模糊控制和神经网络相融合的研究及其在家电产品中应用

综述了模糊控制和神经网络相融合的研究，列举了若干种由神经网络实现模糊规则和模糊控制器的方法．这些利用神经网络的模糊控制器，能自动地辨识控制规则和校正隶属函数．最后叙述了该方法在家电产品中的应用。     

飞机自动驾驶仪俯仰控制系统仿真研究

分别对比设计了PID控制器、LQR最优控制器和模糊控制器,并建立了对应的Matlab控制模型进行仿真研究。阶跃响应仿真实验结果表明：飞机俯仰系统LQR控制器与模糊控制器比飞机俯仰系统PID控制器能更好地实现对飞机俯仰角的控制,具有响应快速、超调小、误差小的优点;飞机俯仰系统LQR控制器比模糊控制器响应更快,跟踪性能更好,而飞机俯仰系统模糊控制器在抗干扰鲁棒性、跟踪性能和稳态性能指标综合考虑上优于LQR控制器,更适用于实际的飞行环境。     

一类基于神经网络的非线性时延系统的稳定性分析和控制

针对一类有参数摄动和时延的非线性不确定性系统．提出了一种稳定性分析方法。控制方案将鲁棒控制和神经网络控制结合起来．首先由线性矩阵不等式(LMI)设计了参考模型即系统线性部分的鲁棒控制器,然后用神经网络来消除系统建模不确定非线性部分。稳定性分析中综合了参数摄动、时延和神经网络权值．合理地选择Lyapunov函数证明了误差闭环系统的稳定性．     

目标函数能自动在线调整的自校正控制器

本文论述了一种目标函数能自动在线调整的新型自校正控制器。这种自校正控制器既保留了最小方差控制器能达到渐近最优性能指际、算法简单、在线计算量小的优点,又采用了极点配置设计方法,以确保闭环系统稳定性和要求的动态响应。因此它兼有最小方差和极点配置两者的优点,使确定目标函数权多项式这个难题迎刃而解。 该自校正控制器首先通过广义最小二乘辨识,获得对象的参数a_i和b_i,然后由极点配置求得目标函数的权多项式P,Q,R,并建立一个算法,使P,Q,R随对象参数变化而自动地在线调整。数字仿真表明,这种控制器特别适用于具有大惯性和慢时变的对象,在工业控制中具有广泛的应用前景。     

某涡扇发动机主燃油通道模糊控制器设计

针对某型涡扇发动机的性能控制,设计了一种可进行多输入选择的开关式双模非对称、非线性段量化因子可自寻优的Fuzzy控制器.其可以在最大和加力状态对发动机状态进行控制,克服了一般模糊控制器因发动机转速动态响应变化快而不能进行实时调整和控制的缺点.该控制器输出与某涡扇发动机电子综合调节器的输出结果的实验比较表明:双模Fuzzy控制器设计简单,有较好的静态、动态特性,与实际输出比较误差较小,且具有很好的非线性校正作用,可作为实际发动机主燃油通道的数字控制器.     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度,即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出,并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

基于遗传算法的参数优化在控制器设计中的应用

本文详述了遗传算法作为一种随机搜索算法在控制器设计参数优化中的应用。从遗传算法基本原理入手，结合工程实际，论述了遗传算法在PID控制器设计、鲁棒控制器设计、最优控制、系统参数辨识、模糊逻辑控制系统和神经网络控制中的应用成果。讨论了影响遗传算法的因素，并提出了改进的策略。     

直流调速系统的模糊自适应PID控制器设计

利用模糊自适应PID控制器对直流调速系统进行控制,设计了三个自适应模糊控制器分别实时调整PID参数。结合MATLAB中的Fuzzy toolbox和SIMULINK,实现了该模糊自适应PID控制器的计算机仿真。结果表明,该控制器提高了系统的稳态和动态性能。     

PID控制器参数的隶属函数自整定技术及其应用研究

Ｐ Ｉ Ｄ 控制技术在工业过程控制中得到了广泛应用，但传统的 Ｐ Ｉ Ｄ 控制器不具有参数的在线整定功能，当系统工作条件较差时，难以满足控制要求，从而影响了控制品质的进一步提高。本文应用模糊数学中的隶属函数， 以工程施工机械中大量应用的液压阀控油缸为被控对象，建立数学模型和试验系统，实现 Ｐ Ｉ Ｄ 控制器参数的在线自整定。文中对其理论方法、计算机仿真和应用研究进行了论述。     

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.     

综合火力／飞行控制系统的模糊控制及其仿真研究

研究了综合火力／飞行控制系统（ＩＦＦＣＳ）的模糊控制问题，首先给出了飞机纵向运动的火力／飞行控制系统的数学模型，然后讨论了基本模糊控制器的结构方案和设计过程，在分析了不同量化因子及比例因子对控制特性的影响后，对基本模糊控制器进行了改进，提出了分段因子模糊控制器和经过一次修正的模糊控制器的设计思想，最后，对包含模糊控制器的ＩＦＦＣＳ进行了计算机仿真。仿真结果表明，对ＩＦＦＣＳ采用模糊控制方法是可行的     

非线性飞控系统的滑模PI混合模糊逻辑控制

针对一类空间飞行器的非线性姿态控制问题，首先通过变换将其强耦合模型分解成若干个子系统，把各子系统之间的耦全、未建模动态和外界扰动视为系统的不确定性。而后提出了一种结合滑模控制与比例积分控制的模糊逻辑控制器，运用李亚普诺夫原理对系统的稳定性进行了分析。用这种控制器对系统进行分散鲁棒自适应控制，仿真说明相对于传统滑模控制器，它具有响应速度快，跟踪精度高，鲁棒性强的优点。     

基于模糊径向基神经网络的小型无人机控制系统研究

为保证小型无人机的飞行安全,提出一种由无人机飞行控制器和地面学习单元构成的两层网络学习控制系统架构。无人机飞行控制器采用模糊控制策略,学习单元采用经遗传算法优化的径向基神经网络,充分利用模糊控制和神经网络的各自优势,将模糊控制策略与RBF神经网络相结合提出了一种基于RBF神经网络的自学习模糊控制策略。所设计的飞行控制器用于无人机飞行过程中的姿态控制,仿真及实验结果表明本方法是有效的。     

神经网络控制在综合火力／飞行系统中的应用

提出了两种基于模糊控制的神经网络控制器的设计方案，并将这两种控制器应用于综合火力／飞行系统的耦合控制。两种方法的主要差别在于获取样本的方式不同。方案１是通过对模糊控制方法得到的响应曲线采样获取样本，由Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法训练神经网络，得到一组固定权值。神经网络控制器采用这组权值以“联想记忆”的方式工作。方案２则从用模糊控制算法得到的控制查询表中获取样本。因为模糊控制查询表比较大，采样时依据该表构成的相平面图的特点，对采样点数进行了压缩，使所设计的神经网络的规模可以接受，其余的设计步骤与方案１基本相同。仿真结果表明，采用这两种神经网络控制器的控制系统都具有良好控制性能     

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。     

航空发动机多路模糊切换控制系统设计

针对航空发动机在不同控制通路切换过程中出现的转速等参数发生大幅度跳变以及系统不稳定的问题,提出了一种模糊切换控制方法,设计了基于不同结构控制通路的模糊切换控制器,基于无源性概念对航空发动机多路模糊切换控制系统进行了稳定性分析,得到了多路模糊切换控制系统稳定的充分条件。航空发动机模糊切换系统与直接切换系统仿真结果表明了航空发动机多路模糊切换控制方法的有效性。     

机载光电跟踪系统基于遗传算法的模糊控制器优化设计研究

分析了机载光电跟踪系统的构成，并对机载光电跟踪系统的最主要成部分－陀螺平台框架系统设计了基于GA（遗传算法）的模糊控制器，由于遗传算洒可以搜索整个空间，不易陷入局部最优解，不受搜索空间的限制性假设的约束，因此本文通过遗传算法对模糊控制器的控制规则，参数以及量化因子和比例因子进行了优化，在对模糊控制器设计的过程中，为了提高模糊控制的精度并加速遗传算法的收敛速度，还采用了变论域的方法，通过对系统详细的仿真研究，验证了基于GA的模糊控制器设计的良好控制效果。     

模糊控制算法分析及改进

基于E.H.Mamdai等人的模糊控制算法,本文讨论了模糊控制器参数的选择及对系统输出性能的影响。与已有的方法不同,本文注重物理概念的分析,并研究了模糊控制器参数的自调整问题。这是因为基本模糊控制器参数的选择难以同时兼顾控制系统的动静态性能,一般只好采取折衷的方法。为了改善控制系统性能,一种实用的方法是在线调整模糊控制器的参数。文中提出了一种分段式自调参方案,仿真结果表明该方案优于已有的自调参方案。为了达到有效的调参目的,本文给出了模糊控制器参数初始配置的一种关系,并通过仿真,验证了该关系是确切的。最后,基于模糊控制算法的特点,探讨了一种新的模糊控制算法的构思,作为今后进一步研究的问题。