基于T-S模型的智能PID控制

提出一种基于分段线性模糊模型的T-S模型,并与传统PID控制器相结合设计了一种模糊神经网络PID控制器,它具有模糊系统非线性、可解释性的特点,神经网络的自学习和自组织功能.对其进行非线性时变系统仿真,仿真结果表明该控制器较常规PID控制器的调整时间可明显缩短.     

扩展T-S模糊模型在建模中的方法研究

在标准的T-S模糊模型基础上,提出了扩展的T-S模糊模型.然后采用改进的遗传算法优化扩展的T-S模糊模型参数和规则数.针对复杂系统的模糊建模问题,采用了一种改进遗传算法的模糊建模方法;数字仿真结果验证了算法的可行性和有效性.     

非线性系统的鲁棒自适应模糊轨迹线性化控制

针对一类非线性多输入多输出不确定系统,基于小增益理论提出了鲁棒自适应模糊轨迹线性化控制方法。利用T-S模糊系统逼近未知干扰和不确定性因素,采用Lyapunov方法及小增益理论证明了闭环系统所有信号一致最终有界。该算法自适应律的学习参数仅有1个,便于工程实现。最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,仿真结果表明了控制方案有效性和鲁棒性。     

一类非线性系统的模糊自适应控制

针对一类非线性系统,把模糊T S模型和自适应模糊逻辑系统这两种模糊逻辑方式结合起来,提出了一种自适应控制方案.首先,采用模糊T S模型来对非线性系统建模,由线性矩阵不等式得到模糊模型的控制律.其次,构建了自适应模糊逻辑系统,应用自适应模糊逻辑系统补偿器来消去建模误差.证明了闭环系统满足期望的H∞性能,仿真结果表明了该方案的可行性.     

状态和输入受约束的非仿射不确定系统鲁棒自适应控制

针对状态和输入均受约束的非仿射不确定系统,提出了一种通用鲁棒自适应反演控制方案.结合系统状态和输入受约束的特性,利用中值定理将非仿射系统转化为具有线性结构的时变系统以获取时变不确定参数的变化区间;基于非线性映射技术将约束量映射至整个实数空间来处理系统的状态受约束问题,以保证状态始终在约束区间内变化.在此基础上,利用参数自适应投影技术对有界不确定时变参数和外界扰动进行在线估计,参数估计误差采用鲁棒反馈控制技术进行补偿;同时采用双曲正切函数和Nussbaum增益技术处理系统输入受约束的问题和可能存在的控制器奇异值问题,结合反步法设计了控制器.最后,根据解耦反推法,基于Lyapunov稳定性定理证明了闭环系统所有信号半全局最终一致有界.仿真结果验证了所设计控制方案的可行性与有效性.     

一类模糊状态方程的建立与应用

提出了一种新的模糊状态方程表示式,采用L-R模糊数表示系统的模糊状态变量、模糊输入变量和模糊输出变量,在此基础上构造相应的模糊状态方程模型.还进一步讨论了模型中时变参数的辨识方法,最后的仿真实例说明了这类模型及其辨识方法的有效性.     

基于粒子群算法优化的T-S型模糊神经网络控制器

粒子群优化(PSO)算法是一种新颖的演化算法,该算法通过粒子间的相互作用在复杂搜索空间中发现最优区域,其优势在于简单而功能强大。提出一种T-S型模糊神经网络控制器,采用PSO算法对模糊神经网络的前件参数和后件参数进行寻优,从而实现了模糊规则的自动调整、修改和完善。通过对非线性和时变被控对象的仿真研究,结果表明采用粒子群优化算法可以实现参数的全局快速寻优,而且优化后的T-S型模糊神经网络控制器能获得良好的控制性能。     

非线性系统的广义模糊控制

提出了一种基于T-S 模糊模型的非线性系统的鲁棒跟踪控制方案. 首先将系统的模糊模型等价变换为广义系统模糊模型,然后设定跟踪性能指标,结合线性矩阵不等式方法设计了鲁棒跟踪控制器. 该方法不仅减少了求解复杂度,而且因减弱了对待定矩阵的限制而降低了保守性. 将该方法应用于倒立摆系统,实现了角度和角速率的 精确快速跟踪控制,从而表明了方法的有效性.     

T-S模糊控制系统的稳定性研究

针对非线性系统的T-S(Takagi-Siugeno,T-S)模糊控制模型,在分析模糊控制系统稳定性的基础上提出了系统新的稳定性条件和分析方法,减小了以往稳定性判定方法的局限性,增加了稳定性条件的信息,从而保证了判稳条件的宽松.     

不确定时变时滞非线性系统多模型切换跟踪控制)

考虑了当系统存在不确定情况下,一类非线性时变时滞系统的多模型切换跟踪控制的设计问题。首先利用时滞T-S模糊模型对其进行建模;然后在不确定性满足增益有界的条件下,得到了该类时变时滞非线性系统满足闭环稳定和H∞跟踪控制性能的充分条件;最后根据所选定的变量,通过多模型切换控制,将相应的区域控制器切换为全局控制器,而其他控制器不起作用,实现对整体非线性系统的逼近与控制。仿真结果证明了方法的有效性。     

时滞系统无源性分析

主要探究了带有区间时变延迟的连续Takagi-Sugeno （T-S）模糊系统的无源性分析问题.通过构造时滞区间相关的模糊李雅普诺夫泛函,建立新的无源性标准,所有结果都以线性矩阵不等式（LMI）的形式表示,并可以通过Matlab LMI工具箱进行运算.     

带有两个时滞的不确定神经网络的渐近稳定性分析

研究一类具有两个时滞和不确定性神经网络的全局渐近稳定性问题,通过构造新的Lyapunov函数,运用线性矩阵不等式理论将T-S模糊模型扩展到带有两个时滞的含有不确定项模糊神经网络,并给出系统稳定的充分条件。仿真实例验证了结论的有效性。     

基于局部T-S模型的非线性系统多模型切换控制

提出一种基于局部T-S模型的非线性系统多模型切换控制,将输入空间划分为若干个区域,在每一区域内设计局部T-S模型和控制器,这样在模糊规则数相同的情况下由于模糊论域的变小从而提高了逼近精度,然后再通过多模型切换控制,实现对整体非线性系统的逼近与控制。仿真结果证明了方法的有效性。     

基于模糊竞争学习的模糊自校正控制

提出一种基于模糊竞争学习的模糊自校正控制方法.先通过基于模糊竞争学习确定一种在线模糊辨识算法,并给出递推模糊竞争学习算法收敛性证明.在采用此模糊辨识方法对对象进行在线估计的基础上,再用调节器实现参数的自动整定.为验证此法的有效性,还给出了非线性系统的控制结果.