过自适应律在线调整幅值的单值函数，利用李亚普诺夫稳定性理论推导出自适应调整律，保证了系统的稳定性，提出的控制器由一个模糊滑模控制器和一个辅助控制器构成，模糊滑模控制器用来实现与滑模控制相等的控制律，辅助控制器用来补偿两者的差值，仿真结果表明了提出控制器的有效性和可行性。     

用描述函数分析模糊控制系统的稳定性

提出用快速傅立叶变换计算二维模糊控制器描述函数，并用来判别模糊控制系统的稳定性，文中给出了具体的计算方法和步骤。计算过程和结果表明这种方法简单，实用，不仅适合于PD类型的二维模糊控制器的稳定性分析，也适合于PI类型的二维模糊控制器和PID类型的三维模糊控制器，对于分析上述类型的模糊控制系统的稳定性具有工程应用价值。     

提高车辆主动安全性的模型参考变结构控制方法

基于李亚普诺夫函数设计了模型参考变结构控制器,该控制器通过产生主动横摆力矩迫使车辆的响应跟踪参考模型的理想输出,从而提高了车辆的主动安全性.用该控制模型计算了车辆在正弦输入和阶跃输入时的横摆角速度以及车辆质心的侧偏角响应,仿真计算结果表明控制车辆的横摆力矩能够有效改善车辆的横摆角速度、质心侧偏角响应,并且该控制器能更好的适应车速和路况的变化,鲁棒性强.     

气动人工肌肉的模糊小波神经网络控制

针对一种应用于医疗机器人领域的三自由度人工肌肉的非线性特性，结合模糊理论与小波神经网络，提出一种模糊小波神经网络控制器对人工肌肉驱动器进行控制。利用模糊小波神经网络的学习能力，采用梯度法搜寻控制器的最优参数。将采用模糊小波神经网络控制器与采用小波神经网络控制器及模糊神经网络控制器的控制系统仿真结果进行比较。仿真结果说明模糊小波神经网络控制器有效地改善了驱动器的静动态特性，具有更快的训练速度和更好的控制效果，是一种理想的气动人工肌肉控制方法。     

动态伺服系统改进对角回归网络跟踪控制

将对角回归神经网络(DRNN)和径向基函数网络(RBF)相结合,提出一种改进对角回归神经网络结构(IDRNN),使其既有局部逼近的优点,又具有动态网络的特性.推导了权值更新算法.针对转台动态伺服系统,设计了基于该网络的复合跟踪控制器,该控制器由辨识器、前馈控制器和反馈控制器组成,直接将辨识器的拷贝作为前馈控制器.对两种典型动态伺服系统的仿真结果表明,改进DRNN控制器能够进一步提高系统的动态跟踪能力,且敛速度快,计算量小,更适合实时控制.     

基于采样控制理论的飞行仿真转台控制研究

基于采样控制系统的直接设计理论，应用提升技术，提出了仿真转台伺服控制系统多速率H∞控制器的设计方法，解决了转台控制系统中由于被控对象的不确定性及应用离散控制器控制连续被控对象的近似等价影响系统动态性能提高的问题，最后文中给出了具体实例。     

Multivariable PI Type Generalized Predictive Control

1.INTRODUCTIONTilegelleralizedPredictivecontrolorGPC(Clarkeetal,1987)hasgainedwidespreadac('('1)tall('cillilldllstryaswellasinacademia.Experimentalstudiesandpracticalapplicationshave(lelllollstratedtherobustnessofthecontroller.Exceptformuchaworkdealtwithsillgle-illplltsillgle-output(SISO)linearsystems,peoplealsoextendedGPCtomulti-inputllnllti-olltput(MIMO)linearsystem.Kinnaert(1989)proposedthemultivariableGPCbasedoilt,lleCARIMAmodel.Inanote,Scattolini(1992)presentedtheclosed-lo…     

基于控制分配的轮毂电机驱动电动车稳定性控制仿真研究

根据四轮轮毂电机驱动电动汽车驱动/制动力矩独立可控的特点,采用层次化结构的控制分配方法优化分配驱/制动扭矩来提高车辆的操纵稳定性.控制器由运动控制器和控制分配器组成,其中运动控制器根据车辆状态产生所需总的纵向力和横摆力矩,控制分配器优化分配各轮上的驱/制动扭矩,同时考虑了各种执行器的约束条件.仿真结果表明:采用层次化结构的控制分配方法能充分利用了垂直载荷较大的轮胎摩擦圆,提高车辆的操纵稳定性.     

基于递归神经网络的伺服系统自适应反步控制

针对伺服系统的系统参数摄动和非线性动态摩擦补偿问题,提出基于递归神经网络(RNN)的自适应反步控制(RNABC)系统设计方法.RNABC系统由反步控制器和鲁棒控制器组成,反步控制器包含RNN不确定观测器,鲁棒控制器则用来消除由于引入不确定观测器而带来的逼近误差.由于自适应反步控制的自适应律源于Lyapunoy函数的,因此系统的稳定性得到了保证.仿真结果表明,对于系统参数摄动和非线性摩擦干扰RNABC能使伺服系统具有很好的跟踪性能.     

基于鲁棒控制Lyapunov函数的非线性自适应跟踪

研究了一类带有未知参数以及扰动的多输入非线性系统的自适应跟踪问题，利用控制Lyapunov方法设计出一种自适应控制器。该控制器对系统的参数和状态的不确定性具有鲁棒性，并且能保证系统闭环全局稳定。仿真结果表明，该控制方案具有良好的跟踪性能、鲁棒性及参数辨识能力。     

基于Backstepping的飞行仿真转台自适应摩擦补偿控制

论述了基于backstepping的飞行仿真转台自适应摩擦补偿控制。在实验的基础上,提出了飞行仿真转台的动态模型,其中包括动态LuGre摩擦模型。针对此动态模型推导出包括自适应摩擦补偿的backstepping鲁棒控制器。仿真实验证明:闭环系统的输出可以达到渐进跟踪给定的位置参考信号和速度参考信号,克服了转台在使用传统的PID控制器时,其位置波形存在平顶,速度波形存在畸变的缺点。     

某型武器模拟转台专家智能控制器的设计

针对控制器饱和等非线性因素严重影响武器模拟转台控制稳定性和精确性的问题,设计了一种基于专家知识的智能控制器,建立了控制规则。采用传统定参数PID控制,保证系统对平缓位置信号的精确跟踪;利用专家智能控制实现大阶跃波动下的快速、平稳过渡。仿真和实验结果表明,控制器调节参数少,收敛速度快,且具有较好的鲁棒性,满足了模拟转台过渡快速、稳定,跟踪精确的研制要求。     

基于无线传输的非线性网络控制系统的模糊控制

考虑控制器与被控对象之间采用无线传输,且被控对象为非线性模型的一类网络控制系统,对其设计了稳定的模糊控制器。首先基于T-S模糊模型将对象线性化,并利用模糊主导子系统和主导控制规则,简化了模糊控制器的设计。其次,将闭环控制系统方程等效为与无线传输跳数相关的离散切换系统,并证明了闭环系统的稳定性。最后,通过一个仿真例子验证了文中方法的有效性。

Abstract：

Considering a class of networked control systems using wireless transmission between the controller and the controlled object,and with nonlinear controlled object,the stable fuzzy controller was designed.Firstly,based on T-S fuzzy model,the object was linearized.And the design of the fuzzy controller was simplified by using the fuzzy dominant subsystem and the dominant control rule.Secondly,the equation of the closed-loop control system was equal to the discrete switched system related to the hop count of the wireless transmission.Finally,a simulation example was given to demonstrate the effectiveness of the proposed method.     

一种气液联控柔顺力控制系统的在线控制

运用滑动模态变结构理论中的经典非线性设计方法,设计了二阶滑模面变结构控制器。针对机械手臂的阻抗控制中力控制的难点在于不能精确的知道环境的刚度和位置从而导致给定参考位置的误差,应用在线环境参数估计的方法进行了仿真研究,仿真结果说明该方法能够较好的进行气液联控机械手臂的柔顺力控制。