非线性系统基于T-S模型的广义预测控制

对一类非线性系统,采用一种快速的模糊辨识方法离线建立系统的T—S模型,在采样点处根据辨识模型进行动态线性化处理,进而采取广义预测控制策略,同时为了适应系统的不确定性和扰动引起的变化,进一步提高控制效果,提出以模糊补偿作为在线辅助修正的策略。仿真研究表明所提方法有效。     

基于T-S模糊模型的辨识算法

提出一种新的基于T－S模糊模型的辨识算法。该算法可分为2步,第1步是比较粗糙的辨识,按子空间的线性程度来划分输入空间,规则前件参数由于空间的中心和大小决定,规则后件线性参数由最小二乘法确定2步是模的精细调整,利用梯度下降法调节隶属函数和规则后件的线性参数,仿真实验说明了该算法的有效性。     

基于T- S模型的钻杆对中自适应预测控制

为非线性系统建立T－S模糊模型,采用基于T－S模型的局部递推最小二乘法对模糊规则后件参数进行辨识，然后用一步预测控制的方法进行控制。在钻杆对中控制中，定义了矢量化的时间为控制量，采用上述方法，在实际中取得了良好的效果。     

基于RBF模糊神经网络模型的广义预测控制

广义预测控制对线性系统具有较好的控制效果，为将它应用到非线性系统，本文提出一种将RBF模糊神经网络与广义预测控制相结合的方法，仿真证明控制有效。     

一种基于新型的非参数模型的广义预测控制器

对线性系统给出了一种新型的非参数模型,并基于此模型设计了广义预测控制器,仿真例子说明了这种控制器的良好性能.     

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．     

航空发动机T-S模型模糊广义预测控制算法设计

研究了在航空发动机全权限数字式电子控制（FADEC）系统中引入模糊广义预测控制算法问题.研究采用T-S模型描述航空发动机的非线性动态特性,并结合广义预测控制算法来实现对发动机的控制.此法能很好地解决航空发动机模型的难确定性和其较高的鲁棒性、实时性要求这一矛盾.仿真结果证明了该方法的有效性.未来的研究工作将在现有工作的基础上,进一步改善预测模型的在线校正和多变量控制问题.     

基于神经模糊模型的船舶航行广义预测控制

本文采用模糊神经网络对船舶航行进行建模并在此基础上，将模糊神经网络与广义预测控制算法相结合．对船舶航行进行控制．仿真结果表明了该方法有效性。     

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。     

一种基于T-S模型的快速自适应建模方法

在分析Takagi-Sugeno模型的网格法（即ANFIS方法），聚类法和模糊树法的基础上，提出一种新的改进的建模方法，它划分的空间的个数与分布和采样数据的特征密切相关，具有自适应能力。应用国际标准例题进行仿真，说明了该方法的有效性。     

基于不确定T-S模型的模糊滑模自适应控制

提出一种不确定T-S模型的模糊滑模自适应控制方法。通过变换将该模型转换成3个组成部分：线性标称系统,已知非线性部分和未知不确定部分。针对它们设计3个控制器,其作用分别为：强迫系统沿着滑模面运动,消除已知扰动对线性标称系统的影响,克服不确定扰动(采用模糊滑模自适应控制,无需知道不确定的界限)。该方法无需求正定矩阵就能保证系统全局稳定。     

快速递推广义预测控制

本文利用反向递推方法对广义预测控制的准则函数进行变换，得出一种递推的快速ＧＰＳ算法。     

基于T-S模糊模型的滑模跟踪控制

基于T-S模糊模型设计跟踪控制器,它包括两个部分:权重最大子系统局部反馈控制和采用滑模控制设计的全局监督控制,能保证系统稳定.倒立摆跟踪控制结果证明了算法的有效性.     

模糊广义预测控制及其应用

本文将单变量广义预测控制原理应用到多变量模糊系统,提出了一种基于辨识模糊模型的多变量预测控制方法.仿真研究表明,该模糊广义预测控制方法适用于工业过程的动态辨识和控制,交能取得良好的效果.     

基于模糊树模型的间接自适应模糊控制

提出了一种基于模糊树模型的间接自适应模糊控制器的设计方法. 采用模糊树辨识方法离线辨识系统中的未知非线性函数, 得到初始的控制器, 然后在线调节模糊树模型中的线性参数, 改善控制器的性能, 实现对有界参考信号的跟踪控制. 通过对倒立摆系统进行数值仿真, 验证了所提方法的有效性和优越性.     

Predictive Functional Control Based on Fuzzy Model: Comparison with Linear Predictive Functional Control and PID Control

The implementation of the fuzzy predictive functional control (FPFC) on the magnetic suspension system is presented in the paper. The magnetic suspension system was in our case the pilot plant for magnetic bearing and is an open-loop unstable process, therefore a lead compensator was used to stabilize it. The high quality control requirements were a-periodical step response and zero steady-state error. Adding the integrator to a feedback causes overshoot. The solution to the problem was cascade control with fuzzy predictive functional controller in the outer loop. To cope with the unknown model parameters and the nonlinear nature of the magnetic system, a fuzzy identification based on FNARX model was used. After successful validation the obtained fuzzy model was used for controller design. The FPFC is compared with a cascade linear predictive functional control (PFC) and PID control. The results we obtained with the FPFC are very promising and hardly comparable with conventional control techniques.     

基于ARMAX模型的新型广义预测控制

本文中提出了基于ARMAX模型的新型广义预测控制,揭示了其控制策略与模型算法控制(MAC)之间的内在联系。     

基于T-S模糊模型的采样系统鲁棒耗散控制

研究基于T-S (Takagi-Sugeno)模糊模型的采样控制系统鲁棒耗散控制问题. 利用2阶B-L (Bessel-Legendre)不等式和整个采样间隔 $\left[ {{t_k},{t_{k + 1}}} \right)$的特征信息, 提出一个基于B-L不等式的双边时间相关不连续L-K (Lyapunov-Krasovskii)泛函. 使用提出的L-K泛函和改进的自由矩阵不等式, 建立了确保系统严格($\mathcal{Q}$, $\mathcal{S}$, $\mathcal{R}$)-$\gamma$-耗散的充分条件. 基于所得耗散条件, 给出了T-S模糊采样控制器的设计方法, 并用于处理卡车拖车的控制问题. 仿真结果表明所提出的控制器设计方法非常有效.