变论域自适应模糊控制在污水处理中的设计

我国是一个水资源极度紧缺的国家,随着我国城市建设快速发展,城市水污染问题日益突出,由于污水处理系统具有非线性、时变性、随机性、不稳定性和不确定性的问题,不能建立精确的数学模型,本文针对上述问题将变论域自适应模糊控制技术应用于污水处理的控制中,设计了变论域自适应溶解氧模糊控制器,提高了污水处理的控制质量,收到良好的效果。     

基于BSRM变论域模糊控制研究

以12/8极三相双绕组无轴承开关磁阻电机为研究对象,针对转矩脉动及悬浮力脉动等问题,采用一种基于变论域模糊控制优化PI控制器控制参数的控制方法,更有效地降低BSRM系统转矩脉动、悬浮力脉动.在Matlab/Simulink中搭建无轴承开关磁阻电机模型并进行仿真分析.仿真结果表明:与传统PI控制方法相比,变论域模糊PI控...     

基于变论域模糊补偿的机械臂自适应控制

针对存在建模不确定性和外部干扰的机械臂系统,设计了一种结合标称计算力矩控制器和变论域模糊补偿器的复合控制方案,其中利用变论域自适应模糊控制器对建模不确定项进行估计和补偿,利用计算力矩控制器求解标称系统控制力矩。针对伸缩因子设计的自适应律使得变论域自适应模糊控制器在不同时刻适用于状态空间的不同区域,提高了系统的响应速度,大幅减小了系统的稳态跟踪误差,而且跟踪过程平稳柔顺、抖振极小,从而提升了系统的轨迹跟踪性能。仿真结果和实体试验结果均表明所提方法具有有效性。     

多变量协调自适应控制器初步研究

本文初步研究了多变时过程控制器设计的优化目标和约束的统一表达体系,将模块多变量控制技术引入自适应控制器的设计过程,提出了多变量协调自适应控制器的概念,并初步解决了有约束的多目标优化控制的设计问题。     

气浮重力补偿装置变论域模糊控制策略设计

针对太阳能帆板地面展开实验中对气浮重力补偿装置的控制问题,当帆板在大范围内做展开运动时,普通的模糊PID由于固定论域和部分模糊规则的不完善导致在实际控制中出现响应速度变慢,抗干扰性和自适应性变差的现象,结合变论域控制思想,提出一种适用于气浮重力补偿装置的变论域模糊PID控制策略。通过分析气浮重力补偿装置的气膜振动工况和地面干扰工况,建立了帆板展开过程的动力学方程,设计了一种变论域模糊PID控制器,在Matlab/Simulink环境下搭建仿真模型并搭建帆板展开气浮实验台进行实验验证,实验结果表明设计的控制策略能将支撑点位置误差控制在0.6%以内,相比较于普通模糊PID控制,误差率减小了50%,控制精度高,抗干扰性强,取得了较好的控制效果。     

非对称缸伺服系统的变论域模糊控制

非对称液压缸具有工作空间小、构造简单、结构紧凑等优点 ,但其本质非线性 ,使控制器设计较为困难。该文设计了控制精度较高的变论域模糊控制器对其进行控制 ,并且对变论域模糊控制的伸缩因子提出了一种新的算法 ,降低了伸缩因子的选择难度。取得了良好的控制效果。     

伺服电机变负载自适应模糊控制方法

针对伺服电机变负载控制问题,提出了一种自学习自适应模糊控制方法,该方法可以通过控制数据自学习生成模糊控制规则,且可以在控制过程中对控制规则进行自调整,以适应被控对象工况的改变。通过伺服电机变负载的仿真控制实验,证明了该方法的可行性。     

变论域自适应模糊PID主动悬架控制研究

为提高汽车行驶平顺性和乘坐舒适性,提出一种基于变论域理论的自适应模糊PID汽车主动悬架控制策略,将自适应模糊PID和变论域的在线调整整合在一起,采用变论域模糊控制实现控制系统输入输出论域的自整定,提高控制精度;采用自适应模糊PID控制,提高系统的动、静态特性,形成更优的悬架控制方法。研究结果表明,变论域自适应模糊PID控制主动悬架较传统模糊控制以及模糊PID控制的主动悬架能够更有效的克服路面冲击,减少汽车垂直方向的振动,进一步提高汽车行驶平顺性和乘坐舒适性。     

变论域模糊控制器的设计

随着被控对象工作性能要求的不断提高,普通模糊控制渐渐跟不上控制精度的要求,由此需要研究一种自适应强、精度更高的模糊控制方法。文中在模糊控制基础上引入变论域思想,设计变论域模糊控制器。首先介绍变论域思想引入伸缩因子,然后设计变论域模糊控制器。最后,应用MATLAB进行仿真,结果表明,相对于常规模糊控制器,变论域控制曲线无超调,比普通模糊控制精确。     

非对称缸电液伺服系统变论域自适应模糊控制的研究

针对非对称缸电液伺服系统的非线性，分别使用常规模糊控制器和变论域自适应模糊控制器对其控制，其结果表明后者性能更理想。     

工业构件塑变校正系统的自适应模糊控制

利用金属塑性变形后产生残余变形的原理对需校正工件主动加载,可实现工业构件的塑变校正.但塑性变形受工件的长度、直径、材质等非线性因素影响,难以建立精确的解析模型进行控制.文中在总结人工操作经验的基础上,设计了以需校正构件的塑性变形量及其变化量为输入、加载量为输出的具有自学习功能的二维模糊控制器,以达到减小误差和提高工效的目的.校正原理样机实验证明,塑变控制精度可达到0.04 mm.     

采用磁流变阻尼器的三自由度半主动座椅悬架系统变论域模糊控制

对座椅悬架系统用磁流变阻尼器进行阻尼特性试验,利用最小二乘法对双曲正切模型进行参数辨识。结合座椅悬架系统的动力学特性,建立三自由度半主动座椅悬架系统模型。针对采用传统模糊控制精度不高的问题,提出一种基于模糊推理的变论域模糊控制策略。以脉冲路面激励和随机路面激励为输入,分别对被动悬架、传统模糊控制半主动悬架系统及变论域模糊控制半主动悬架系统进行动力学仿真分析。仿真结果表明:采用最小二乘法辨识出的参数模型可满足后续计算。所设计的变论域模糊控制策略减振效果明显优于传统模糊控制,能有效隔离路面冲击干扰,使得座椅悬架系统的综合性能得到明显改善。     

大弹性负载伺服系统变论域双模糊控制

为解决大弹性负载伺服系统在低速和换向时存在的冲击和振动问题,提出一种基于负载力反馈的变论域双模糊控制算法。以拥有大弹性负载的液压伺服系统为对象,针对在最大负载处反向扭转时容易出现冲击的特点,采用负载力反馈进行补偿。同时,针对负载力随弹簧刚度和液压缸杆位移变化而变化的特点,提出变论域双层模糊控制算法。第一层模糊控制器以负载反馈作为输入,以第二层模糊控制器输出论域的伸缩因子作为输出,结合以误差反馈为输入的第二层模糊控制器,形成更加适合大弹性负载的控制方法。仿真和试验结果表明,提出的控制方法能够有效地解决伺服系统在大弹性负载下的换向冲击以及振动等问题,并且拥有良好的控制效果。     

变论域模糊PI控制的SVG系统建模与仿真

在变压器的二次侧加入无功补偿装置,是提高配电网功率因数的一种重要措施。以用于变压器二次侧的静止无功发生器(SVG)作为研究对象,在传统PI控制与模糊PI控制对比分析的基础上提出了基于变论域模糊控制的PI控制策略。同时,基于MATLAB平台完成了SVG装置的建模。仿真结果表明,所提出的基于变论域模糊控制的PI控制方法能够快速、无超调地跟踪电压设定值,有效地改善了系统的控制性能和瞬时响应性能,从而提高了SVG系统的补偿精度。     

变论域模糊控制器及其应用研究

连铸机结晶器振动波形具有多变、非正弦振动特点,该装置采用电液伺服驱动控制精度高、响应速度快,模糊控制在电液伺服控制系统的应用已经成为一个研究热点。重点研究变论域模糊控制器关键问题———伸缩因子的构造,通过对伸缩因子的严密性证明,保证其适用性,并且结合计算机仿真验证算法的有效性。     

四轮轮毂电机电动汽车横摆力矩变论域模糊控制研究

针对四轮轮毂电机电动汽车横摆力矩控制,研究了基于变论域模糊控制理论的横摆力矩决策方法和基于规则分配的驱动力分配方法。横摆力矩控制采用分层控制方法,设计了基于变论域模糊控制理论的横摆力矩控制器和驱动力分配器。变论域模糊控制器根据车辆横摆角速度期望值和实际值决策出所需的附加横摆力矩,并通过规则分配方法进行驱动力分配实现。应用Matlab/Simulink与Car Sim联合仿真对控制方法进行了仿真实验验证。结果表明:基于变论域模糊的横摆力矩控制方法相对于无控制能够使轮毂电机电动汽车较好地跟踪期望,有效提高电动汽车行驶稳定性。     

鲁棒多变量预估控制技术(RMPCT)在大型工业过程中的推广应用

多变量预估控制是大型工业过程普遍采用的先进控制技术 ,介绍了HONEYWELL公司近期推出的鲁棒多变量预估控制系统 (RMPCT)的主要功能和技术特色 ,并对RMPCT在工业实施应用中的关键技术作了探讨     

粒子群优化变论域模糊PID控制在风电机组变桨距中的应用

风力发电机变桨距系统采用传统PID控制,不仅超调大、调节时间长、精度低,而且在超过额定风速时,风电机组的输出功率波动比较剧烈,误差较大。该文采用粒子群优化算法改进变论域模糊PID控制器,仿真结果表明:粒子群优化变论域的模糊PID控制器具有良好的动态性能及对风速扰动的鲁捧性,可以平稳地输出功率。     

基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制

针对直接并网型同步风力发电机励磁系统非线性、时变性及风力发电机运行工况多变等特点,提出了一种基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制方法。该方法中,通过分析确定变论域伸缩因子的结构,利用粒子群算法优化其参数,实现伸缩因子参数的智能寻优。将粒子群优化的变论域模糊控制器应用于励磁控制中,根据电压环的性能指标建立目标函数,通过对基本论域自适应调整,实现了同步风力发电机励磁系统在全工况下的自适应控制,提高了发电机端电压的调节精度和运行的稳定性。仿真结果表明,基于粒子群优化的变论域模糊控制在动态性能和稳态性能上优于模糊控制。