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     

基于商空间理论的模糊控制在航空相机中的应用

针对航空相机快速返回定位问题,应用商空间理论提出了一种快速无超调定位模糊控制算法。将位置偏差量模糊化．并根据模糊等价关系合并正规峰集,从而得到了不同粒度下的控制规则．系统通过不断改变粒度,采用粗拉度粗调,细粒度细调的方法,实现快速无超调定位。在模拟相机平台上采用3个粒度层,通过模糊规则调整模糊输出和PID控制器的积分时间实现最速控制、模糊控制和PID控制在不同粒度下的转换．实验结果表明此算法具有定位快、稳定精度高以及无超调等优点．     

关于遗传算法模糊控制的研究

在控制对象的数学模型由于受非线性的时变的影响很难精确确定时，模糊控制是一个比较好的方法，但模糊控制规则易受人的因素的影响而归纳得不完善，并且不能自学习影响了模糊控制的效果。遗传算法可以搜索整个空间，不易陷入局部最优解，不受搜索空间的性假设的约束。可以解决非常困难的寻优问题，本文提出关于遗传算法的模糊控制，使控制规则得到优化，从而改善了控制性能。仿真实例表明这种方法是可行的。     

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。     

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。     

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     

自动功率因数调整器中的计数式模糊控制方法

本文提出了自动功率因数调整器中的计数式模糊控制方法，描述了控制对象的特点和控制准则，并且定义了一般计数式模糊控制器概念，从而为计算机控制系统设计得出了一种新的方法。     

NAIWR－1智能两足步行机器人模糊自适应控制研究

本文对模糊控制、自适应控制和ＰＩＤ控制进行了综合研究，实现了自行研制的ＮＡＩＷＲ－１智能两足步行机器人的模糊自适应ＰＩＤ控制，并用模糊递阶协调方法进行关节到位协调送数，成功实现了两足步行机器人的稳定行走     

NAIWR—1智能两足步行机器人模糊自适应控制研究

本文对模糊控制、自适应控制和ＰＩＤ控制进行了综合研究，实现了自行研制的ＮＡＩＷＲ－１智能两足步行机器人的模糊自适应ＰＩＤ控制，并用模糊递阶协调方法进行关节到位协高送数，成功实现了两足步行机器人的稳定行走。     

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。     

模糊推理在直升机模型辨识中的应用(英文)

直升机控制系统的设计、飞行模拟器的研制及计算机实时仿真都离不开直升机数学模型 ,但是建立可靠而且准确的直升机飞行动力学模型是十分困难的 ,而且也很难保证动力学模型计算的快速性、可靠性与实时性。本文基于模糊推理技术 ,根据飞行试验数据辨识了直升机飞行模型 ,可以在一定程度上保证所辨识模型的简单、准确与计算的实时性。为了提高模糊模型的精度 ,文中采用了一种新方法来处理矛盾规则。本文利用模糊聚类分析的方法对海量的试验样本数据进行处理 ,有效地减少了辨识模型的规则数量。最后的仿真辨识结果表明 ,辨识效果合理 ,方法可行。     

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。     

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。     

一种自学习Fuzzy控制器

为了提高Ｐｕｚｚｙ控制器的性能，适当调整Ｆｕｚｚｙ控制规则是很重要的。本文利用参考Ｆｕｚｚｙ集的概念给出了一种便于规则调整的Ｆｕｚｚｙ控制算法。由于这种算法避免了输入和输出数值域上的离散化，所以具有较强的灵活性。为了估计Ｆｕｚｚｙ控制器的性能，本文利用了参考模型。通过参考模型与被控对象输出的偏差来实时调整Ｆｕｚｚｙ控制规则，构成了自学习Ｆｕｚｚｙ控制器。仿真结果表明，自学习性能是令人满意的。     

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。