一种参数自调整模糊控制方法

提出了一种参数自调整模糊控制方法 ,该方法根据误差 E和误差变化 EC修正规则调整因子 α,并且根据系统性能指标调整比例因子 Ku.利用 Lab Windows/CVI开发的控制软件 ,在自行设计的交流变频调速实验系统上进行了电机速度控制实验 .实验结果表明 ,对比常规模糊控制和 PID控制 ,该自调整模糊控制方法具有良好的控制性能 .     

基于规则自校正模糊控制器的交流伺服系统

提出了一种规则自校正模糊控制器,并将其用于交流伺服系统的控制中,设计了一种在线的模糊推是算法,使得模糊控制规则可以得到实时在线的调整。仿真结果表明基于规则自校正模糊控制器的交流伺服系统的性能较一般模糊控制交流伺服系统有了较大的改善。     

基于现场总线的铣削加工过程自适应模糊控制

在分析Profibus总线和模糊控制特点的基础上,针对铣削加工过程的非线性、时变性和不确定性,提出了基于现场总线的铣削加工过程自适应模糊控制的解决方案．采用输出比例因子和控制规则在线自调整的方法对切削参数变化的铣削力进行在线控制．仿真结果表明,该方案克服了传统的模糊控制动态响应较慢和鲁棒性较差的缺点,具有响应速度快、实时性和稳定性好等特点．当切削深度突变时,能在线自适应调整进给速度。使切削力接近参考值,实现恒力切削,防止刀具损坏和提高加工效率．     

基于模糊神经网络的参数自整定PID控制系统设计

利用多层神经网络构建模糊自适应PID控制器，通过神经网络自学习能力在线提取模糊控制规则，优化控制器隶属度函数，根据不同时刻的误差e和误差变化ec运用模糊推理在线自整定PID参数。仿真实验表明，该控制系统具有优良的控制性能。此外，通过遗传算法对模糊神经网络的学习速率和惯性系数等进行了优化，为控制系统实现最优控制提供了有力保证。     

基于滑模控制的挠性卫星的自学习模糊控制

将基于滑模控制的自学习模糊控制应用于挠性卫星的姿态稳定控制中.给出了姿态控制系统的设计方法.自学习控制算法利用滑模控制原理和模糊性能判决表在线修改模糊控制器的规则参数.为了解决传统自组织模糊控制对外界信号敏感的问题,基于滑模控制的自学习算法同时考虑了误差状态矢量及其变化趋势,增强了系统的鲁棒性.与传统自组织模糊控制相比,仿真实验结果表明,该控制方法对卫星参数变化不敏感,能有效地抑制卫星的外界干扰及挠性附件的振动,使卫星的姿态角得到准确的控制.     

烧结终点模糊控制系统的研究

提出了两种可选模糊控制方案：简单模糊控制和参数自调整的模糊控制．对于控制参数自调整的模糊控制方案,采用比例因子Ku模糊自整定和全论域范围带自调整因子的模糊控制规则相结合的方法来实现控制参数的自调整。     

风冷制冷机组的多变量模糊控制研究

针对一个多输入多输出、非线性复杂系统明显的非线性热力学耦合特性，采用模糊控制与神经网络相结合的方法，提出一种具有结构和参数学习能力的自组织模糊神经网络控制器，在控制过程中通过采样数据在线学习，调整网络结构，产生模糊控制规则并调整规则的参数，使得控制器具有模糊控制的特点，又有神经网络学习的能力．通过对风冷制冷机组控制试验的结果表明，该控制器能够达到同时控制蒸发压力和过热度的目的．     

散热器试验台送风系统规则自提取模糊控制试验

提出了环境试验室送风系统规则自提取模糊控制方法,试验研究了基于送风加热器调节的送风温度与测试室温度的模糊控制和比例积分(PI)控制效果.试验结果表明,对于无滞后环节的送风加热器-送风温度控制回路,传统PI控制方法具有较好的控制性能,收敛速度快;基本模糊控制方法收敛较慢,存在稳态误差;规则自提取模糊控制方法超调大,但收敛速度加快,稳态误差减小.对于具有滞后环节的送风加热器-测试室温度控制回路,规则自提取模糊控制方法超调小、稳态误差小、控制效果最好.可见,对于无滞后环节的被控过程,采用PI控制方法即可满足要求;而规则自提取模糊控制方法非常适用于具有大滞后环节的过程控制.     

一种基于模糊控制思想的非线性变权PD控制器及 …

在龙升照等提出的模糊控制规则的自调整型基础上设计了一种非线性变权ＰＤ控制器,分析了控制器参数的作用。由于控制算法采取了按误差大小自动调整误差对控制作用的权重的方法,所以对一类消除误差的控制具有通用性。文中给出了应用实例与计算机仿真。     

一种基于模糊控制思想的非线性变权PD控制器及仿真

在龙升照等提出的模糊控制规则的自调整型基础上设计了一种非线性变权PD控制器,分析了控制器参数的作用.由于控制算法采取了按误差大小自动调整误差对控制作用的权重的方法.所以对一类消除误差的控制具有通用性.文中给出了应用实例与计算机仿真.     

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。     

应用模糊推理的计算机辅助位置误差补偿

提出一种基于模糊推理的计算机辅助位置误差补偿方法。该方法根据实验规律和人的经验总结出语言规则,构成模糊推理机。将伺服机构的位置误差和位置误差变化率作为模糊推理机的两个输入变量,把模糊推理机的输出变量作为误差补偿校正量,并把校正量经直线拟合生成误差校正曲线,利用脉冲合成误差补偿法对伺服机构的位置误差进行补偿。误差校正曲线的生成具有学习功能。实验及应用结果证明该补偿方法具有可行性和良好的效果。     

根据参考轨迹学习模糊控制规则

给出了在线调整模糊控制规则即控制查询表的简便方法．在建立了期望输出轨迹的基础上，通过与该期望输出轨迹的比较，对当前控制效果进行评价，并根据评价结果实时地修正直接导致当前状态输出的控制作用，使过程输出性能逐步改善．通过动态调整期望输出轨迹，可以使模糊控制器迅速适应过程环境的变化，保持良好的控制质量     

模糊逻辑在内环功率控制中的应用

针对CDMA系统通信链路．提出了一种适合于反向链路闭环功率控制的方法，基本思想是根据模糊理论，对内环功率控制建立一套模糊规则．进行可变步长的调整．并通过分段模糊控制来提高控嗣精度，使之能够在复杂的衰落环境中作出灵敏的反应。通过与传统算法的比较，该算法可以提高内环的控嗣精度，减小发射功率，中断概率平均减小62％，有效地缓解过冲、上升时问长等问题，从而减小系统干扰，增加系统稳定性和系统容量，且复杂度低．易于实现。     

车联网干线协调控制相位差自适应优化

为了提高车联网环境中干线的通行效率,提出一种车联网中干线协调控制相位差自适应优化方法.本文基于车辆换道延误模型建立了以上游交叉口车辆数为输入、下游交叉口信号相位差调节量为输出的模糊控制网络;为解决车流和路况变化造成的控制效果降低问题,以车辆交叉口平均等待时间最小为目标,对模糊规则进行自适应调节;通过基于Q-Paramics的车联网仿真平台对本文提出的方法进行验证.结果表明:本文提出方法控制效果明显优于传统干线协调控制方法;在车流大幅震荡和车流随机波动条件下,较固定规则的干线模糊控制方法能够分别降低车辆平均等待时间12.35%和9.7%.本文方法能够适应车流变化和路况变化,具有更优的适应性、可用性及工程价值.     

基于密度聚类补偿模糊神经网络的建模方法

补偿模糊神经网络是综合补偿模糊逻辑和神经网络的混合系统。提出了将密度聚类算法运用到补偿模糊神经网络的输入模糊化和规则提取中。通过该方法对非线性系统的建模,仿真结果证明改进后的网络在提取规则、误差精度、收敛速度等方面均优于传统补偿模糊神经网络。     

装有AMT的越野车辆巡航控制技术研究

研究装有AMT的越野车的巡航控制技术. 分析了巡航系统的功能,设计了巡航控制程序的执行流程. 采用模糊PID控制策略,建立了控制参数K_P,K_I与K_D与速度偏差E和偏差变化率E_c的二元函数关系;在大量实验和熟练驾驶员经验的基础上,建立了系统的模糊控制规则表. 在台架上完成了巡航的进入与退出,加、减速功能及恒速控制功能的实验,并进行了模糊PID与普通PID的对比控制实验. 实验结果表明,所开发的基于AMT越野车的巡航控制系统具有良好的性能.     

SELF-LEARNING FUZZY CONTROL RULES USING GENETIC ALGORITHMS

This papcr presents a new genetic algorithms(GAs)-based method for self-learniag fuzzy control rules. An improved GA is used to learn to optimally select the fuzzy membership functions of the linguistic labels in the condition portion of each rule, and to automatically generate fuzzy control actions under each condition. The dynamics of the controlled system is unknown to the GA. The only information for evaluating performance is a failure signal indicating that the controlled system is out of control. We compare its performance with that of other learning methods for the same problem. We also examine the ability of the algorithm to adapt to changing conditions. Simulation results show that such an approach for self-learning fuzzy control rules is both effective and robust.     

模糊控制在空调器中应用

模糊控制技术用于家电产品具有广阔的前景，用模糊控制技术可以对那些不确定性给出一个较为实际的判断，详细介绍该技术在空调器温度控制中的具体应用，即采用两输入单输出控制方式，对温度偏差和温度变化率实时采样后进行模糊化处理，然后利用模糊控制规则用最大隶属度算法对空调器发出确定的指令，以达到精确控制温度的目的。在空调器调节温度时引进微机化和模糊控制技术，能使控制功能多样化、节能并提高舒适感。     

基于误码率的模糊加权无线网络公平调度算法

针对无线网络中实现多连接时的公平性调度问题,提出了一种基于信道误码率的模糊规则自校正的加权公平调度算法.该算法通过对链路误码率的定期测量,利用模糊算法对信道的当前状态进行推理判断,从而使各链路的调度权值跟随信道的状态自适应地调整.算法中还引入模糊规则自校正算法,以使其具有自寻优能力.仿真结果表明,所提算法能有效地改善系统的吞吐量及带宽分配的公平性,当信道误码率较高时,系统平均吞吐量比传统加权轮询调度算法提高14倍,而公平性系数仍达到0.8以上.