基于自适应神经网络的歼击机模糊跟踪控制

提出了一种基于T-S模糊模型和自适应神经网络的跟踪控制方法.在系统具有未知不确定非线性特性的情况下,利用T-S模糊模型对系统的已知特性进行近似建模,设计基于模糊模型的模糊H∞跟踪控制律进行输出跟踪控制.在模糊控制的基础上,引入了基于RBF神经网络的自适应控制,用于在线对消不确定项和模糊建模误差的影响,以保证系统具有期望的鲁棒H∞跟踪性能.所提出的方案保证了闭环系统的稳定性,有效地提高了系统的鲁棒性和跟踪性能.仿真实例表明了所提出方法的有效性.     

基于T-S模型的医学生物系统的模糊脉冲研究(英文)

在脉冲控制基础上,应用脉冲微分方程理论和模糊控制进行理论分析,给出了T-S模糊模型上的模糊脉冲的充分条件.采用T-S模糊动态模型描述医学肌型血管系统,研究了此模型的模糊脉冲控制问题.用Lyapunov稳定性理论设计出全局渐近稳定的模糊脉冲控制器.该控制器的结构简单,规则少.最后,仿真验证了方案的有效性.     

基于模糊预测控制的机车制动控制方法

为了减少模型参数、噪声耦合和随机性干扰对机车制动控制系统控制精度和稳定性的影响,提出1种基于模糊预测控制的制动控制方法,利用基于满意度的T-S模糊建模方法建立精确的预测模型.研究结果表明:通过模糊遗传算法进行滚动优化,获得全局最优解作为预测控制控制器的输出,进而提高系统控制快速性和稳定性,仿真结果验证了该方法的有效性.     

基于单组缓发中子模型的反应堆功率T-S模糊控制

基于T-S模糊模型,针对单组缓发中子点堆动力学方程,设计了T-S模糊控制器来实现对反应堆功率的控制.仿真结果表明,所设计的T-S模糊模型控制器能够较好的控制反应堆功率的输出,取得较好的控制效果.     

三相SVPWM逆变电源输出波形优化控制策略

为了提高三相逆变电源的电压输出波形质量,减少输出电压的谐波分量和总畸变率,提出模糊神经元PID控制策略。以DSP芯片为控制系统核心,对输出电压进行Clarke和Park矢量变换,采用人工神经网络方法与PID控制理论构成神经元PID控制器,对PID控制器参数进行在线调整,将模糊控制理论引入神经元PID控制器形成模糊神经元PID控制策略,并将基于60°坐标系的SVPWM算法用于逆变电源控制系统中,对系统稳态负载、动态负载、不对称负载情况下分别进行仿真实验。仿真结果表明:采用模糊神经元PID控制策略控制下的三相SVPWM逆变电源,在不同负载情况下的输出电压谐波分量小,总畸变率少,达到电压输出波形质量性能要求。     

基于模糊Lyapunov-Krasovskii函数的T-S模糊系统的H∞控制

研究了离散时滞T-S模糊系统基于模糊Lyapunov-Krasovskii函数的H∞控制问题.通过构造离散型模糊Lyapunov-Krasovskii函数,首先给出了一个使得T-S模糊系统渐近稳定的充分条件,然后给出了相应的H∞控制器的设计方法,该设计方法保证了模糊闭环系统内部渐近稳定并满足从干扰输入到控制输出的H∞范数界约束,且具有较少的保守性.最后通过仿真实例,验证了该方法的有效性.     

改进的基于MR阻尼器的斜拉索模糊半主动控制有限元模拟

模糊控制应用在斜拉索-MR阻尼器振动控制时,可直接通过系统的响应得到MR阻尼器的输入电压,简单实用,不过需要大量调试才能得到系统响应的量化因子,工作量较大.在基于MR阻尼器斜拉索参数共振模糊半主动控制的基础上,提出一种改进的方法,使得模糊控制计算更加智能.以红水河特大桥的M22和M13拉索为研究对象,对其参数共振进行振动控制研究.结果表明:改进的基于MR阻尼器斜拉索参数共振模糊控制方法相比一般模糊控制方法更加智能,不需要斜拉索无控制时的响应可确定输入变量或输出变量的基本论域和量化因子且采用改进的模糊半主动控制方法进行振动控制时,阻尼器所需电压均小于一般模糊控制时所需电压.     

T-S模糊Markov跳变系统控制策略综述

T-S模糊Markov跳变系统是一类由时间与事件共同驱动的随机混杂非线性系统,其状态变量由系统状态、模糊规则及系统模态组成.系统各模态间的随机跳变服从Markov过程,且用此来描述系统参数的随机变化.首先,介绍T-S模糊Markov跳变系统的研究背景;其次,从T-S模糊Markov跳变系统的复杂结构出发,阐述T-S模糊Markov跳变系统及其控制的研究进展;最后,简要介绍面临的挑战.     

基于T-S模糊模型的半主动悬架控制研究

在1／4车辆悬架数学模型的基础上，分别采用T-S和Mamdani模糊控制策略，建立模糊模型的半主动悬架控制系统，分析和比较了两种控制系统的性能，设计了基于CIP-51为核心的单片机控制器，并进行了半主动台架试验．计算和试验结果表明，模糊控制器均能有效地控制半主动悬架系统，提高车辆的乘坐舒适性，改善车辆的性能．与普通Mamdani模糊控制相比，T-S模糊控制器具有设计简单，运算速度快，便于实时控制的优点，验证了T-S模糊控制方法的有效性和优越性．     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.