容积室压力的无模型自适应控制研究

为实现对具有非线性、时变和多干扰等特性的机车气制动力的精确控制,提出一种基于无模型控制算法的容积压力控制方法。它不依赖控制系统参数数学模型,不需要复杂的人工参数整定即可控制时变、多变量等复杂过程,可以避免建模不精确带来的系统误差,实现对气室压力的精确控制。仿真试验表明,该系统具有响应快速、控制精确、适应能力强、控制稳定等优点。     

蚁群聚类算法的T-S模糊模型辨识

基于T-S模型,提出一种非线性系统的模型辨识方法。利用蚁群聚类算法来进行结构辨识,确定系统的模糊空间和模糊规则数。在聚类的基础上,利用遗传算法辨识模糊模型的后件加权参数,得到一个精确的模糊模型,从而实现参数辨识。仿真结果验证了该方法的有效性,表明该方法能够实现非线性系统的辨识,辨识精度高,可当作复杂系统建模的一种有效手段。     

新型机车制动控制方法的研究

气体压力控制具有明显的非线性和不确定性,特别是小范围内的压力调节更是难以得到精确控制;针对这些问题,提出了一种改进型专家控制算法作为新型机车制动控制方法;该算法以常规专家控制为基础,来进行对气压控制规则的定义;利用智能算法计算得到死区时间;最后采用改进型专家控制算法计算输出值,实现对气压量的精确控制;在机车制动控制上应用表明,该算法具有良好的静、动态特性,控制精度可达1kPa,能够满足机车制动控制的需求。     

基于T-S模糊模型的混沌系统脉冲控制

给出了一种基于T-S模糊模型的混沌系统模糊脉冲控制方法.首先给出了基于T-S模糊模型对非线性系统精确建模的原理,得到与混沌系统等价的T-S模糊系统.然后根据建模得到的T-S模糊系统,采用模糊脉冲控制技术来实现控制.最后,以控制Ndolschi混沌系统为例,证明了这种方法的有效性.     

基于C-R模糊模型的广义预测控制算法

该文对非线性系统的建模采用Cao-Ress(C-R)模糊模型，并用卡尔曼滤波算法在线辨识模糊模型的结论参数，从而减少了参数辨识的数量和避免了矩阵的求逆运算，然后在每一个采样点对该系统进行局部动态线性化，根据得到的系统线性化模型对系统采取广义预测控制(GPC)方法得到当前的控制动作。仿真结果表明了该方法的有效性。     

T-S模型的窑炉压力无超调快速广义预测控制设计

窑压是玻璃窑炉运行过程中重要的被控指标之一,直接影响窑炉能耗、寿命及产品成品率,优化窑炉压力控制具有重要的经济意义。由于受到众多因素的影响,窑压具有典型的非线性特性,现有方法的控制效果还有很大的提升空间。本文针对窑压设计了一套新型无超调快速模糊广义预测控制方法(NFGPC),先利用"离线+在线"组合辨识方法得到窑压对象的T-S模型;然后基于该模型对系统进行分片线性化得到时变CARIMA模型,以设计窑压广义预测控制律;结合柔化理论与新型滚动优化目标函数设计一种广义预测控制律,该方法无需求解逆矩阵即可得到控制输出,计算量更小;由于新目标函数的应用,该方法还能够克服传统GPC引起的超调效应。仿真结果表明该方法能够很好的处理窑压非线性系统建模问题,与PID控制、线性GPC(LGPC)以及模糊广义预测控制(FGPC)以及快速模糊广义预测控制(FFGPC)等方法控制效果的对比表明,NFFGPC在处理非线性系统控制问题上具有一定的优越性。     

模糊预测-PID复合控制在高速列车制动中的应用

为解决高速列车的快速、准确、舒适停车问题,分析并建立了列车制动的牵引力模型;综合考虑列车制动过程中舒适度因素的影响,提出了带有舒适度约束条件的模糊预测-PID复合控制方法。该控制方法结合了模糊预测控制以及模糊PID控制的优点,使列车制动过程的控制没有死角,控制状况始终处于最优。在制动距离较大情况下采用模糊预测控制修正控制量,优化制动力,使制动过程满足舒适度要求;在距离较近的情况下,采用模糊PID实现列车的准确停车。仿真结果证明了该方法的可行性和有效性。     

球形机器人的建模与控制研究

设计了一种通过三个惯性轮驱动的球形机器人,基于角动量守恒定律实现机器人移动。利用四元数及Kane方程建模方法,建立了球形机器人的完整动力学模型,给出了控制其运动的微分方程组,进而设计一个自适应模糊滑模变结构控制器,以实现对参数及动力学模型不精确的球形机器人的位置控制。为了减弱系统的抖振,通过对滑模控制器中的切换项进行模糊逼近,使切换项连续化。轨迹跟踪的仿真和试验表明,该控制器在参数不确定和动力学模型不精确的系统中有良好的表现。     

一种基于T-S模糊模型的混沌控制方法

用T-S模糊系统来逼近非线性系统,它的IF-THEN规则后件由线性状态空间子系统构成,进而可以应用模糊系统的控制理论求得模糊控制器,用此非线性控制器来控制非线性系统,以求良好的控制效果;将模糊控制技术应用于混沌控制中,可以克服反馈线性化等传统方法对参数完全精确已知的限制;模糊规则后件部分以局部线性方程形式给出的T-S模糊模型可以通过调整相关参数很好地逼近混沌系统,基于该模型采用平行分散补偿技术设计出具有相同规则数目的模糊控制器,控制器所有参数可以通过求解一组线性矩阵不等式一次性得到。仿真结果验证了该方法的有效性。     

基于模糊神经网络的飞机某系统故障诊断研究

提出一种基于模糊神经网络的飞机某系统故障诊断方法。利用改进的模糊C均-值聚类算法进行结构辨识,从而自动获得模糊规则库,并得到模糊模型的初始参数;然后生成与之相匹配的初始模糊神经网络,并通过学习算法训练网络来进行参数辨识,得到一个精确的模糊模型。将该系统地面实测数据作为样本数据,建立起了基于模糊神经网络的飞机某系统故障诊断模型。最后对该模型进行测试与分析,结果表明该方法具有抗噪、抗敏感、诊断准确度高等优点。     

汽车紧急制动控制模型及其安全性分析与研究

主要研究汽车紧急制动控制及其安全性,在对紧急制动工作过程进行分析的基础上,通过结合Carsim和Simulink软件完成了紧急制动控制。根据两车间的安全行驶距离,采用的模糊控制策略,其输入变量为两车间距及相对速度、输出变量为主缸制动压力。对该制动系统进行仿真实验结果表明,系统的模糊控制策略在制动过程中能有效实现,同时,显著提升了车辆的安全性和乘坐舒适性。     

优化GD-模糊规则的滑坡预报模型研究

为了提高滑坡灾害预报准确率，改善传统的滑坡监测和预报中存在的参数选取困难及模糊控制系统作为预报模型精确度不高的问题，首先采用山体结构稳定性分析法进行滑坡灾害参数的选取，得出降雨量、含水率、土压力及岩土表面位移增量作为预报参数的结论；其次将选取的参数作为模糊系统的输入，建立滑坡灾害发生概率模型，并引入优化的GD算法修正预报模型中的动态参数，使模糊控制模型具有自适应性；同时与未优化的模糊控制模型以及单独模糊控制模型进行仿真对比，仿真结果表明，该控制算法收敛速度快，具有很好的收敛性；最后将该模型在某滑坡重点灾区实验区进行实验测试，实验结果显示该模型具有较好的收敛性，且预报精度达到90%。     

Hybrid Fuzzy Modelling for Model Predictive Control

Model predictive control (MPC) has become an important area of research and is also an approach that has been successfully used in many industrial applications. In order to implement a MPC algorithm, a model of the process we are dealing with is needed. Due to the complex hybrid and nonlinear nature of many industrial processes, obtaining a suitable model is often a difficult task. In this paper a hybrid fuzzy modelling approach with a compact formulation is introduced. The hybrid system hierarchy is explained and the Takagi–Sugeno fuzzy formulation for the hybrid fuzzy modelling purposes is presented. An efficient method for identifying the hybrid fuzzy model is also proposed. A MPC algorithm suitable for systems with discrete inputs is treated. The benefits of the MPC algorithm employing the hybrid fuzzy model are verified on a batch-reactor simulation example: a comparison between the proposed modern intelligent (fuzzy) approach and a classic (linear) approach was made. It was established that the MPC algorithm employing the proposed hybrid fuzzy model clearly outperforms the approach where a hybrid linear model is used, which justifies the usability of the hybrid fuzzy model. The hybrid fuzzy formulation introduces a powerful model that can faithfully represent hybrid and nonlinear dynamics of systems met in industrial practice, therefore, this approach demonstrates a significant advantage for MPC resulting in a better control performance.     

基于Smith的自适应模糊网络拥塞控制算法

针对网络拥塞控制系统中因网络时滞对主动队列管理算法产生的不利影响, 提出了一种基于Smith预估的自适应模糊主动队列管理算法。该算法将Smith预估控制与自适应模糊控制相结合, 利用Smith预估器补偿网络时滞, 同时运用模糊控制在一定程度上克服了传统Smith预估器对模型结构与参数的精确性过于敏感、鲁棒性差等缺点。仿真结果表明, 该方法可以使队列长度快速收敛到设定值, 同时维持较小的队列振荡, 尤其是在网络条件变化的情况下, 该算法优于传统PI控制、模糊控制和传统的滑模控制。     

一种基于T-S模糊模型的自适应预测函数控制

针对离散时间非线性系统,提出了一种基于T-S模糊模型的自适应预测函数控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型后件参数,以克服模型失配对系统性能的影响。根据辨识得到的模型参数直接递推计算模型的预测输出,而不需要求解Diophantine方程,进而直接递推求解预测控制律,而不需要求解矩阵逆。仿真结果表明,该算法具有良好的跟踪性能和较强的鲁棒性。     

Fuzzy Predictive Functional Control in the State Space Domain

In the paper, a well-known predictive functional control strategy is extended to nonlinear processes. In our approach the predictive functional control is combined with a fuzzy model of the process and formulated in the state space domain. The prediction is based on a global linear model in the state space domain. The global linear model is obtained by the fuzzy model in Takagi–Sugeno form and actually represents a model with changeable parameters. A simulation of the system, which exhibits a strong nonlinear behaviour together with underdamped dynamics, has evaluated the proposed fuzzy predictive control. In the case of underdamped dynamics, the classical formulation of predictive functional control is no longer possible. That was the main reason to extend the algorithm into the state space domain. It has been shown that, in the case of nonlinear processes, the approach using the fuzzy predictive control gives very promising results.     

A new T-S fuzzy model predictive control for nonlinear processes

In this paper, a novel fuzzy Generalized Predictive Control (GPC) is proposed for discrete-time nonlinear systems via Takagi-Sugeno system based Kernel Ridge Regression (TS-KRR). The TS-KRR strategy approximates the unknown nonlinear systems by learning the Takagi-Sugeno (TS) fuzzy parameters from the input-output data. Two main steps are required to construct the TS-KRR: the first step is to use a clustering algorithm such as the clustering based Particle Swarm Optimization (PSO) algorithm that separates the input data into clusters and obtains the antecedent TS fuzzy model parameters. In the second step, the consequent TS fuzzy parameters are obtained using a Kernel ridge regression algorithm. Furthermore, the TS based predictive control is created by integrating the TS-KRR into the Generalized Predictive Controller. Next, an adaptive, online, version of TS-KRR is proposed and integrated with the GPC controller resulting an efficient adaptive fuzzy generalized predictive control methodology that can deal with most of the industrial plants and has the ability to deal with disturbances and variations of the model parameters. In the adaptive TS-KRR algorithm, the antecedent parameters are initialized with a simple K-means algorithm and updated using a simple gradient algorithm. Then, the consequent parameters are obtained using the sliding-window Kernel Recursive Least squares (KRLS) algorithm. Finally, two nonlinear systems: A surge tank and Continuous Stirred Tank Reactor (CSTR) systems were used to investigate the performance of the new adaptive TS-KRR GPC controller. Furthermore, the results obtained by the adaptive TS-KRR GPC controller were compared with two other controllers. The numerical results demonstrate the reliability of the proposed adaptive TS-KRR GPC method for discrete-time nonlinear systems.     

基于T-S 模型的模糊预测控制研究

提出一种基于T—S模型的模糊预测控制策略．利用模糊聚类算法高线辨识T—S模型，采用带遗忘因子的递推最小二乘法进行模型参数的选择性在线学习；对模糊模型在每一采样点进行线性化，将T—S模型表示的非线性系统转化为线性时变状态空间模型，并将约束非线性优化问题转化为线性二次规划问题，解决了非线性预测控制中如何获得非线性模型和非线性优化在线求解的难题．将预测域内的线性模型序列作为预测模型，减小了模型误差，提高了控制性能．pH中和过程的仿真验证了该方法的有效性．     

基于DSP的快速货车电子防滑器的研究

介绍一种以DSP为核心,以模糊控制为算法的快速货车电子防滑器。该防滑器通过实时采集各车轴速度信号来检测车轴的滑行状态,及时调整制动缸压力防止车轴打滑。详细分析了防滑器结构以及其中的速度检测和滑行判定方法。实验室模拟试验结果表明,基于DSP的快速货车电子防滑器具有响应快、准确性高的特点。     

大时滞系统自适应模糊Smith控制

针对大时滞对象,把史密斯（Smith）预估控制原理和模糊控制器参数的自适应调整方法结合起来,即在Smith预估控制系统中,利用自适应机制在线整定模糊控制器的参数,即根据控制系统在各个阶段呈现出的不同特点来适时调节模糊控制器的量化和比例因子,以适应对象特性的变化。仿真研究表明,所提方法能有效克服普通模糊控制算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷,提高了普通模糊控制器对大滞后系统的控制能力。同时该算法还具有很强的鲁棒性和良好的控制品质。