一种基于隶属度函数在线学习优化策略的T-S模糊系统的L2-L∞/H∞混合控制

基于Takagi-Sugeno(T-S)模糊模型,研究了在非并行分布式补偿框架下的非线性系统L2-L∞/H∞混合性能指标优化问题.首先,给出了使得模糊系统渐近稳定并满足混合性能的模糊静态控制器设计的充分条件.然后,在保证系统性能的前提下,根据每一个模糊控制器的隶属度函数的可行域,提出了一种新颖的隶属度函数在线学习优化策...     

汽油发动机空燃比模糊控制及其实验研究

针对复杂工况下汽油发动机空燃比的非线性与不确定性,提出基于旁通空气补偿法的电控系统方案以降低化油器式汽油发动机的有害尾气排放量;研究了空燃比电子控制系统及其控制策略,论述了系统模糊控制器中的关键参数即变量隶属度函数的确定,其方法是:通过实验测定发动机转速的波动,根据多组转速测定数值点分布的疏密程度以确定其隶属度函数,符合模糊控制的设计原则;采用MATLAB对所设计的模糊控制器进行仿真和参数优化.发动机台架实验结果表明:该空燃比控制系统及其控制策略对于化油器发动机降低有害气体排放量,提高燃油经济性效果明显;基于模糊控制理论的研究方法对发动机的空燃比控制是快速、直接和有效的.     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

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。     

开卷张力模糊控制器的局部遗传优化研究

基于模糊技术的开卷张力控制系统中，张力模糊控制器的设计往往依赖于专家的先验知识，为提高张力控制水平，控制器应按动态性能指标进行优化，其中隶属度函数的优化是控制器化的核心问题之一，本文运用基于经验学习的遗传优化技术，对开卷张力模糊控制器隶属度函数的局部动态优化问题，作了一些尝试性的研究。     

基于遗传优化的图像增强模糊算法

将协同进化遗传算法(CGA)应用于图像增强的模糊算法优化,以优化模糊逻辑处理效果.在CGA算法中,同时优化选择了模糊逻辑规则、最佳隶属度函数和优化了隶属度函数的参数.通过具体图像处理实验,在客观评价上证明了本方案的有效性.     

基于GA的交叉路口自适应模糊控制器设计

针对交通领域中模糊逻辑控制器的模糊子集隶属度函数的离散性特点,提出了改进的GA(GeneticAlgorithm)算法,设计了适用于模糊子集隶属度函数编码的带区间范围限制的十进制编码方案,并实现受限分布一致交叉和变异算子.改进的经典赌轮选择法,通过动态确定最优隶属度函数,模糊控制器的控制性能得到提高,避免了病态个体产生,加快了收敛速度.通过一个实例的Matlab仿真结果表明了该方法的有效性.该方法对路口两方向车辆到达率相差较大情况的处理亦收到明显的效果.     

城市单路口交通信号两级模糊优化控制与仿真

该文提出交通信号两级模糊控制的两种优化方法.首先,针对两级模糊控制器在低流量下考虑多维交通状态变量致使路口交通状态弱化,提出一种两级组合模糊控制器,其采用0-1组合思想,立足路口交通状态特征选取模糊控制器的交通状态变量的组合及结构.接着,针对模糊控制器参数经验设置及不具备学习能力,提出一种两级模糊在线优化控制器,其引入滑动时间窗思想,采用混合遗传算法在线同时优化模糊控制器隶属函数和控制规则的参数;最后,开发两级模糊在线优化控制的Paramics仿真平台,对两种模型进行效用评价;仿真结果表明所提出的方法分别从模糊控制器结构和参数优化的角度改进了两级模糊控制器的不足,控制效果符合交通管理者的控制目标.     

冷带轧机板厚控制系统的模糊预测控制

为了提高板厚控制系统的智能化程度,提出了基于T-S模糊模型的冷带轧机板厚控制系统模糊预测控制策略。在板厚控制系统T-S模糊模型辨识的基础上,采用基于广义预测控制的模糊预测控制算法求解控制律,弥补了规则型模糊控制器的不足。利用板厚控制系统TS模糊模型离线求解模糊预测控制器的规则库,采用强度转移法求解输入信号相对于规则库的隶属度函数值,避免了Diophantine方程的在线递推求解,降低了控制算法的复杂性,提高了实时性。轧制试验结果表明,所提出的控制策略有效改善了板厚控制系统的性能,提高了冷轧带钢的板厚控制精度。     

冷带轧机板厚控制系统的模糊预测控制

为了提高板厚控制系统的智能化程度,提出了基于T-S模糊模型的冷带轧机板厚控制系统模糊预测控制策略。在板厚控制系统T-S模糊模型辨识的基础上,采用基于广义预测控制的模糊预测控制算法求解控制律,弥补了规则型模糊控制器的不足。利用板厚控制系统TS模糊模型离线求解模糊预测控制器的规则库,采用强度转移法求解输入信号相对于规则库的隶属度函数值,避免了Diophantine方程的在线递推求解,降低了控制算法的复杂性,提高了实时性。轧制试验结果表明,所提出的控制策略有效改善了板厚控制系统的性能,提高了冷轧带钢的板厚控制精度。     

ISG型混合动力汽车模糊控制策略及仿真

针对配备CVT的ISG型混合动力汽车,采用模糊控制策略对整车燃油经济性进行了研究．以整车瞬时状态为基础,燃油消耗最小为目标,建立了模糊控制器。为了消除模糊控制规则获取过程中的不确定性因素,以序列二次规划法的优化计算结果作为制定模糊控制规则的基础,制定了模糊控制规则．结合本文研究车型,对ADVISOR仿真软件进行二次开发,并对整车燃油经济性进行了仿真计算．仿真结果表明,模糊控制策略能够有效提高ISG型混合动力汽车的燃油经济性．     

基于模糊高斯基函数神经网络控制的机器人视觉伺服系统

针对机器人视觉伺服控制系统中存在的不确定性问题,将模糊控制与神经网络相结合,用神经网络来实现模糊推理,提出了一种把高斯基函数作为隶属函数的模糊神经网络视觉伺服控制器,该控制器不仅具有定性知识的表达能力,而且具有很强的在线学习能力。将所提方法用于三关节机器人"手-眼"视觉伺服系统的控制中,取得了很好的控制效果。     

基于CRUISE的轻度ISG型HEV控制策略研究

控制策略是混合动力汽车(HEV)的关键技术,直接影响HEV整车性能。文章以整车动力性和燃油经济性为控制目标,分别设计了基于逻辑门限值的电力辅助控制策略和模糊逻辑控制策略,在CRUISE平台上搭建样车ISG混合动力汽车的模型,并分别在UDDS和NEDC 2种工况下进行仿真分析。仿真结果表明,与同类型传统燃油汽车相比,基于电力辅助控制策略和模糊逻辑控制策略的ISG型HEV的燃油经济性都有明显改善,模糊逻辑控制策略更为适合。     

混合动力系统发动机停机过程控制策略

针对混联式混合动力系统,为减小其由混合驱动模式切换至纯电驱动模式过程中发动机停机引起的整车纵向冲击,利用模型预测控制算法可以在线滚动优化获得最优控制序列的特点,提出了一种基于模型预测控制的发动机停机优化控制策略. 首先,采用理论与试验相结合的研究方法,建立了发动机阻力矩模型;其次,依据动力元件工作状态的不同,将发动机停机过程划分为发动机工作点调整阶段和电机反拖发动机阶段,设计了分段式发动机停机控制策略;最后,通过仿真对所设计的控制策略进行了验证,并与传统基于比例-积分-微分的控制方法进行了对比. 仿真结果表明,所提出的控制策略能有效抑制发动机停机过程中的输出转矩波动,降低整车冲击度,提高车辆行驶的平顺性.      

基于模糊逻辑的混合动力汽车控制策略研究

针对插电式混合动力汽车具有电量消耗和电量保持2个阶段的特点,文章提出一种基于转矩分配的模糊控制策略。在Matlab/Simulink环境下建立整车模型,并对提出的控制策略在不同行驶工况下进行仿真。结果表明,在已知路况里程的前提下,能使得电量消耗续驶里程尽量接近总行驶里程,发动机工作在高效区域,并且具有较好的燃油经济性。     

基于自动变速的混合动力装载机控制策略

为了提高装载机能源的利用率与变矩传动效率,通过分析某5 t装载机的工况特点,提出了基于自动变速的并联式混合动力方案;采用模糊逻辑控制策略,通过在线估计系统需求转矩与车速,以需求转矩、超级电容SOC值、车速、油门开度及液力变矩器效率作为输入,输出发动机与电动机的工作点及系统挡位.结果表明:发动机效率提高,超级电容SOC值稳定,挡位变化合理有效,混合动力比传统装载机节油约9.56%,混合动力自动变速比传统装载机节油约11.82%,改善了燃油经济性.     

混合动力汽车补偿模糊神经网络能量管理策略

以上海大众汽车公司某型号混合动力电动汽车(HEV)的设计要求为基础,提出了一种基于补偿模糊神经网络的能量控制策略,并采用动态调整步长的梯度下降法加快算法的收敛速度.分析了样本数据选取、输入、输出模糊分割和模糊规则提取对控制器性能的影响.利用ADVISOR2002仿真平台进行二次开发,完成了基于补偿模糊神经网络的控制策略、并联电力辅助控制策略和模糊控制策略的仿真比较.仿真结果表明,基于补偿模糊神经网络的控制器具有较强的自适应能力,可以较好提高混合动力汽车的燃油经济性和排放性.     

基于模糊神经网络的车辆间距智能自适应控制

为了实现汽车行驶过程中与前车车距的自动控制,提出了一种基于模糊神经网络的车辆纵向间距智能自适应控制方法.利用神经网络对车辆纵向运动进行辨识,将神经网络和模糊控制结合起来,设计模糊神经网络加速度控制器,利用神经网络的学习功能修正控制器的隶属度函数的参数和控制规则.仿真表明系统响应快,控制精度高,和传统方法相比具有较强的抗干扰能力和自适应性.     

Genetic-fuzzy HEV control strategy based on driving cycle recognition

A genetic-fuzzy HEV control strategy based on driving cycle recognition (DCR) was built. Six driving cycles were selected to represent different traffic conditions e.g. freeway, urban, suburb. A neural algorithm was used for traffic condition recognition based on ten parameters of each driving cycle. The DCR was utilized for optimization of the HEV control parameters using a genetic-fuzzy approach. A fuzzy logic controller (FLC) was designed to be intelligent to manage the engine to work in the vicinity of its optimal condition. The fuzzy membership function parameters were optimized using the genetic algorithm (GA) for each driving cycle. The result is that the DCR_fuzzy controller can reduce the fuel consumption by 1.9%, higher than only CYC_HWFET optimized fuzzy (0.2%) or CYC_WVUSUB optimized fuzzy (0.7%). The DCR_fuzzy method can get the better result than only optimizing one cycle on the complex real traffic conditions.     

基于模糊在线识别的并联混合动力客车自适应控制策略

针对一款并联混合动力客车提出了一种基于模糊在线识别的自适应控制策略.基于自主研发的混合动力车数据采集监控系统构建符合本地车辆实际行驶道路特点的典型工况,设计模糊工况识别算法对车辆实际行驶的工况类型进行在线识别.根据最小等效燃油消耗控制算法和电池电量平衡控制方法,结合工况识别的结果调用相应最优控制参数,对发动机和电池的功率分配进行实时优化计算,实现对整车的控制.实验结果表明,所设计的模糊识别方法能够较好地完成行驶工况类型的识别.基于此所提出的自适应控制方法能够在满足车辆需求功率和电池SOC维持在有效工作区间内的前提下完成发动机和电池的最优功率分配,显著提高整车的燃油经济性.