Sugeno模糊模型的辨识与控制

提出了一种新的Sugeno模糊模型辨识算法和对非线性系统进行并行化设计的方 法.在Sugeno模糊模型辨识中,应用模糊聚类方法可将其前提结构和结论参数的辨识分开进 行,减少了计算量;对于非线性系统的控制,Sugeno模糊模型实际上是动态系统的局部线性 化,可采用并行设计的方法设计控制器,然后通过模糊推理得到全局控制量.最后通过倒立摆 系统的控制说明了本文算法的有效性.     

确保鲁棒性能的PID控制器参数域的一种确定方法

研究了将混合灵敏度的H∞范数作为PID控制器的鲁棒设计指标时,控制器参数的可行域确定问题．首先将混合灵敏度的H∞范数要求转化为一族复系数多项式的稳定性要求,再加上基本闭环特征多项式的稳定性,通过求解这些含参数多项式的稳定性,解出参数的可行域．在求解多项式稳定性的过程中,采用了推广的Hermite—Biehler定理．     

基于混沌优化的有约束广义预测控制器

针对传统优化算法解决约束广义预测控制的优化问题时存在计算量大、不能找到全局最优解等缺点,该文尝试用混沌优化算法来解决此类问题.提出一种用混沌优化算法作为滚动优化策略的有约束广义预测控制算法(COGPC).该算法可以有效地处理约束并找到全局最优解,是一种新的"软约束"方法.最后通过仿真验证了该方法的有效性.     

基于扩展Elman网络的非线性自校正控制器

阐述了将Elman网络结构进行扩展,并采用扩展卡尔曼滤波算法(EKF)作为网络权值的在线学习算法,并在此基础上建立一步超前预测控制器.仿真结果验证了本控制器对非线性系统控制的有效性.     

小脑模型关节控制器(CMAC)理论及应用

CMAC神经网络因具有收敛速度快、泛化能力强、结构简单、易于软、硬件实现等特点,而得到广泛的应用.本文系统地综述了CMAC神经网络的结构、算法、收敛性以及在控制中的应用.指出CMAC神经网络的发展方向及在实际应用中需要解决的问题.     

基于神经网络PID控制器的混沌系统控制与同步

提出了一种基于神经网络参数自整定PID控制器的混沌控制方法。该方法由神经网络辨识器和神经网络控制器组成,神经网络学习算法均采用Davidon最小二乘法。考虑到混沌系统的动力学特性,施加单个控制量可实现模型未知混沌系统的平衡点镇定和自同步,仿真结果证实了该方法的有效性。