一种基于模糊神经网络的自适应模糊辨识方法

基于改进的T-S模型，提出一种自适应模糊神经网络模型(AFNN)。首先，基于模糊竞争学习算法确定系统的模糊空间和模糊规则数，并得出每个样本对每条规则的适用程度。其次，利用卡尔曼滤波算法在线辨识AFNN的后件参数。AFNN具有结构简洁，逼近能力强，能够显著提高辨识精度，并且辨识的模糊模型简单有效。最后，将该AFNN用于非线性系统的模糊辨识，仿真结果验证了该方法的有效性。     

一种基于逆动力学模糊规则的自适应控制方法

将模糊控制规则归结为控制对象的逆动力学过程模糊辨识问题,提出了一种基于逆动力学过程模糊规则模型的控制算法,通过控制对象逆动力学过程模糊规则模型离线辨识,直接产生形成与控制对象运动规律相适应的初始控制规则,并根据对象逆动力学过程模糊规则模型在线辨识结果,对控制规则进行在线调整.仿真结果表明,所设计的模糊控制器具有良好的控制效果与适应性.     

基于进化模糊神经网络的上肢康复机器人自适应阻抗控制

针对机器人辅助患肢进行康复训练时患肢病情的变化对系统稳定性造成的影响,在传统阻抗控制方法基础上,提出了一种基于进化模糊神经网络的自适应阻抗控制方法.该方法采用能较为准确反映患肢病情特性的患肢机械阻抗参数作为控制器输入,根据在线辨识得到的机械阻抗参数,运用进化模糊神经网络对目标阻抗控制参数进行动态调整.在调整过程中,首先采用混合进化算法离线优化目标阻抗控制参数,然后再利用动态BP算法对目标阻抗控制参数在线作进一步地调整.分析和仿真结果表明,改进后的方法较传统阻抗控制方法更能有效地适应患肢病情的变化,且具有较好的平滑性和稳定性.     

采用Adaline神经网络实现增益自适应内模控制

引入1／1Pade逼近处理纯滞后环节，利用二步法设计内模控制器，运用单层Adaline神经网络参数辨识算法得到被控对象的稳态增益，并用于内模控制算法中，以此来自动调整被控对象模型增益，实现增益自适应控制。大量仿真实验表明此控制方法能克服系统增益变化对控制品质的影响，具有鲁棒性好，抗干扰能力强，控制精度高等特点。     

基于模糊辨识的混合鲁棒自适应控制

针对一类多输入多输出不确定非线性系统,提出一种基于模糊辨识的混合鲁棒自适应控制方法。该方法探讨了自适应模糊控制器的参数自适应律由跟踪误差和逼近误差共同进行调节,并从理论分析和仿真角度证明了该方法比参数自适应律仅用跟踪误差进行调节的控制器具有更好的跟踪效果,该方法加快了系统跟踪误差的收敛速度。将该算法用于两连杆机械手轨迹跟踪,仿真结果表明该算法具有跟踪精度高,收敛速度快的优点。     

基于模糊自适应PID的伺服系统控制

以飞行仿真转台伺服系统为研究对象,设计了一种带比例因子的模糊自适应PID控制器,通过误差和误差变化率在线模糊推理并调整比例因子和PID控制器的修正值.通过引入积分分离控制方法,在保证系统动态性能的前提下,一定程度上克服了模糊控制方法无法消除静差的缺点,也满足转台控制的实时性要求.仿真实验结果表明,该方法与传统PID控制相比,能够有效提高转台伺服系统的动态性能和鲁棒稳定性.     

基于T-S模糊模型的非线性自适应逆控制系统

现在非线性自适应逆控制系统中，由于对象模型和逆控制器均采用非线性自适应滤波器，自适应过程需要同时训练至少两个串联的非线性自适应滤波器，从而造成自适应学习过程过于复杂。利用一组自适应LMS滤波器建立非线性对象的T-S模糊模型，它为逆控制器的学习提供了准确的解析的对象模型Jacobian信息，从而有效简化了自适应逆控制学习过程。仿真结果表明，无论是离线建模还是在线建模，该非线性自适应逆控制方法均能取得理想的控制效果。     

永磁同步电机的模型参考模糊自适应控制

采用模糊基函数形式,将永磁同步电机时变参数的辨识转化为对模糊基函数权系数的辨识问题,经过离线学习和在线自适应调节的模糊估计器具有对永磁同步电机时变参数的逼近能力.利用参数跟踪误差和控制预测误差信息,设计模型参考模糊自适应速度控制器,基于Lyapunov稳定性理论分析了控制器的收敛性,仿真及dSPACE实验结果表明:所设计的永磁同步电机控制系统具有较好的参数跟踪及控制性能.     

一类模型模糊系统的模型参考自适应控制

针对一类模型可用一组模糊规则来描述的系统,提出了一种模型参考自适应控制律。根据 Ｌｙａｐｕｎｏｖ理论证明了闭环系统是稳定收敛的。仿真例子证实了该方法的有效性。     

一类非线性系统的自适应模糊滑模控制

针对一类非线性系统的控制,把模糊自适应和滑模控制相结合,设计了一种新型的全局滑模控制器,以全局模糊滑模面为滑模控制器的输入,通过模糊推理处理了非线性和减少了抖振,基于Lyapunov函数的稳定性分析,求出模糊控制规则的自适应律,构成一个全局模糊控制器,有效解决了传统滑模控制中,需要确定参数摄动和外部干扰上确界的问题,同时削弱了系统得抖振,仿真结果显示了该方法的有效性。     

基于T-S模型的自适应多变量模糊预测控制

针对多变量非线性系统的控制问题,提出了一种具有良好控制效果的模糊预测控制方法。首先采用快速聚类法和递推最小二乘法辨识得到非线性系统的T-S模型,然后对系统进行线性化,并基于线性化的模型设计模糊广义预测控制器并对非线性对象进行在线自适应控制。对一个带时延的强耦合二变量非线性对象进行仿真,结果表明对于具有时变性的非线性系统,该方法具有很好的控制效果。     

Decentralized model reference adaptive sliding mode control based on fuzzy model

1.INTRODUCTIONIn recent years,decentralized control of interconnect-ed systems has become an i mportant and challengingtopic[1~3].However,it is usually difficult to modelthe systemexactly due to the complex real environ-ment.In the past several years,active research hasbeen carried out in controller design based on univer-sal approxi mators,such as fuzzy control and neuralnetwork control[4~6].For a class of SISO nonlinearsystems,adaptive fuzzy control approaches were pro-posed based on …     

基于观测器和小增益定理的自适应模糊控制

针对一类不确定非线性系统,利用输入到状态实际稳定理论(ISpS)、小增益定理,结合T-S模糊逻辑系统在线逼近系统的未知函数,在状态向量不完全可测的情况下,提出一种基于观测器的直接鲁棒自适应模糊控制的新方法。理论分析证明了闭环系统半全局一致终结有界,只有两个参数需要在线调节,同时避免了在一些自适应控制中由于采用线性反馈技术而可能引起的控制增益的奇异问题。仿真结果表明了该方法的有效性。     

自适应律修改的间接自适应模糊控制

针对一类不确定非线性系统提出了一种间接自适应模糊控制方法,此方法对模糊逻辑系统中的未知参数设计了一种新的自适应学习律,证明了在此自适应律作用下,不但能使跟踪误差收敛于原点的小邻域内,而且通过适当增大设计参数的值,可使跟踪误差减小。仿真结果验证了此方法的有效性。     

一类执行器卡死的T-S模糊自适应容错控制

针对一类执行器发生故障的非线性系统,提出了基于T-S模糊模型和模型参考自适应控制的容错控制设计方案。该方案特点是:在利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行建模时,假设局部线性模型的参数未知,利用自适应控制算法,在线调整控制器参数,实现系统对参考模型的状态跟踪。在系统发生故障时,系统能够重构控制律以抵消故障对系统的影响,维持系统的稳定性以及期望的跟踪目标。利用李亚普诺夫理论分析了系统的稳定性,给出了能够实现状态跟踪的匹配条件以及控制器参数更新律。利用某飞机模型进行了仿真,证明本文方法的有效性。     

基于观测器的非线性系统直接自适应模糊控制

针对状态不可测的一类不确定非线性系统,利用模糊系统的逼近能力,提出一种基于观测器的直接自适应模糊控制方案。该方案通过引入观测量的调制函数,使得模糊系统的输入集在有界闭区域上,从而取消了观测量有界的假设。利用Kalman Yacubovitch Popov定理及李亚普诺夫函数,证明了闭环控制系统所有信号是有界的,跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

Research of robust adaptive trajectory linearization control based on T-S fuzzy system

A robust adaptive trajectory linearization control （RATLC） algorithm for a class of nonlinear systems with uncertainty and disturbance based on the T-S fuzzy system is presented. The unknown disturbance and uncertainty are estimated by the T-S fuzzy system, and a robust adaptive control law is designed by the Lyapunov theory. Irrespective of whether the dimensions of the system and the rules of the fuzzy system are large or small, there is only one parameter adjusting on line. Uniformly ultimately boundedness of all signals of the composite closed-loop system are proved by theory analysis. Finally, a numerical example is studied based on the proposed method. The simulation results demonstrate the effectiveness and robustness of the control scheme.     

一类非线性系统的自适应模糊滑模定位控制

针对一类由多子系统组成的,具有建模误差和未知不确定性的多变量非线性系统,提出了一种自适应鲁棒定位控制方案。分别在系统数学模型已知或未知的情形下,通过对不确定性的未知范数界描述,基于Lyapunov理论和Barbalat引理,给出了滑模鲁棒控制器的综合设计方法及其自适应控制律,保证整个闭环误差系统的稳定。该方法减少了对系统模型精确度的依赖,避免了传统方法对不确定性的人为预估行为。最后,通过船舶动力定位系统的控制仿真表明了本方法的有效性。     

增益符号未知的鲁棒自适应模糊控制

针对一类具有函数控制增益符号未知的不确定非线性系统,根据滑模控制原理和模糊系统的逼近能力,提出了一种自适应模糊控制器设计新方案。该方案利用Nussbaum函数的性质,取消了常用的函数控制增益符号已知这一条件。并通过引入最优逼近误差的自适应补偿项来消除建模误差和参数估计误差的影响。理论分析证明了闭环系统的有界性和跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

基于自适应模糊快速终端滑模控制的导弹自动驾驶仪设计

针对一类多输入多输出非线性不确定系统,提出了自适应模糊快速终端滑模控制方法并应用于导弹自动驾驶仪的设计。利用模糊系统具有以任意精度逼近非线性系统的能力对未知干扰和不确定性进行逼近,并通过鲁棒项提高了系统性能。基于Lyapunov方法,证明了闭环系统所有信号渐进收敛。最后利用本文提出的控制方案设计了6自由度导弹的自动驾驶仪,仿真结果表明了控制方案的有效性和鲁棒性。