基于跟踪误差调节的模糊直接广义预测控制

针对广义预测控制(GPC)计算量大的缺陷,提出一种模糊直接广义预测控制(FDGPC)方法。该方法首先利用中值定理将一类非线性系统等价表示为时变线性系统,然后通过模糊逻辑系统直接设计预测控制器, 并利用跟踪误差对控制器参数θu进行自适应调整。理论证明了该方法可使跟踪误差收敛到原点的一个小邻域内。仿真结果验证了此方法的有效性。     

基于观测器非线性不确定系统的自适应模糊控制

针对一类单输入单输出不确定非线性系统，提出一种稳定的自适应模糊控制方法，该方法不需要系统状态可测的条件，而是通过设计模糊状态观测器来估计系统的状态，证明了所提出的控制方法不但能使闭环系统稳定，而且输出误差可取得H∞跟踪控制性能，仿真结果进一步验证了该控制算法的实用性和有效性。     

一类大系统的直接自适应分散模糊控制

对一类未知非线性大系统，提出一种直接自适应模糊控制策略，实现了对大系统的分散控制，证明此控制算法可保证大系统稳定，各子系统的跟踪误差收敛。仿真结果证明了所提出算法的有效性。     

基于后推设计的直接自适应模糊控制

针对一类严格反馈不确定非线性动态系统，提出一种直接鲁棒自适应模糊控制新方案．利用模糊系统的逼近能力、后推设计方法和积分型李亚普诺夫函数，依次确定各虚拟控制及模糊系统中可调参数的自适应律，并最终确定出控制律．为改善控制系统的性能，引入逼近误差的自适应补偿项．通过李亚普诺夫方法，证明了闭环系统是一致终结有界的．仿真结果表明了该方法的有效性。     

非线性系统的直接自适应输出反馈监督模糊控制

针对一类单输入单输出非线性不确定系统，提出一种稳定的直接自适应模糊输出反馈监督控制算法，该算法不需要系统的状态完全可测的假设条件，监督控制不仅迫使系统的状态在指定的集合内，而且当模糊自适应控制处于良好的工作状态时，监督控制可以关闭，证明了整个模糊自适应输出反馈控制算法可以保证闭环系统稳定。     

一种鲁棒补偿的直接自适应模糊控制算法

针对一类含有不确定项的非线性系统,提出了一种鲁棒直接自适应模糊控制算法,可在系统的控制增益已知、部分已知和未知三种情况下,实现系统跟踪有界参考信号的控制目标。该算法采用广义模糊双曲正切模型逼近系统的等价控制项,广义模糊双曲正切模型具有模糊规则个数少,更易于用语言描述获取的特点,在实际应用中更易实现。同时,引入鲁棒补偿项消除系统的不确定项和逼近误差,放宽系统稳定条件为最小近似误差有界。利用Lyapunov函数证明了采用上述控制策略保证了控制系统跟踪误差收敛到原点的一个小的邻域内,且所有的变量一致有界。仿真例子说明了该算法的有效性。     

非线性不确定系统的直接自适应输出反馈模糊控制

针对一类单输入单输出非线性不确定系统，基于状态观测器并结合自适应模糊系统和滑模控制，提出一种稳定的直接自适应模糊输出反馈控制算法。该算法不需要系统状态可测的条件，并能保证闭环系统稳定。仿真结果表明了该方法的有效性。     

一类大系统的直接自适应分散模糊控制

本文针对一类未知非线性大系统,提出了一种直接自适应模糊分散控制策略．设计中 ,首先在假设各子系统的动态已知的条件下,设计最优分散控制,然后用模糊自适应系统逼 近最优分散控制．同时引入模糊滑模控制消除各个子系统之间的相互作用,外部干扰和模糊 系统的逼近误差．并对所设计的控制系统进行了稳定性分析．     

基于模糊逻辑的一类非线性系统直接自适应控制

针对一类连续非线性不稳定系统,基于模糊逻辑提出了一种新的自适应跟踪控制方法,在此方法中,控制器由两部分组成：模糊逼近控制器（FAC）和模糊滑模补偿控制器（FSMCC）,其中,FAC利用模糊逻辑系统全局逼近理论控制器,FSMCC用于全局补偿逼近误差和系统的不确定性及消除外部干扰的影响,整个闭环控制系统在Lyapunov意义下全局渐进稳定踊跃误差收敛于零的某一领域内,最后通过示例验证了本方法的有效性。     

基于分层模糊系统的直接自适应控制

为解决模糊控制器中规则数目随系统变量呈指数增长的问题，利用分层模糊系统设计了一类非线性系统的直接自适应模糊控制器，并证明了所提出的设计方法不但能保证闭环系统的一致有界性。而且可使跟踪误差收敛到原点的小领域内，通过对倒立摆控制的仿真研究验证了该方法的有效性。     

一类非线性MIMO系统的直接自适应模糊鲁棒控制

针对一类未知的非线性MIMO系统, 本文提出了一种直接自适应模糊鲁棒控制设计方法. 理论分析和仿真实验都已证明, 该方法确保闭环系统全局稳定, 获得H_∞跟踪性能指标, 外部干扰、模糊逻辑逼近误差和输入对输出的交叉耦合可衰减到给定的水平, 系统鲁棒性好.     

Direct adaptive fuzzy control with membership function tuning

In this paper, a direct self‐structured adaptive fuzzy control is introduced for the class of nonlinear systems with unknown dynamic models. Control is accomplished by an adaptive fuzzy system with a fixed number of rules and adaptive membership functions. The reference signal and state errors are used to tune the membership functions and update them instantaneously. The Lyapunov synthesis method is also used to guarantee the stability of the closed loop system. The proposed control scheme is applied to an inverted pendulum and a magnetic levitation system, and its effectiveness is shown via simulation. Copyright © 2011 John Wiley and Sons Asia Pte Ltd and Chinese Automatic Control Society     

模糊自适应控制算法的新方案

针对一种标准形式的非线性系统,以Li—xin Wang提出的模糊算法为基础,设计了一种新的自适应模糊控制器,采用直接控制器代替原有的监督控制器．根据Lyapunov定理,在放宽稳定性条件的前提下,证明了此闭环系统的稳定性．同时,给出了直接控制器的范围,由此可以解决由于监督控制器而可能引起的控制器的大幅波动．通过对一阶、二阶控制系统的仿真,可见本算法能大幅度提高系统的响应速度、以及其他的动态响应性能．     

动态不确定非线性系统直接自适应模糊backstepping控制

对一类单输入单输出动态不确定非线性系统,提出一种直接自适应模糊backstepping和小增益相结合的控制方法.设计中,首先用模糊逻辑系统逼近虚拟控制器:其次把自适应模糊控制和backstepping控制设计技术相结合.给出了直接自适应模糊控制设计方法.最后基于Lyapunov函数和小增益方法证明了整个闭环系统的稳定性.仿真实例进一步验证了所提方法的有效性.     

控制方向未知的SISO非仿射系统间接自适应模糊输出反馈控制

针对一类单输入单输出(SISO)非仿射非线性系统控制方向未知时出现的控制器奇异问题,提出了一种间接自适应模糊控制方案.利用中值定理将非仿射系统转化为仿射系统,通过模糊逻辑系统逼近该仿射系统中的未知函数,并构造模糊控制器,同时利用Lyapunov稳定性定理设计自适应律,最终克服了控制器的奇异问题;在此基础上,通过构造观测器估计跟踪误差,设计输出反馈自适应模糊控制器,解决了状态不可测时系统控制器设计难题,采用Lyapunov稳定性定理证明控制器能使得跟踪误差收敛同时闭环系统所有信号均有界.仿真结果验证了所设计控制方案的可行性与有效性.     

Direct adaptive neural network controller for a class of nonlinear systems based on fuzzy estimator of the control error

A new approach of direct adaptive control of single input single output nonlinear systems in affine form using single-hidden layer neural network (NN) is introduced. In contrast to the algorithms in the literature, the weights adaptation laws are based on the control error and not on the tracking error or its filtered version. Since the control error is being expressed in terms of the NN controller, hence its weights updating laws are obtained via back-propagation concept. A fuzzy inference system (FIS) with heuristically defined rules is introduced to provide an estimate of this error based on the past history of the system behaviour. The stability of the closed loop is studied using Lyapunov theory. A fixed structure is then proposed for the FIS and the design parameters reduce to the parameters of the NN. The method is reproducible and does not require any pre-training of the network weights.     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。