一类非线性系统的模糊自适应跟踪控制

针对一类非线性系统，把模糊T—S模型和自适应模糊逻辑系统两种模糊逻辑方式结合起来，提出了一种基于观测器的跟踪控制方案。首先，应用模糊T—S模型对非线性系统建模，设计观测器用来观测系统状态；由线性矩阵不等式得到模糊模型的控制律。其次，构建了自适应模糊逻辑系统；应用基于权值、中心和宽度三个参数可调节的自适应模糊逻辑系统作为补偿器来补偿建模误差。文中证明了闭环系统满足期望的跟踪性能，实现了跟踪目的。两连杆机械臂的仿真结果表明该方案消除了建模误差对跟踪的影响。     

一类非线性多智能体系统的预定性能控制研究

针对一类非线性多智能体系统,研究了满足预定性能的协同控制问题。基于动态面控制技术和模糊逻辑系统的逼近特性,提出了一种含有预定性能的自适应协同控制算法,并对其进行了仿真。仿真结果表明了该算法能使系统中所有信号均有界,"跟随者"能与"领导者"的输出达到一致,且同步误差在预先给定的性能边界内,并提高了误差精度。     

空天飞行器鲁棒自适应模糊跟踪控制

基于轨迹线性化方法提出了鲁棒自适应模糊跟踪轨迹线性化控制(Robust adaptive fuzzy tracking control,RAFTC)方法,并应用于空天飞行器(Aerospace vehicle,ASV)飞行控制系统设计.利用模糊系统能以任意精度逼近非线性系统的特性,对未知干扰和不确定性进行逼近,求得的模糊函数作为系统不确定界函数,且整个系统仅需在线调整不确定界函数的界,利于工程实现.采用Lyapunov方法,证明了闭环系统所有信号一致最终有界.最后利用本文提出的控制方案设计了空天飞行器飞行控制系统,并在高超声速条件下进行了仿真验证.仿真结果表明了控制方案的有效性和鲁棒性.     

一种基于模糊控制的直升机姿态控制器设计方法

研究了直升机姿态模糊控制技术。首先将专家知识和训练数据相结合生成了直升机的前置模糊姿态控制器。由于模糊控制所固有的不精确性，以及直升机的飞行状态多变，前置模糊姿态控制器无法对直升机进行精确控制，本文提出利用另一个在线自适应模糊控制器补偿控制误差。自适应模糊控制器的自适应学习算法通过李亚普诺夫稳定性分析得到，从而也保征了整个系统的稳定性。仿真算例征明了本文方法的有效性。     

基于神经网络动态逆的歼击机自适应跟踪控制

基于神经网络动态逆方法，给出了一种非线性模型参考自适应跟踪控制方案。应用神经网络直接对非线性系统求逆方法解决了逆系统方法的两个“瓶颈”问题，并且克服了传统的控制设计中将过程模型线性化，从而将不可忽视的非线性关系用线性关系代替或者忽略的弊端。对由于建模误差、不确定因素等引起的非线性系统逆误差，通过自组织模糊小脑模型关节控制器(Self—organizing fuzzy cerebellar model articulation controller，SOFCMAC)神经网络在线进行修正。SOFCMAC神经网络扩大了寻优空间，使其能更好地重构系统逆误差，最终实现准确的鲁棒自适应跟踪控制。通过将这种方法用于某型歼击机姿态系统控制的仿真研究，表明了本文方法的有效性和可行性。     

5自由度机器人手臂模糊自适应控制

为了在一定的跟踪精度范围内且存在不确定性因素的情况下控制机器人跟踪设定的轨迹,给出了一种基于控制器输出误差法的自适应模糊控制法来控制机器人手臂.采用梯度下降法调节部分或全部参数以减小输出误差.该方法被应用于5自由度机器人控制系统中,仿真结果显示模糊逻辑控制器参数得到了实时调整,该方法有效.     

基于模糊逻辑系统的空空导弹攻击区拟合

将空空导弹攻击区的拟合表示成一非线性逼近问题 ,从而利用模糊逻辑系统的万能逼近性质 ,并结合误差反向传播学习算法 (BP算法 )实现了对导弹攻击区的自动学习。在此基础上 ,提出了利用扩展的 T- S推理进行攻击区分组逼近与综合的方法。仿真结果表明该方法具有精度高、参数少、通用性强等优点。     

非线性系统非脆弱多模型切换控制

提出一种基于局部T-S模型的非线性系统非脆弱多模型切换控制,针对一类非线性系统,首先将其输入空间划分为若干个区域,在区域内设计局部T-S模型和控制器,这样在模糊规则数相同的情况下由于模糊论域的变小从而提高了逼近精度.然后根据所选定的变量,通过多模型切换控制,将相应的区域控制器切换为全局控制器,而其他控制器不起作用,实现对整体非线性系统的逼近与控制.同时研究了在控制器增益存在加性摄动的情况下,非脆弱状态反馈控制器的设计方案.仿真结果证明了该方法的有效性.     

航空发动机模型参考模糊自学习控制

模型参考模糊自学习控制方法利用一个参考模型作为被控对象的输出性能要求，并且根据参考模型的输出和实际对象的输出间的误差，经过一个逆模糊模型学习产生模糊控制系统的控制规则。本文基于该方法离线构造了某型发动机的模糊控制器，并在发动机的其它状态及飞行包线的其它点进行在线学习校正，以得到期望的性能。仿真结果表明用该方法设计的模糊控制系统获得了满意的控制效果。     

CNC系统中提高回原位精度的实现

提高回原位精度是计算机数值控制ＣＮＣ系统开发中的关键技术问题之一，本文在指出了以往回原位算法的缺陷并分析了引起数控系统回原位误差因素的基础上，提出了引入回原位国界参数和最终逼近原位方向参数，从而提高数控系统回原位精度的算法，并提出了在闭环或半闭环数控系统中利用检索脉冲输入从而消除原位开关激活边界位置误差的思想，提出了适用于闭环或半闭环数系统的全新的高精度的回原位算法。     

Fuzzy Optimal Control Design for Ship Steering

This paper presents a method to design a control scheme for nonlinear systems using fuzzy optimal control.In the design process,the nonlinear system is first converted into local subsystems using sector non-linearity approach of Takagi-Sugeno(T-S) fuzzy modeling. For each local subsystem,an optimal control is designed. Then,the parameters of local controllers are defuzzified to construct a global optimal controller. To prove the effectiveness of this control scheme,simulations are performed using the mathematical model of Esso Osaka tanker ship for set-point regulation with and without disturbance and reference tracking. In addition,the simulation results are compared with that of a PID controller for further verification and validation. It has been shown that the proposed optimal controller can be used for the nonlinear ship steering with good rise time,zero steady state error and fast settling time.     

基于鲁棒自适应控制策略的混合型步进电机低速伺服控制性能

针对混合型步进电机低速运行状态下脉动转矩较大的特点,应用鲁棒自适应控制策略来设计其低速伺服控制器,以实现高精度的跟踪控制性能.首先,根据混合型步进电机转矩形成的机理,揭示了其固有的脉动转矩对低速运动控制产生不利影响的动力学特征,并将它归结为两种结构不确定性,便于控制器的设计;其次,采取标准的自适应控制及其鲁棒化设计思想,借助于μ-修整策略来实现相应的控制律,确保脉动转矩的最大化补偿及伺服系统低速跟踪控制满足高性能的要求;最后对所建立的低速跟踪控制系统的性能进行了试验评估,并与作者前期的工作进行了比较,试验结果验证了其有效性与可行性.     

采用PQLF的不确定模糊系统最优保性能控制

对一类模有界的参数不确定T-S模糊系统的保性能控制问题进行了分析研究。一个二次指标函数表征了闭环系统的性能。采用分段二次Lyapunov函数(Piecewise quadratic Lyapunov function,PQLF)方法,在使闭环系统渐近稳定的前提下以线性矩阵不等式(Linear matrix inequality,LMI)的形式给出了一种鲁棒最优保性能控制律。同时提出了一种新型分段并行补偿(Parallel distributed compensation,PDC)控制策略。该PDC控制器同样反映了模糊系统前提变量的规则结构信息。数值仿真显示,采用该设计方法所得到的闭环保性能值优于传统二次Lyapunov函数(Common quadratic Lyapunov function,CQLF)方法下的闭环保性能值,且系统动态性能良好,鲁棒性强。     

基于神经网络的非线性自适应输出反馈控制

针对能够采用仿射非线性表示的含有未建模动态的SISO非线性系统，讨论了一种基于神经网络的自适应控制方法，该方法对受控对象的已知部分，有用反馈线性化方法设计控制器，用神经网络在线补偿未建模动态及外部干扰等引起的误差，从而实现自适应控制。对具有未建模动态的双车倒立摆设计了输出反馈自适应控制系统，仿真表明该方法是有效的。     

Performance of Cross-Layer Design with Power Allocation in Space-Time Coded MIMO Systems

A cross-layer design（CLD）scheme with combination of power allocation,adaptive modulation（AM）and automatic repeat request（ARQ）is presented for space-time coded MIMO system under imperfect feedback,and the corresponding system performance is investigated in a Rayleigh fading channel.Based on imperfect feedback information,a suboptimal power allocation（PA）scheme is derived to maximize the average spectral efficiency（SE）of the system.The scheme is based on a so-called compressed SNR criterion,and has a closed-form expression for positive power allocation,thus being computationally efficient.Moreover,it can improve SE of the presented CLD.Besides,due to better approximation,it obtains the performance close to the existing optimal approach which requires numerical search.Simulation results show that the proposed CLD with PA can achieve higher SE than the conventional CLD with equal power allocation scheme,and has almost the same performance as CLD with optimal PA.However,it has lower calculation complexity.     

基于神经网络的一类非线性关联大系统鲁棒滑模分散控制

针对一类具有未知界扰动和子系统部分已知的非线性大系统,结合神经网络逼近方法、滑模控制研究了一种新的分散鲁棒自适应控制方法。所设计的分散控制器分为两部分,一是等效控制器,二是滑模控制器。滑模控制器用来减小系统的跟踪误差,起鲁棒控制作用。文中用神经网络逼近非线性未知函数,将网络权值误差引入到网络权值的自适应律中用以改善系统的动态性能。仿真算例证明了所设计的鲁棒分散控制器是有效的。     

近空间飞行器泛函连接网络自适应预测控制

针对存在强烈不确定和干扰的近空间高超声速飞行器（NHV）,提出了一种新的非线性自适应控制方法。控制律由最优广义预测控制（OGPC）算法和泛函连接网络（FLN）直接自适应律组成。OGPC是一种连续时间的非线性预测控制算法。FLN则通过在线学习来抵消飞行中的未知不确定和干扰的影响。学习过程不需要任何离线训练过程。文中提供了NHV的闭环系统稳定性分析,经过证明系统误差和权值学习误差一致最终有界。对于姿态跟踪系统,仿真结果显示了控制器的良好性能。     

非线性系统的动态神经网络自适应辨识

提出了用双层动态神经网络在线辨识非线性动态系统的方法。神经网络的权重在线学习，不需要离线训练。在无逼近误差和扰动的理想情况下，所提出的在线算法能保证辨识误差趋于零，基函数持续激励条件能保证权重趋于零。在非理想情况下，权重调整律采用ｅ修正权重算法，它是ＢＰ算法的推广，不需要基函数的持续激励条件。基于李雅普诺夫稳定性理论保证了自适应辨识系统的稳定性。仿真算例说明了所提出的动态神经网络自适应辨识的有效性