一类非线性网络控制系统的随机H∞控制

研究了一类带有丢包的非线性网络控制系统(NNCSs)的随机H∞控制问题.丢包过程采用满足伯努利分布的随机序列来描述.利用T-S模糊模型和平行分布补偿技术建立了带有随机参数的非线性网络控制系统的模型,并以线性矩阵不等式的形式给出了模糊控制器存在的充分条件;所设计的控制器使得非线性网络控制系统在均方意叉下指数稳定且具有一个改进的随机H∞性能.     

一类带有马尔科夫丢包的非线性网络控制系统的镇定

研究了一类非线性网络控制系统(NCS)的镇定问题.通过采用丢包依赖的Lyapunov函数方法,得到带有马尔科夫丢包的非线性NCS的稳定性定理,并以线性矩阵不等式(LMIs)的形式给出镇定模糊控制器的设计方法.     

一类带有时延的非线性网络控制系统的镇定

研究了一类非线性网络控制系统的镇定问题。利用一种新方法描述通讯网络有限传输能力所导致的时延,由T-S模糊模型和平行分布补偿技术建立了带有时延的非线性网络控制系统的模型。通过采用Lyapunov方法和线性矩阵不等式技术,得到了系统随机稳定的充分条件,并给出镇定控制器的设计方法。     

基于离散T-S模糊模型的非线性网络控制系统的镇定

在考虑了数据丢包和网络诱导时滞情形下,研究了一类非线性网络控制系统的镇定问题,其中被控对象是由一个离散T-S模糊模型描述的.利用平行分布补偿技术,建立了这类非线性网络控制系统的一个新的模型,得到了该系统稳定的充分条件,给出了基于线性矩阵不等式的模糊控制器的设计方法.数值例子说明了结论的有效性.     

基于特征模型和模糊动态特征模型自适应控制方法的网络控制系统

针对网络控制系统模型参数选取困难的问题,利用特征模型和动态特征模型的自适应控制方法在实际工程中建模简单、控制精度较高的特点,以直流电机的网络控制系统为例,研究了具有时延和数据丢包网络情况下的网络控制系统,提出了基于特征模型的自适应控制方法和基于模糊动态特征模型的自适应控制方法.仿真结果表明:丢包率对特征模型控制器系统的影响较大,而网络延时对模糊动态特征模型控制器系统影响较大.所提两种方法均可有效保证网络控制系统的控制性能.     

变参数网络控制系统的双模态离散跳变模糊控制

研究了一类变参数非线性网络控制系统随机稳定性和控制器设计问题.针对具有有界随机延迟和数据包丢失的不确定网络控制系统,提出一种离散时间跳变模糊方法,建立其双模态不确定Takagi-Sugeno模糊数学模型,综合刻画了网络的有界随机时延和丢包特性、网络传输的不对称性以及控制对象的不确定性非线性动力学现象.基于该模型,利用Lyapunov理论和线性矩阵不等式方法,推导出系统随机稳定的充分条件,给出了具有分段二次Lyapunov稳定与次优性能指标的保成本状态反馈模糊控制器的设计方法.该方法归结为一组双线性矩阵不等式,可利用同伦迭代算法求解.数例仿真结果表明,对于任意容许的不确定性,该方法设计的控制器能使系统随机稳定.     

一类非线性网络控制系统的鲁棒镇定问题

研究了一类带有不确定的非线性网络控制系统(NCSs)的鲁棒镇定问题。在非线性NCSs中,被控对象被表示为一个带有不确定的Takagi-Sugeno(T-S)模糊模型。利用Lyapunov-Krasovskii泛函方法和时滞输入方法,针对不确定非线性NCSs,给出了一个基于线性矩阵不等式(LMIs)形式的网络控制器设计方法。     

模糊控制对网络控制系统性能的改善

针对网络时延问题,在分析时延特性的基础上,利用TrueTime工具箱建立网络控制系统的仿真模型。在时延为固定和随机两种情况下,研究其对系统控制性能产生的不利影响。设计了模糊控制器,并在网络中分别存在时延和丢包两种情况下将其与常规PID控制进行性能的比较。仿真结果表明,模糊控制能明显改善时延和丢包对系统性能产生的不利影响,提高了网络控制系统的控制性能。     

一类离散时间非线性网络控制系统的跟踪性能分析

研究了一类非线性离散时间网络控制系统的跟踪性能分析问题,其中,非线性系统用离散Takagi-Sugeno(T-S)模糊模型近似。考虑到网络传播的随机性,数据包丢失建模为Bernoulli分布的序列。因此,跟踪控制系统转化为带有随机参数的模型。基于平行分布补偿性(PDC)技术和随机稳定性理论,对跟踪性能分析提出新准则,且保证在修正意义下,非线性系统输出跟踪线性系统输出。     

基于T-S模型的时变时滞丢包网络控制系统H∞鲁棒控制

针对一类用T-S模糊模型描述的时变时滞和丢包的网络控制系统,设计使得闭环系统均方意义下指数稳定的H∞鲁棒控制器,并满足所给H∞范数指标.已知丢包发生在系统前向通道末端,满足Bernoulli随机序列分布.将描述具有时变时滞和丢包特性的网络控制系统模型离散化,通过设计Lyapunov函数、构造线性矩阵不等式,证明并给出了...     

基于模糊神经网络融合的温度控制方法

针对目前温度控制中存在的问题，研究设计了一种新的适合于非线性、惯性系统应用的动态控制的方法。采用了将具有简单有效的非线性控制作用的模糊控制技术与学习和自适应能力较强的人工神经网络技术相融合的方法，建立了模糊神经网络相融合的智能控制模型。文章详细地介绍了基于模糊神经网络的智能温度控制的实现过程。实际应用结果表明，系统具有较强的实时性和可靠性，不仅温度控制精度高，而且动态响应速度快。该控制方法的研究，为实现最佳温度控制提供了理论根据和有效方法。     

非线性系统的稳定自适应模糊控制

针对一类高阶非线性系统提出了一种自适应模糊控制方案,它既可以利用模糊描述信息,又可以利用模糊控制规则。     

一类T-S广义模糊系统二次稳定性问题的研究

基于模糊极值子系统的思想,研究了一类T S广义模糊系统的二次稳定性与非线性模糊控制器设计的问题·首先给出了模糊极值子系统的定义,将模糊系统的二次稳定性问题转化为其模糊极值子系统的二次稳定性问题的分析与研究·然后利用模糊极值子系统给出了模糊广义系统二次稳定的一个充分必要条件,最后通过两个新条件将充分必要条件中的精确上界条件减弱为近似上界,从而放宽了对充分必要条件的限制·     

基于模糊学习方法的非线性系统智能容错控制

提出了一种基于自适应模糊逻辑学习方法的非线性系统智能容错控制方案.整个控制方案集自适应模糊控制器、监督控制器和调节控制器为一体,是一个功能强大的控制体系结构.仿真结果表明:提出的控制方案能有效地识别和调节非线性系统的未知错误,而且控制系统在不确定或错误的情况下具有稳定性和鲁棒性.     

一类非线性系统的模糊建模方法

针对一类非线性系统的建模问题,以扇区非线性化为基础,提出了一种T-S模糊建模方法。首先在论域上确定出系统中非线性项的最大值和最小值;然后给出非线性项的隶属度函数;最后建立了非线性系统的T-S模糊线性模型。本算法计算简单,容易实现,同时,仿真结果也表明算法能够有效实现对原系统的逼近。     

一类带有广义不确定性非线性系统的自适应模糊反演控制

本文结合自适应控制、模糊控制和反演控制方法,针对带有广义不确定性的严格块反馈型非线性系统,设计了一种自适应模糊反演控制律。对反演控制律设计的不足之处,采用自适应模糊控制去逼近非线性系统中带有广义不确定性的非线性函数,从而实现了无需精确数学模型的全新控制律,避免了因存在不确定性对系统带来的不良影响。在此基础上,利用李亚普诺夫方法分析了系统的稳定性和收敛性。仿真结果表明：本文所设计的控制律,对严格块反馈型非线性系统中存在的不确定因素具有较强的鲁棒性和自适应性。     

二自由度平面机械手的模糊建模与模糊控制

本文以二自由度平面机械手为例，尝试用线性系统理论和模糊控制理论解决非线性系统问题。要点是：把一个整体非线性动力学模型看成是多个局部线性模型的模糊逼近；把整个非线性系统的控制看成是多个局部线性系统控制的模糊逼近。这种方法称为并行分配补偿法。本文建立了二自由度平面机械手的模糊模型并在此基础上用并行分配补偿法对系统进行了综合，最后用仿真进行了验证，证明了并行分配补偿法的成功和所建模型的合理性。