一种非线性模糊自适应控制方法

利用模糊逻辑,提出了一种非线性模糊自适应控制方法,其特点是利用非线性系统的估计模型已知,存在模糊逻辑系统来描述误差模型及控制作用的条件来设计控制方案及自适应调节律,在模糊逻辑系统中参数都是任意可调的,并证明了在一定条件下,该控制器能跟踪所给定的有界信号。     

基于T-S模糊模型的直接自适应预测控制

提出一种基于T-S模糊模型的直接自适应预测控制算法。该算法利用加权递推最小二乘法在线辨识T-S模糊模型的后件参数。用已经辨识好的参数,进行直接迭代计算,直接得到模型的预测输出。此算法很好地解决了非线性预测控制中,建模与优化两大难题,为非线性系统的高精度控制提供了保证。计算机仿真表明,该算法具有较好的跟踪性能。     

基于T-S模型的自适应模糊预测函数控制

针对多变量非线性系统，提出一种基于Takagi-Sugeno(T-S)模型的自适应模糊预测函数控制方法.在T-S模糊模型结构已确定情况下，利用加权递推最小二乘法对T-S模糊模型后件参数进行在线辨识.对模糊模型在每一采样点进行线性化，将描述非线性系统的T-S模型转化为线性时变的状态空间模型，并假设输入基函数为阶跃函数，推导出预测控制律的解析式.仿真结果表明，该方法在求解控制律时，无需求解非线性优化问题，并且有效克服了模型失配对系统控制性能的影响，增强了系统的跟踪性能和鲁棒性.     

基于模糊—神经融合的自适应模糊控制系统研究

模糊逻辑系统与人工神经网络各具优势,前者善于利用专家语言信息,后者有强大的学习能力,两者的结合可以取长补短。基于模糊逻辑系统与神经网络技术提出一种自适应模糊控制系统,其特点是模糊控制器具有多层前向网络结构。基于一种近最优的性能指标导出其参数自适应的误差反向传播算法。为了克服传统算法收敛慢的缺点,提出用模糊逻辑来调整学习过程的方法。通过倒立摆平衡控制仿真研究验证了所提出的自适应模糊控制系统及其快速学     

移动机器人的自适应模糊滑模动力学控制

针对非完整移动机器人轨迹跟踪控制问题,提出了一种基于自适应分流运动学控制与自适应模糊滑模动力学控制的混合控制算法.自适应分流运动学控制解决了由于大范围的初始位姿偏差变化而引起的速度跳变问题.利用滑模控制具有的稳定性和鲁棒性的优点,解决了机器人的参数与非参数不确定性问题.并通过带有自适应调节算法的模糊控制来调节滑模控制的...     

基于模糊逻辑的滑模控制及其应用

根据滑模控制原理,提出了一种基于模糊逻辑的滑模控制设计方法,此方法将滑模控制和模糊控制的长处综合在一起,不仅增强了系统的鲁棒性,同时削弱颤抖,仿真结果表明了这种算法的有效性和简洁性。     

基于动态神经模糊算法的船舶航向自适应控制

针对船舶航向控制中模型参数变化引起的不确定性问题,提出一种基于动态神经模糊模型(DNFM)的自适应控制算法.DNFM在学习中同时调整结构和参数,充分逼近Norrbin非线性船舶NARX模型的逆动力学.训练好的DNFM与PD控制器并联构造自适应控制器用于航向控制,且以PD控制器的输出作为自适应律的自变量,进一步在线调整DNFM的权值.以5446 TEU集装箱船的航向控制仿真结果验证了算法的有效性.     

双直线电机同步驱动系统中模糊自适应PID控制方法的研究

以龙门移动式镗铣加工中心进给方向上的双直线电机为研究对象，针对双进给轴在扰动下的速度以及加速度的不同步，采用模糊自适应与传统PID控制相结合的方案，实现了对PID控制器参数的在线自动整定.将这种控制方案应用于双直线电机驱动的两轴之间的反馈回路中，并采用速度与加速度双重补偿，以尽快地抑制由不同步引起的扭矩.仿真结果表明，此种方案抗扰性能强、鲁棒性、快速性及动态性能均良好，能够较好地满足被控对象对高精度的要求.     

连续消毒塔系统的自适应模糊PID控制

本文提出的自适应模糊ＰＩＤ控制器，是在传统的模糊ＰＩ控制器基础上增加了具有预测作用的模糊ＰＤ控制和性能指标监督的适应性控制，使系统的控制性能大大提高，且保持了控制器结构简单和易于实现的优点。仿真研究表明了该方法的有效性。     

控制方向未知的无人帆船自适应动态面航向控制

针对四自由度无人帆船存在模型不确定、控制方向和外部环境扰动均未知的情况,本文提出一种神经网络自适应动态面航向控制方法。该方法采用RBF神经网络逼近无人帆船模型不确定部分,利用Nussbaum函数处理系统的未知控制增益函数,并设计σ-修正泄露项的参数自适应律对神经网络逼近误差与外界环境扰动总和的界进行估计,同时引入动态面方法,消除反演法中的"计算膨胀"问题,降低控制器的复杂性。Lyapunov函数稳定性分析证明所设计控制器能够保证航向保持闭环系统内所有信号的一致最终有界性,并通过一艘12 m型无人帆船模型进行仿真验证。结果表明:无人帆船航向保持响应速度快,所设计的控制器能有效地处理模型不确定项和风浪等外界扰动,具有较强的鲁棒性。     

基于参考模型的移动机器人直接自适应模糊控制

移动机器人是一个多种功能为一体的综合系统．在控制和规划方面缺乏智能性和鲁棒性。本文提出利用参考模型的直接型自适应模糊控制方法．即直接调整控制器的参数,直到把控制对象和参考模型之间的输入误差减少到10^-6的范围为止．运动控制效果很好。     

T—S模糊控制在乙型病毒性肝炎传播过程中的应用

基于微分代数方程描述的己型病毒性肝炎传播模型,构造了相应的广义T-S模糊模型。利用T-S模糊广义系统控制方法,设计状态反馈控制器,以抑制传染病的发展,使乙肝病毒传播模型在无病平衡点达到稳定状态。通过数值模拟验证了结论的合理性。     

一种新型的模糊神经网络自适应控制系统

结合神经网络控制和模糊控制的各自特点,提出了一种新的基于神经网络的模糊自适应控制算法,并给出了该算法的仿真与分析结果.利用该算法实现了基于模糊神经网络的智能控制系统的建立.     

自适应模糊PID控制在ATM网络流量控制中的应用

针对ATM网络中的可用比特率(ABR)业务,应用自适应模糊PID控制方法,探索了实际网络中可行的控制机制和策略,并分析了在有不同回路时延的情况下闭环系统的稳定性,进而给出了各个参数的确定方法。仿真结果表明在合适的参数组合下,系统具有很好的自适应能力和动态性能,保证了ATM网络的服务质量。     

基于多重模糊神经网络的PID温度控制算法

传统PID算法在控制具有大滞后、非线性、时变性等动态特性复杂的温度对象时,存在超调量大、参数无法自调节、模型自适应能力差、系统稳定性低等问题。为此,文章提出一种多重T-S型模糊神经网络PID温度控制算法。该算法根据PID算法的结构特点,利用T-S型模糊神经网络的单输出特性,建立能分别输出PID 3个参数的3重网络模型。MATLAB仿真实验结果表明,该算法与传统PID、BP神经网络PID,以及常规模糊神经网络PID等相比,超调量低,稳定性好,模型自适应性强,抗干扰能力强,综合性能指标好。     

基于模糊干扰观测器的抗饱和自适应反步控制

针对一类输入受限的非匹配不确定非线性系统,提出了一种抗饱和自适应反步控制方法.利用模糊干扰观测器在线逼近系统的未知非匹配不确定及干扰,采用反步控制方法设计自适应控制器.控制系统设计中引入限幅滤波器,有效降低了控制输入饱和对系统稳定性的影响,并且控制器设计无需对虚拟控制律进行重复求导.利用李亚普诺夫稳定性定理,证明了闭环系统渐近稳定.仿真结果表明了该方法的有效性.     

Variable universe adaptive fuzzy control on the quadruple inverted pendulum

This paper focuses on the control problem of the quadruple inverted pendulum by variable universe adaptive fuzzy control. First, the mathematical model on the quadruple inverted pendulum is described and its controllability is versified. Then, an efficient controller on the quadruple inverted pendulum is designed by using variable universe adaptive fuzzy control theory. Finally the simulation of the quadruple inverted pendulum is shown in detail. Besides, the experimental results on the hardware systems, i.e. real object systems, on a single inverted pendulum, a double inverted pendulum and a triple inverted pendulum are briefly introduced.     

A simplified adaptive interval Type-2 fuzzy control in practical industrial application

Adaptive Type-2 fuzzy control possesses control performance better than the traditional adaptive fuzzy control.However,heavy computation burden obviously blocks the utilization of adaptive Type-2 fuzzy control in industrial application.By adopting novel piecewise fuzzy sets and center-average type-reduction,a simplified adaptive interval Type-2 fuzzy controller involving less computation is developed for practical industrial application.In the proposed controller,the inputs are divided into several subintervals and then two piecewise fuzzy sets are used for each subinterval.With the manner of piecewise fuzzy sets and a novel fuzzy rules inference engine,only part of fuzzy rules are simultaneously activated in one control loop,which exponentially decreases the computation and makes the controller appropriate in industrial application.The simulation and experimental study,involving the popular magnetic levitation platform,shows the predicted system with theoretical stability and good tracking performance.The analysis indicates that there is far less computation of the proposed controller than the traditional adaptive interval Type-2 fuzzy controller,especially when the number of fuzzy rules and fuzzy sets is large,and the controller still maintains good control performance as the traditional one.