二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器对二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度。     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

平行二级倒立摆的稳定控制

将单一输入规则群动态加权模糊推理模型应用于平行二级倒立摆系统，设计出具有6个输入交量的模糊稳定控制器。该模糊控制器规则总数少，直观性强。计算机仿真表明，该模糊控制器能在短时间内同时实现两摆角度及小车位置的控制。     

Sugeno模糊模型的辨识与控制

提出了一种新的Sugeno模糊模型辨识算法和对非线性系统进行并行化设计的方 法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进 行,减少了计算量;对于非线性系统的控制,Sugeno模糊模型实际上是动态系统的局部线性 化,可采用并行设计的方法设计控制器,然后通过模糊推理得到全局控制量.最后通过倒立摆 系统的控制说明了本文算法的有效性.     

二级倒立摆系统的实时稳定控制实验研究

为实现二级倒立摆系统的实时稳定控制,以深圳固高直线二级倒立摆装置作为控制对象,在MATLAB环境下,利用基于二次型最优控制理论的线性二次型(Linear Quadratic Regulator,LQR)最优控制器,成功实现了该装置的实时稳定控制。为引入新的控制策略,采集二级倒立摆实时控制过程中的LQR控制器数据作为样本,经过自适应神经模糊推理系统(Adaptive Neuro-Fuzzy Inference System,ANFIS)工具箱训练并生成出一种新型模糊神经网络控制器,应用到装置上同样实现了实时平衡。结果表明,新型控制器较LQR控制器控制效果更优,也为成功实现装置的实时平衡提供了一种新的思路和解决方法。     

二级倒立摆的区间值模糊控制

为了提高倒立摆模糊控制的稳定性,研究了二级倒立摆的区间值模糊控制.根据区间值模糊集理论,由不同类型的隶属度函数构成区间结构,利用区间值模糊蕴涵建立控制规则,设计出二级倒立摆的区间值模糊控制器,并通过仿真与实时控制实验,对比分析了区间值模糊控制与点值模糊控制的性能.实验结果表明,区间值模糊控制具有更好的稳定性和鲁棒性.     

基于模糊神经网络的倒立摆非线性系统分析

倒立摆系统以其自身的不稳定性而难以控制,也因此成为自动控制实验中验证控制策略优劣的极好的实验装置;针对倒立摆系统的平衡控制问题,提出了用一种应用神经网络来控制倒立摆的方法,同时由于神经元网络的训练的反复性,因此在系统中加入一个模糊控制器,来对神经网络输出的控制变量进行补偿,使神经元网络训练的权值能够始终保持在某一稳定值,从而保证了控制器稳定,仿真实验结果表明采用该方法设计的并联型模糊神经网络控制器对倒立摆这一先天不稳定的系统具有理想的控制效果。     

基于Sugeno型神经模糊系统的交通流状态预测算法

从交通流状态的模糊特性出发,设计基于Sugeno型神经模糊系统的交通流状态预测算法.选择交通流状态的影响指标作为模糊推理系统的输入、交通流状态作为输出;据经验对输入、输出划分模糊子集,给出相应的隶属度函数并制定模糊规则;建立具有5层结构的神经模糊推理系统,利用神经网络优化调整模糊推理系统的隶属度函数和模糊规则.仿真实验表明,神经网络可直接优化模糊推理系统的隶属度函数,通过对连接权值的训练间接优化模糊规则,故Sugeno型神经模糊系统相比常规模糊系统具有更好的交通流状态预测性能.     

一种新的神经模糊系统及其学习算法

本文提出一种规则结论部分的语言变量具有离散隶属度函数的、基于Mamdani形规则的新神经模糊系统,并描述了它的学习算法.新神经模糊系统由模糊推理系统及其一一对应的神经网络系统构成.在只有训练数据的情况下,首先提出了一种基于RBF神经网络的模糊建模方法.而在模糊推理系统由模糊建模或者直接由专家经验知识确定后,应用梯度下降法优化神经网络系统参数.倒立摆控制和时间序列预测的仿真试验体现了本文提出的新的神经模糊系统的可用性和优越性.     

一种基于人工免疫原理的最优模糊神经网络控制器

提出了一种基于人工免疫原理的最优RBF模糊神经网络控制器设计方案．首先给出了控制器结构，其次将免疫进化算法用于控制器参数的优化，设计了一种满足二次型性能指标的最优RBF模糊神经网络控制器．将该控制器用于控制实际倒立摆系统，并采用状态变量合成方法以大大减少模糊规则的数目，实验结果验证了该控制器的有效性．     

基于Takagi-Sugeno的再励学习模糊神经网络控制

提出一种模糊神经网络的自适应控制方案。针对连续空间的复杂学习任务,提出了一种竞争式Takagi-Sugeno模糊再励学习网络,该网络结构集成了Takagi-Sugeno模糊推理系统和基于动作的评价值函数的再励学习方法。相应地,提出了一种优化学习算法,其把竞争式Takagi-Sugeno模糊再励学习网络训练成为一种所谓的Takagi-Sugeno模糊变结构控制器。以一级倒立摆控制系统为例,仿真研究表明所提出的学习算法在性能上优于其它的再励学习算法。     

竞争式Takagi-Sugeno模糊再励学习

针对连续空间的复杂学习任务,提出了一种竞争式Takagi-Sugeno模糊再励学习网络 (CTSFRLN),该网络结构集成了Takagi-Sugeno模糊推理系统和基于动作的评价值函数的再 励学习方法.文中相应提出了两种学习算法,即竞争式Takagi-Sugeno模糊Q-学习算法和竞争 式Takagi-Sugeno模糊优胜学习算法,其把CTSFRLN训练成为一种所谓的Takagi-Sugeno模 糊变结构控制器.以二级倒立摆控制系统为例,仿真研究表明所提出的学习算法在性能上优于 其它的再励学习算法.     

模糊规则控制一种绝对不稳定系统

本文设计了一个高精度、高分辨率的模糊控制器，并用以控制二阶倒立摆获得成功。提出了一种处理多变量系统的新观点，给出了模糊控制二阶倒立摆的控制规则；和一种强有力的清晰化方法，从而使模糊控制器的输出更加细腻，应用上述理论设计的高精度、高分辨率的模糊控制器，对二阶倒立摆进行实时控制获得成功。     

四级倒立摆的状态变量合成模糊神经网络控制

文章给出了四级倒立摆系统的硬件组成，分析了四级倒立摆的系统结构、建立了数学模型。分析了系统的可控性、可观测性，给出了一种基于状态变量合成的模糊神经网络控制控制方法。在实践中证明该方法可行，成功地立起四级倒立摆。     

不确定平面二级倒立摆的鲁棒自适应控制

为提高倒立摆控制系统的抗扰动能力,降低其对未建模动态等的敏感度,研究了不确定平面二级倒立摆的鲁棒自适应控制器的设计方法。把倒立摆动力学模型分解为确定和不确定两部分,用一个非线性参数化模糊逻辑系统逼近平面二级倒立摆的不确定动态,采用李雅普诺夫稳定性理论推导出使平面二级倒立摆的状态误差渐近收敛的鲁棒控制器及自适应律。理论分析和仿真结果表明所提出的控制算法是有效的。     

基于变量分组模糊控制算法的倒立摆系统

采用模糊控制理论研究了直线一级倒立摆控制问题。直线一级倒立摆系统是多变量不稳系统,为了解决模糊规则爆炸问题,本文采用了变量分组的方法完成倒立摆模糊控制器的设计方案。要使直线一级倒立摆系统稳定,必须对小车位置和摆杆角度同时进行闭环控制,而单一的控制只能控制一个控制量,本文提出了两回路的模糊控制方案。仿真和实验结果证明了该方案的可行性和良好的控制性能。     

Modeling of an inverted pendulum based on fuzzy clustering techniques

The inverted pendulum is a highly nonlinear and open loop unstable system. To develop an accurate model of the inverted pendulum, different linear and nonlinear methods of identification will be used. However one of the problems encountered during modeling is the collection of experimental data from the inverted pendulum system. Since the output data from the unstable system does not show enough information or dynamics of the system. This can be overcome by designing a feedback controller, which stabilize the system before identification can takes place. Recently Takagi–Sugeno (T–S) fuzzy modeling based on clustering techniques have shown great progress in identification of nonlinear systems. Hence in this paper, Takagi–Sugeno (T–S) model is proposed for an inverted pendulum based on fuzzy c-means, Gustafson–Kessel (G–K) and Gath–Geva clustering techniques. Simulation results show that Gustafson–Kessel (G–K) clustering technique produces satisfactory performance.     

平面二级倒立摆自适应滑模控制器设计

研究平面二级倒立摆系统稳定性和速度特性优化问题,由于倒立摆系统的外界扰动的不确定性,建立平面二级倒立摆的数学模型,应用变结构控制理论(SMC)和模糊逻辑系统设计了自适应滑模控制器,把趋近律和切换控制的模糊化相结合,采用模糊系统调整趋近速率的大小,在加快趋近速度的同时用模糊逼近切换控制,为减少控制量的抖振和优化控制系统,同时倒立摆控制具有了滑模控制对外界扰动和参数摄动的不变性。进行仿真的结果验证了控制器的稳定性,表明控制器系统能保证在不同的运行条件下具有快速性和鲁棒性。