多变量模糊控制系统的前馈解耦

为实现多变量模糊控制系统的动态解耦，基于前馈解耦思想和神经网络理论，提出了一种多变量模糊控制系统解耦的新方法——模糊前馈解耦法,模糊控制器和解耦部分独立设计，解耦由两层神经网络实现，节点少，其活化函数采用分段线性函数．利用简化的学习算法，根据系统输出误差，在线调整网络权值，从而实现动态解耦而无需辨识被控对象的模型，该方法结构简单且计算量小，适于实时多变量过程控制，仿真证明了该方法的有效性。     

一种新的模糊自适应控制方法

针对未知的非线性不确定系统,提出了一种基于广义模糊双曲正切模型的模糊自适应控制方法·该方法采用广义模糊双曲正切模型作为未知的非线性对象的辨识器,以此为模糊自适应控制器提供参数自调整必需的梯度信息·通过与其他的辨识器比较,说明了广义模糊双曲正切模型辨识器具有辨识参数少,辨识复杂性较小,易于提高逼近精度的优点·自适应控制器的梯度算法使被控对象的输出能很好地跟踪期望输出·仿真结果表明,此控制方案对未知的非线性系统的输入有很强的自适应跟踪能力·     

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.     

燃料电池的模糊神经网络辨识建模与电压控制

针对直接甲醇燃料电池(DMFC)输出电压易受电池负载变化影响的问题,提出了利用模糊神经网络辨识技术建立DMFC的电特性模型.基于该辨识模型,设计了一个自适应模糊神经电压控制器,其参数采用改进的BP算法进行在线修正.仿真结果表明,对DMFC采用辨识建模的方法是有效的,建立的模型精度较高,所设计的自适应模糊神经电压控制器性能优越.     

供热网时滞过程中的一种自适应模糊控制器

针对供热网中大时滞现象 ,提出了一种新的模糊控制器结构 .这种模糊控制器通过在线辨识广义时滞 ,将时滞辨识的结果模糊化 ,决策出模糊规则组 ,填充主模糊规则表 ,达到自适应的目的 .作为应用 ,给出基于集中供热网温度控制的模糊控制器的设计 ,以解决控制对象中由大时滞和时变引起的不易控制和参数调整困难的问题     

供热网时滞过程中的一种自适应模糊控制器

针对供热网中大时滞现象,提出了一种新的模糊控制器结构。这种模糊控制器通过在线辨识广义时滞,将时滞辨识的结果模糊化,决策出模糊规则组,填充主模糊规则表,达到自适应的目的。作为应用,给出基于集中供热网温度控制的模糊控制器的设计,以解决控制对象中由大时否和时变引起的不易控制和参数调整困难的问题。     

基于T-S模型的模糊PID控制系统设计

在对T-S模型的结构及稳定性分析研究的基础上，提出了一种基于T-S模型最简的模糊PID控制系统；该系统克服了非线性系统设计的困难，借助于线性系统理论解决非线性系统设计中的问题；还把三维模糊PID控制系统设计用两个二维的模糊控制器或是二维模糊控制器加上积分环节来替代，使模糊PID控制系统的设计得到大大的简化．仿真结果表明：这种模糊PID控制系统具有结构简单，规则数少，稳定性高的特点．     

基于动态模糊神经网络的非线性系统辨识

在分析模糊神经网络辨识特点及现状的基础上,设计了一种适用于非线性多输入系统的辨识模型。本模型将T-S模糊模型与5层动态模糊神经网络结构相结合,通过参数学习算法优化辨识结构,对辨识模型进行反馈调节,得到的辨识精度较高。另外,对输入数据采用归一化的方法进行预处理,加快了网络的辨识速率。最后,通过仿真实例证明了该设计的有效性,为模糊神经网络辨识结构的设计提供了一种新的思路和方法。     

模糊控制系统的设计和稳定性分析

给出了一种模糊控制系统的设计方法,即利用一组局部T－S模型模型来表示模糊系统,对每个局部模型,利用状态反馈进行控制器设计,最后给出了全局模糊系统的稳定性分析,并对一个非线性系统进行了仿真研究,仿真结果表明,文中所提出的方法是有效的。     

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。     

仿射非线性系统的在线自适应模糊神经网络辨识与控制

针对单输入单输出非线性系统的自适应控制问题,提出了一种在线自适应模糊神经网络辨识与鲁棒控制的方法.该方法首先利用广义模糊神经网络学习算法,实时建立对象模型未知系统的逆动态模型,实现网络结构和参数的同时在线自适应.考虑到网络建模误差和外部干扰的存在,还设计了基于控制理论的鲁棒补偿器.仿真结果表明,该方法能对模型未知仿射非线性系统实现鲁棒输出跟踪.     

一类非线性系统的模糊自适应辨识及稳定性分析

针对一类含未建模动态的非线性系统,提出了一种模糊自适应辨识及稳定性分析方法.该方法首先设计模糊辨识器对系统未知部分进行辨识,然后设计控制器使系统稳定.控制器中的状态反馈控制器使系统的线性部分稳定,而基于辨识器的补偿器则用来消除未建模动态.仿真研究结果表明:该方法可以对非线性系统进行辨识,并使得整个系统稳定.     

HVAC系统的模糊预测函数控制器设计

针对暖通空调HVAC系统中由于存在高度非线性、时变特征以及扰动和不确定性等因素而难以控制的特点，提出基于Takagi-Sugeno(T-S)模糊模型的预测函数控制器设计方法。该方法通过最小二乘辨识算法建立系统的模糊T-S模型，然后基于模糊全局线性化预测模型，采用预测函数控制算法设计系统控制律。仿真实验结果表明该算法是一种跟踪性能好、鲁棒性强的有效控制方法。与常规的PID控制器相比，该方法具有超调量小、调整时间短等优良的动态性能。     

一种基于极限理论的模糊控制器规则结构的研究

根据模糊控制器的解析结构，基于极限结构理论对模糊控制器规则进行结构辨识。该辨识方法使模糊词集中语言变量个数的选取具有一定的依据性。     

基于参数在线自调整的自适应模糊控制器研究

分析了模糊控制器的量化因子和比例因子对系统性能的影响，设计了一种自适应模糊控制器，能够在线调整其量化和比例因子以适应被对象的变化，仿真结果表明该模型控制器能获得常数规模控制器优良的控制效果。     

直流伺服电动机模糊控制器的设计与仿真

为克服常规PID控制的不可靠性，在研究直流电机模型的基础上，应用模糊逻辑的原理设计了一个模糊控制器。替代传统的前馈控制方法，实现了一定的非线性。该模糊控制方法适应性强、不完全依赖于对象模型，可改善系统的动态性能，达到较好的控制效果。     

煤矿电机车计算机模糊控制系统

采用具有动态响应特性好的模糊控制方法，设计出了根据矿井井底采区煤仓煤量的多少来对煤矿电机车进行自动控制的计算机模糊控制系统。文章详细介绍了煤矿电机车计算机模糊控制系统的控制原理、模糊控制器的设计及控制系统的设计。实际应用表明，模糊控制方法是一种先进的、非常适合于对煤矿电机车系统进行自动控制的方法。     

模糊神经网络技术在流化床锅炉中的应用

主要论述了一种采用模糊神经网络控制器(FNNC)对流化床锅炉(FBB)的燃烧控制系统进行技术改造的方法,设计了燃烧系统的模糊神经网络模型,并构造了系统的仿真模型。     

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。     

比例因子的选择对模糊控制器鲁棒性的影响

分析了比例因子与系统性能的关系,通过仿真实验研究了比例因子对模糊控制器鲁棒性的影响。实验结果表明,合理选择模糊控制器的比例因子能保证在被控对象的参数变化较大的情况下满足设计要求。在此基础上,提出了模糊控制器的设计和调整的指导性方法。