非线性不确定时滞系统的模糊输出反馈H∞控制

为提高具有变时滞的非线性不确定动态系统的动态性能,研究了模糊鲁棒输出反馈H_∞控制问题。基于线性矩阵不等式(Linear matrix inequality,LMI)技术和T-S模糊模型,首先利用Lyapunov稳定性定理,得到模糊输出反馈控制器存在的一个充分条件,在此基础上,通过构造算法,将该条件转化为易于实现的LMI形式,导出控制器设计方法。设计的模糊输出反馈控制器使得闭环系统渐近稳定且满足H_∞范数指标。实例仿真证明了该设计方法可行．     

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.     

基于LMI的CDF方法在倒立摆控制中的应用研究

基于单级倒立摆这一非线性系统的T-S模糊模型,提出了一种采用模糊模型相除补偿技术和LMI技术相结合的模糊控制器设计方法,并在MATLAB/Simulink上进行了仿真试验。仿真结果表明,该方法与基于LMI的PDC方法相比,具有调节时间短,保守性更小的特点,规则越多,优势越明显,非常适用于复杂非线性系统的控制。     

具有圆形极点和方差约束的不确定离散系统鲁棒控制

对一类具有不确定参数和扰动的线性离散系统，研究了使闭环系统的稳态状态方差小于某个给定的上界，同时闭环极点位于一给定圆盘中的状态反馈鲁棒方差控制器设计问题。导出了控制器存在的条件，并证明了该条件等价于一个线性矩阵不等式系统的可行解问题，进而用这组矩阵系统的可行解给出了一组所求控制器的一个参数化表示。最后通过一个算例说明了该方法的可行性和有效性。     

具有时变时滞不确定切换系统的鲁棒H∞可靠控制

为了克服时变时滞效应对切换系统的不良影响,并使系统具有一定的抗干扰性和可靠性,针对一类执行器故障的时变时滞不确定切换系统,研究了鲁棒H∞可靠控制器的设计问题。首先给出了该类系统的鲁棒可靠控制器,γ-次优鲁棒H∞可靠控制器及γ-最优鲁棒H∞可靠控制器的概念;然后建立了切换系统的执行器故障模型,运用多Lyapunov-Krasovskii泛函方法和线性矩阵不等式(Linear matrix inequality,LMI)技术,给出了执行器故障情况下的鲁棒H∞可靠控制器的设计方法,所得到的关于优化问题中的矩阵不等式不是一组线性矩阵不等式,通过变量替换的方法求得了控制器的增益阵,并且提供了最优扰动抑制性能的迭代求解步骤;最后通过仿真实例验证了设计方法的有效性。结果表明在系统具有不确定参数和执行器故障的情况下,所设计的控制器能够镇定原系统,并使得系统具有H∞扰动抑制性能。     

一种新的抗饱和控制器研究与设计

首先忽略执行器的饱和,设计了能够满足系统性能要求的线性控制,然后设计了饱和补偿器降低饱和的影响,线性控制器使系统有较小的阻尼率以提高响应的快速性;当输出达到设定值时,非线性控制器使系统有较大阻尼率以降低超调量。线性控制器与非线性控制器合成总控制器,结合PID技术,能够实现高精度艰踪控制。本方法设计的控制器应用于伺服跟踪系统,仿真结果表明该方法是有效的。     

基于Hammerstein模型的非线性气动弹性系统辨识

在非线性气动弹性系统的辨识中,Hammerstein模型常用来辨识系统的非线性部分,而假设其线性部分是已知的。本文以累积相干函数为准则,有效地选择非线性部分的基函数,减少辨识参数的数目;利用条件逆谱法得到系统线性部分的极点,并构造相应的正交基函数;基于Hammerstein模型,建立该非线性系统的参数化模型;用非迭代方法求解模型参数;从而提出了能够同时辨识系统线性和非线性部分的非迭代辨识算法。以俯仰方向含刚度五次非线性的二元翼段为例,验证了该辨识方法的有效性。     

不确定时滞系统的模糊鲁棒H∞控制

讨论了一类具有时滞的不确定非线性系统的模糊H∞状态反馈控制问题。采用具有时滞和不确定项的Takagi-Sugeno(T-S)模糊模型对非线性系统进行建模，提出了一套基于LMI的模糊鲁棒控制器的系统设计方法，并给出了模糊H∞状态反馈控制器存在的充分条件，以保证闭环模糊系统渐近稳定并满足从干扰输入到输出控制输出的H∞范数界约束。示例仿真表明了该方法的有效性。     

输入饱和无人机的鲁棒组合非线性反馈控制

实际场景中,控制器输入饱和和外部干扰是对无人机控制系统产生不利影响的2个主要因素。对此,本研究针对CE150无人机模型,先采用H∞理论设计线性控制器,并在此基础上引入能提高系统瞬态性能的非线性项构成组合非线性反馈控制技术(CNF)来改善输入饱和的问题。同时,设计观测器对未知干扰进行在线估值,并在原有的组合非线性反馈控制器中加入干扰补偿项以提高系统鲁棒性。仿真结果表明,与传统的线性控制器相比组合非线性反馈控制器能显著改善输入饱和的不利影响,而引入补偿项的CNF控制器在保留原始CNF控制器优点的同时能有效抑制外部干扰,实现了无人机对给定信号的准确跟踪。     

变批次长度的非线性分布参数系统迭代学习控制

针对一类离散的非线性分布参数系统,提出了一种批次长度随机变化的迭代学习控制问题.该类系统由抛物型偏微分方程构成.该方法采用伯努利型随机变量来描述迭代长度随机变化的情况,并根据分布参数系统的性质以及P型分布更新控制算法设计了迭代学习控制器.基于压缩映射原理,给出了系统输出误差收敛的充分必要条件并加以证明.结果表明,所提出...     

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。     

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。     

一种直升机的组合智能飞行控制系统的设计

讨论了模糊逻辑控制与神经网络相结合的一种控制方法，给出了一种增益自适应调整的模糊控制方法和ＢＰ网络自适应变步长学习算法，前者提高了系统对参数变化的适应能力，同时也提高了系统的控制精度，改善了系统品质，后者缩短了网络的学习时间，有利于实时控制的实现。这两种方法成功地用于直升机飞控系统的设计。同时，针对某型直升机用数字仿真证明了该方法的优点和良好效果     

模糊逻辑的神经网络实现

研究了模糊控制中，模糊推理规则由多层神经网络实现问题。将模糊推理规则中的每一个规则的前件知识，直接嵌入神经网络的权中，然后利用神经网络的自学习功能；自动辨识控制规则，且对隶属函数进行微调整。其学习方法主要采用误差逆传播算法。     

模糊关系数据库的一种广义模型

提出了模糊关系数据库的一种广义数据模型ＧＦＲＤＭ，它是一般模糊关系数据模型的推广，可用来描述现实世界较为普遍的模糊对象。已提出的各种模糊关系数据模型在某种条件下可看作为本模型的特例。文中引入了广义模糊关系的概念，讨论了广义模糊关系代数的操作：广义模糊并、广义模糊交、广义模糊差、广义模糊笛卡尔积、广义模糊投影和广义模糊选择等。广义模糊关系中不仅每一个元组具有模糊性，而且元组的属性值（精确值或模糊值）也具有模糊性（可信度），捕获了更多模糊数据的语义。广义模糊选择操作中允许用户自定义广义模糊比较运算以及指定阈限，从而增强了模糊查询的表达能力和灵活性。     

一种模糊Modular神经网络模型及其应用

将神经网络模糊系统与模糊C均值聚法相结合，对模糊Modular神经网络进行研究，提出了该模糊神经网络模型的多输出结构及其学习算法，据此开发了模糊神经网络诊断系统，并将其用于某电源分系统的诊断分析，运行的结果表明，该网络模型优于一般神经网络。     

时滞系统的Elman网络多步预测模糊控制方法

讨论了Elman神经网络的结构与学习算法,研究了基于Elman网络的动态系统辨识模型、预测模型及预测算法,并与模糊控制相结合,研究神经网络多步预测模糊控制方法。仿真结果表明该方法可以提高系统的鲁棒性及稳定性,多步预测最佳模糊控制的控制精度及ITAE指标均较无预测时要优。     

基于模糊数据挖掘的网络入侵检测模型

提出了一个基于模糊数据挖掘的入侵模型.异常检测的一个主要问题是正常模式随时间变化.如果一个实际的入侵行为稍有偏差就有可能与正常的模式相匹配,而异常检测系统则无法检测到这种入侵行为.为解决这个问题,本文利用模糊数据挖掘技术建立正常模式,并用一组模糊关联规则表示.在进行异常检测时,利用新的审计数据挖掘当前模糊关联规则,并计算其与正常模式的相似度,如相似度低于规定的阈值,使其产生入侵警报.最后,文中利用遗传算法优化模糊成员函数来选择其参数.     

基于模糊最小-最大神经网络的输油管道泄漏故障诊断方法

提出一种基于模糊最小-最大神经网络的输油管道泄漏故障诊断方法。该方法将管道压力特征作为模糊最小-最大神经网络的输入,通过模糊最小-最大神经网络的输出判断管道是否发生泄漏,并且针对实测数据含有噪声和测量误差的情况,设计一种可以有效处理实测数据的隐含节点函数。通过对管道试验系统实测数据的验证,本文方法可以有效检测管道泄漏故障。     

基于T-S模糊模型和迭代学习观测器的飞行系统故障容错控制

针对执行器失效的一类飞行控制系统,提出基于迭代学习观测器的模糊容错控制律,利用Takagi-Sugeno(T-S)模糊模型对非线性系统进行描述、建模和控制.一旦系统发生故障,迭代学习观测器在估计系统状态的同时估计执行器的卡死值,然后利用估计的状态和故障信息构成反馈模糊控制律进行调节,以实现故障系统对参考系统的状态跟踪.给出了系统能进行容错控制的参数匹配条件,并利用Lyapunov理论详细分析了系统的稳定性以及闭环系统信号的有界性,某歼击机的仿真实例证明了本文方法的有效性.