多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

控制方向未知的非线性系统自适应模糊滑模控制

针对一类带有未知外部扰动及控制方向的不确定非线性系统设计自适应模糊滑模控制器,利用Nussbaum函数估计系统未知的控制方向.模糊系统的输入为跟踪误差而不是系统状态向量,这样能提升控制器对误差变化的灵敏度.基于Lyapunov稳定性理论设计系统可调参数的自适应规则,该控制器能保证闭环系统稳定性并且跟踪误差及其各阶导数渐近趋于原点.数值仿真的结果也验证了该方法的有效性.     

一类非线性多变量系统的模糊神经网络自适应控制

针对一类数学模型不完全确知并包含外部扰动的非线性多变量系统，提出一种模糊神经网络(FNN)自适应控制策略．用FNN模型在线辨识非线性系统的未知动态，并根据误差系统的Riccati方程，设计H∞控制，有效抑制系统的外部扰动，该控制律采用Lyapunov设计方法来保证控制系统的稳定．FNN自适应控制策略解决了传统非线性控制器理论结果形式过于复杂，实用性差的问题，拓宽了非线性理论的应用范围．     

基于Backstepping的模糊自适应跟踪控制

主要研究了单输入一单输出非线性系统的模糊自适应输出跟踪控制问题。模糊逻辑系统用于逼近系统中未知的非线性函数,然后基于Backstepping设计方法给出了系统性的输出跟踪控制器的设计方法。所构造的模糊控制器确保跟踪误差可以充分小,同时系统中的各个变量保持有界性。所提出方法的优越性在于自适应律中在线学习参数的数目独立于模糊规则的选择,从而避免了以往模糊自适应控制算法中自适应学习参数过多的缺点。最后,以一个例子进一步说明文中所得结论的有效性。     

多层局部回归网络的非线性系统预测模型

提出采用多层局部回归神经网络建立多变量非线性系统多步预测模型的方法,神经 网络模型可提供多步预测控制所需要的系统输出预测值及输出向量对控制向量的雅可比矩 阵．仿真试验表明这种动态神经网络的预测模型具有较高的精度．     

一类非线性系统模型参考自适应模糊控制

针对一类过程结构和参数都存在很大不确定性或未知的非线性系统,利用模糊逻辑系统的逼近能力,提出了模型参考自适应模糊控制器设计的系统方法．基于μ－修正方案,建立了未知参数的自适应调节律．利用李雅普诺夫理论,证明了基于自适应模糊控制算法的闭环系统是全局稳定的,系统的跟踪误差在有限时间内可收敛到任意给定的零的一个邻域内．仿真结果显示了这一新方法的有效性．     

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·     

基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

旋转弹仓的自适应模糊滑模控制

针对存在啮合冲击、非线性摩擦以及参数大范围变化的旋转弹仓的位置控制问题,提出了一种自适应模糊滑模控制算法.该算法由2个模糊系统组成,分别用于逼近未知的理想控制律和补偿逼近误差,不需要知道系统的数学模型,具有较好的鲁棒性.在模糊逼近系统中,引入自适应算法在线调整模糊系统参数,改善了控制性能,提高了鲁棒性;在模糊补偿系统中,根据滑模变量调整控制作用,保证了滑模条件,削弱了抖振.空载、半载和满载3种情况下的实验结果表明,所提出的自适应模糊滑模控制算法对旋转弹仓的参数变化、啮合冲击以及非线性摩擦等不敏感,具有较高的控制精度.     

模糊神经网络控制器参数的混沌优化

为了优化模糊神经网络的参数,将混沌变量引入到模糊神经网络参数寻优方式中,根据系统的性能指标,采用混沌变量进行粗搜索寻优模糊神经网络参数,然后在粗寻优基础上引入基于模拟退火策略的混沌细搜索,最后搜索出的模糊神经网络参数是全局最优的.仿真结果表明:该控制方案有效地实现对非线性对象的最优控制,为工业过程非线性复杂系统的控制提供了一种有效的控制方案.     

多输入多输出非线性时变时延系统的自适应跟踪控制

针对多输入多输出非线性时变时延系统,提出了一种模糊自适应跟踪控制方案,该方案构建了基于模糊T-S模型的自适应时变时延模糊逻辑系统,用来逼近未知非线性时变时延函数,从而实现了对非线性系统的建模.根据跟踪误差给出了模糊逻辑系统的参数自适应律,设计了H..补偿器来抵消模糊逼近误差和外部扰动.基于Lyapunov稳定性理论,提出的控制方案保证了闭环系统的稳定性并获得了期望的H..跟踪性能,机械臂的仿真结果表明了该方案的有效性.     

带有执行器故障的无人船的基于模糊逻辑系统的容错控制（英文）

研究了具有执行机构故障的无人驾驶船舶的基于模糊逻辑系统的模糊容错控制问题。首次构建了具有匹配未知不确定非线性的线性系统模型。考虑的执行器故障包括部分失效故障和中断故障,利用模糊逻辑系统方法对未知非线性函数进行逼近。通过仅对模糊逻辑系统中权重向量的范数进行估计,可以达到有效减少自适应参数个数的目的。进而,设计适当的自适应更新率对自适应参数进行实时更新。基于设计的自适应参数,构建模糊容错控制器。与现有的容错控制结果相比,设计了一种新型的含有切换机制的容错控制器。通过在控制器中引入切换机制,所设计的控制器可以有效地避免现有控制器可能出现的抖振现象。此外,利用李雅普诺夫稳定性定理,可以证明所提方法确保系统一致最终有界。最后,通过仿真实例验证了该方法的有效性和可行性。     

基于T-S模型的一类非线性系统自适应滑模跟踪控制及仿真

针对一类带有内部干扰和未知非线性函数的非线性系统,首先基于伸缩器和饱和器的概念,将一个时变伸缩因子ρ-1引入到T-S模糊逻辑系统的输入而形成扩展模糊逻辑系统,然后利用该模糊逻辑系统给出一种时变伸缩因子参数的自适应滑模控制器的设计方法。其中非线性系统中的未知非线性函数采用T-S模糊逻辑系统进行逼近,故只需较少的模糊规则即可达到逼近要求,而且参数自适应率的个数与模糊逻辑系统中的模糊规则数无关,因此该方法不仅有效地减少在线运算量,而且在有限的时间内实现跟踪控制。最后,对带有干扰项和未知非线性函数的Duffing混沌系统完成了目标跟踪仿真,仿真结果验证了该控制算法的有效性和可行性。
     

基于Mamdani模糊逻辑系统的一类未知混沌系统的同步控制

针对一类既含有未知参数又含有不确定非线性项和外界干扰的混沌系统,基于Mamdani模糊逻辑系统的万能逼近性和参数自适应方法,文章提出了一种带有参数自适应律的驱动-响应同步控制方法,并实现了未知混沌系统的渐近同步。其中,利用先验知识构成的模糊逻辑系统被用于逼近混沌系统中的非线性不确定项,而混沌系统中的未知参数则通过自适应方法进行在线估计。在同步控制器设计中,参数自适应律的个数与模糊规则的数目无关,表明该同步方法不仅减少了在线计算量,而且使基于先验知识产生的模糊规则所构成的模糊逻辑系统具有更广泛的应用。最后通过算例说明了该方法的有效性。     

基于T-S模型的一类非线性系统自适应滑模跟踪控制及仿真

针对一类带有内部干扰和未知非线性函数的非线性系统,首先基于伸缩器和饱和器的概念,将一个时变伸缩因子ρ-1引入到T-S模糊逻辑系统的输入而形成扩展模糊逻辑系统,然后利用该模糊逻辑系统给出一种时变伸缩因子参数的自适应滑模控制器的设计方法。其中非线性系统中的未知非线性函数采用T-S模糊逻辑系统进行逼近,故只需较少的模糊规则即可达到逼近要求,而且参数自适应率的个数与模糊逻辑系统中的模糊规则数无关,因此该方法不仅有效地减少在线运算量,而且在有限的时间内实现跟踪控制。最后,对带有干扰项和未知非线性函数的Duffing混沌系统完成了目标跟踪仿真,仿真结果验证了该控制算法的有效性和可行性。     

滤波减速器传动机器人的自适应RBF反演法控制

针对具有参数未知、外界扰动、强耦合、非线性和多变量的滤波减速器传动机器人建立系统数学模型并对其进行自适应RBF神经网络反演法控制。利用自适应RBF在线逼近系统模型中的未知非线性项设计基于自适应RBF神经网络的反演法控制器同时结合Lyapunov稳定性分析方法论证闭环系统的收敛性。所提控制方法有效地抑制诸如参数未知、外界扰动等对滤波减速器传动机器人的性能影响。仿真分析表明所提出自适应RBF神经网络反演控制器实现了滤波减速器传动机器人的高性能位置跟踪控制并具有很好的控制精度和鲁棒性。     

T-S型模糊RBF神经网络的结构研究

提出Ｔ－Ｓ型模糊ＲＢＦ神经网络模型结构,讨论该模型参数的输入空间模糊最优聚类学习算法．仿真结果验证了学习算法的有效性和可行性,表明Ｔ－Ｓ型模糊ＲＢＦ神经网络可逼近任意多变量非线性函数．     

未知非线性时滞系统控制设计

本文以一类动态未知的时滞非线性系统为研究对象,利用步进反推设计方法给出了使该类系统能够跟踪给定参考信号的控制器.设计中采用了模糊逻辑系统来逼近未知的非线性函数,并用自适应机制同时调节模糊系统的权参数和基函数中的参数,从而不要求模糊系统的基函数事先已知.本文通过选取积分型Lyapunov函数,证明了所提出的控制方案能够保证闭环系统的稳定性和期望的跟踪精度.仿真结果进一步验证了所得结论.     

基于模糊遗传优化支持向量机的系统辨识研究

在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用。为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的SVM参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率pc和变异概率pm,并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究。仿真结果表明,在小样本情况下,支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力。     

关于一维模糊随机变量的极大似然估计方法

研究一维模糊随机变量情形总体未知参数的极大似然估计的两种方法——扩张原理法与随机集的可积选择法．在模糊观测条件下,定义了Kwakernaak-Knrse-Meyer型模糊随机变量情形的模糊参数的极大似然估计量及Puff-Ralescu型变量情形的模糊参数的边缘极大似然估计量．得到了它们的存在条件,一致性条件及其相关性质．