一种新颖的模糊控制算法研究

提出了一种结构新颖的模糊控制算法。通过对控制律的参数寻优和调整，实现了二级倒立摆的稳定控制，由于本文采用了连续性模糊控制算法，从而使解析描述的模糊控制规则可以不受模糊变量论域量化等级的限制，因素消除了一般模糊控制算法所特有的稳态误差，仿真也证明了本文提出的模糊控制算法具有较好的控制效果。     

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。     

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。     

小型无人直升机模糊飞行控制系统设计

为了实现小型无人直升机的自主飞行,本文研究了它的飞行控制系统。基于模糊控制技术,根据某小型无人直升机飞行动力学数学模型,设计了模糊控制规则,并研究了模糊规则的表格查询学习算法;通过无人直升机操作手的经验,对模糊规则进行评价,并通过试验进行校正和更改,在此基础上,引入积分环节进一步提高控制系统的性能。     

自适应遗传 PID 算法在风洞风速控制中的应用

风速控制是风洞的核心控制部分,风速控制系统的优劣直接影响风洞性能指标,为了完成 FDxx 风洞的风速控制系统,设计了一种基于自适应在线遗传算法的 PID 参数整定方法,在风洞气源资源有限的情况下,快速建立流场,确保流场稳定时间。首先对控制参数进行联合编码,在种群个体进化前期采用锦标赛精英保留策略,后期采用基于轮盘赌非线性选择方法,加快算法收敛速度,同时避免了算法过早陷入局部最优,交叉选用单点交叉,变异采用均匀取反法,动态调整过程为了减小甚至避免超调,采用误差绝对值及误差和误差变化率加权方式设计目标函数,并采取了惩罚措施,即一旦产生超调,将超调量作为最优指标的一项,现场测试验证了算法的可靠性及实用性。     

模糊PID控制在温湿度控制系统中的应用

针对模糊控制的不足和ＰＩＤ控制的缺点提出了一种智能温湿度控制的方法。该方法把模糊控制技术和ＰＩＤ算法结合起来,采用多模态分段控制设计出温湿度控制系统。通过半实物仿真实验可知,该方法对多变量、强耦合、大惯性对象的控制是非常有效的,具有超调小,调节迅速和上升时间短的特点,且具有很好的鲁棒性。     

UAV发射平台调平系统的NSSCA-PID控制方法

PID控制器是目前实现UAV(Unmanned Aerial Vehicle)发射平台在复杂环境下的自适应调平的主要手段,其控制性能取决于参数整定的品质。基于经典的正弦余弦算法架构,提出了一种嵌入边界缓冲策略的邻域搜索正弦余弦算法(Neighborhood Searching Sine Cosine Algorithm,NSSCA)用于整定PID控制器参数。以单位阶跃信号作为调平系统输入,邻域搜索正弦余弦算法优化PID控制调平系统的上升时间为0.04 s,调整时间为0.106 s,最大超调量为5.44%,表明邻域搜索正弦余弦算法对PID控制器参数的整定效果优于Z-N法、遗传算法、灰狼优化算法和经典正弦余弦算法。     

转台伺服控制系统模糊PID算法研究

转台伺服系统的控制是一个复杂的过程,精确的数学模型推导非常困难,传统PID控制算法对转台的控制效果不理想。针对转台伺服系统的结构和运行特点,研究一种模糊PID控制算法,利用模糊控制理论对目标误差值进行处理,实现PID参数的自整定,提高转台伺服系统的控制效果。仿真结果表明,所设计的模糊PID控制器实现了参数实时自整定,转台伺服系统的性能指标得到了保证。     

中央空调温度模糊控制器的设计

介绍中央空调房间温度控制器的温控原理,提出一种通过单片机89C52控制系统在空调温度控制中实现模糊PID控制器的设计,给出控制器的硬件设计方案和软件设计方案,详细介绍主控制器采用模糊控制的工作方式,通过仿真可以看出控制器有较好的控制效果。     

模糊免疫PID与常规PID的Matlab仿真比较与分析

免疫控制器是以生物免疫系统的功能、特点和作用机理为基础而设计出的系统。文章运用免疫反馈系统的原理和模糊控制理论在传统PID控制基础上设计出一种模糊免疫PID控制器,并在MATLAB环境下进行了仿真分析。仿真结果表明,模糊免疫PID控制器的控制性能优于常规PID控制器,即使在外界干扰和系统工况发生变化时,也具有很好的响应特性。     

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ANFIS的蒸汽发生器水位实时控制系统的设计

从蒸汽发生器的水位特性出发，对其水位高度控制原理进行了深入细致的研究。鉴于控制对象的模糊性、不确定性和非线性，采用自适应神经元模糊推理(Adaptive neuron fuzzy inference system，ANFIS)技术，建立了模糊控制规则库，实现了对蒸汽发生器水位的智能控制。本文详细阐述了ANFIS技术的结构、控制方式和系统的主要功能，完成了软、硬件的综合设计，并进行了仿真研究。控制系统的硬件采用了DSP芯片，以保证系统的实时性；软件采用了模糊一神经网络算法，以克服系统模型的不确定性。仿真结果表明，该控制系统工作稳定可靠，具有较高的控制精度和较强的鲁棒性。     

点焊质量模糊控制系统研究

简要介绍了电阻点焊单片机微机模糊控制原理，确定了点焊模糊控制算法，分析了点焊模糊控制系统的硬件结构和软件设计。实验结果表明，该控制系统能够有效实现点焊质量的模糊控制，具有较强的自适应特性，可用于电阻焊智能制造。     

飞机穿越微下击暴流风切变的智能控制

在应用模糊逻辑建模与辨识方法建立微下击暴流风切变模型的基础上，根据恒定俯仰姿态改出微下击暴流的飞行引导策略，提出了一种改出微下击暴流风切变的模糊反馈控制系统，并将遗传算法应用于该模糊逻辑控制器的设计。结果表明，本文提出的建模方法能够更真实地反映出飞机穿越微下击暴流风场的动态特性；采用模糊逻辑控制器，可使得飞机在穿越微下击暴流风场时具有较好的改出性能；另外，遗传算法的应用对已设计的模糊逻辑控制器进行了优化，进一步改善了飞机穿越微下击暴流的性能。     

压力敏感涂料PSP宽域(1~600 kPa)静态标定方法研究

压力敏感涂料PSP是一种先进的光学测试技术。涂料的标定误差是该技术的主要误差来源之一。压敏漆的测量范围正逐步从常规压力区间向超低压和超高压拓展,因此需要开发压力调节范围大、精度高的标定系统。本文将现有的变压力法和变浓度法相结合,提出了一种新型的PSP宽域压力标定方法及系统。通过理论计算的方式,分析了该系统与ISSI公司的商用PSP标定系统的性能差异。结果表明:PSP宽域压力标定系统在低压区（1~20 kPa）标定误差能够控制在0.5 kPa范围内,性能优于ISSI标定系统;中压区（20~200 kPa）与ISSI标定系统性能趋同,误差在4%以内,且随着压力增大,误差降低;高压区（200~600 kPa）可以弥补ISSI无法标定400 kPa以上范围的不足,能实现超高压环境中的PSP标定。本文还对最常用的两种快响应PSP进行了标定实验,结果表明:本文提出的系统标定精度高,能实现PSP宽域标定。     

0.6m连续式跨声速风洞总压控制策略设计

总压作为连续式风洞控制系统关键指标之一，其控制精度及快速性对提高风洞试验效率、降低能耗具有重要意义。0.6m风洞为国内首座具备负压试验能力的连续式跨声速风洞，其试验工况多，压力范围广，针对该风洞压力特性，设计了总压控制策略，根据不同的压力工况确定不同的阀门组合控制方式；同时针对模糊PID对连续式跨声速风洞宽压力范围、多调节工况下压力控制适应性较差的问题，提出分段变参数加模糊PID相结合的控制算法，即先根据目标总压确定不同分段区间下基本合理的基准P、I参数，再结合模糊控制算法对基准参数进行修正。风洞调试结果表明，总压控制精度优于0.1%，控制策略能够有效满足不同工况的控制要求。     

磁共振图像的一种多尺度边缘检测算法

医学图像的病灶呈弱边缘特性，用传统的边缘检测方法效果不理想。本文提出了一种改进的多尺度边缘检测算法：在传统的Mallat小波模极大值边缘检测方法的基础上，应用模糊算法构造相应的隶属函数，提取弱边缘信息，最后应用多尺度边缘融合算法将不同尺度下的边缘图像合成。实验结果表明，该方法对噪声有一定的抑制作用，可有效检测出弱边缘信息，定位准确，且检测效果明显。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标，可以有效解决传统边缘检测方法中存在的高定位精度及强去噪能力之间的矛盾。     

Loading Localization by Small-Diameter Optical Fiber Sensors

Structural health monitoring(SHM)in service has attracted increasing attention for years.Load localization on a structure is studied hereby.Two algorithms,i.e.,support vector machine(SVM)method and back propagation neural network(BPNN)algorithm,are proposed to identify the loading positions individually.The feasibility of the suggested methods is evaluated through an experimental program on a carbon fiber reinforced plastic laminate.The experimental tests involve in application of four optical fiber-based sensors for strain measurement at discrete points.The sensors are specially designed fiber Bragg grating(FBG)in small diameter.The small-diameter FBG sensors are arrayed in 2-D on the laminate surface.The testing results indicate that the loading position could be detected by the proposed method.Using SVM method,the 2-D FBG sensors can approximate the loading location with maximum error less than 14 mm.However,the maximum localization error could be limited to about 1 mm by applying the BPNN algorithm.It is mainly because the convergence conditions(mean square error)can be set in advance,while SVM cannot.