一类非线性系统的自适应模糊控制

针对一类具有未知常数控制增益的非线性系统，基于滑模型控制原理并利用Ⅰ型模糊系统的逼近能力，提出了一种自适应模糊控制器设计的新方案，该方案通过引入最优逼近误差自误应补偿项来消除建模误差的影响，从而在稳定性分析中取消了要求逼近误差平方可积或逼近误差的上确界已知的条件，通过理论分析，证明了闭环控制系统是全局稳定的，跟踪误差收敛到零。仿真结果表明了该方法的有效性。     

超机动飞行的神经网络动态逆控制

根据反馈线性化理论，讨论了神经网络自适应非线性动态逆控制设计。首先根据时标分离的原则，采用动态逆方法设计了快回路和慢回路控制器；其次提出了模型的神经网络非线性直接自适应控制方案，其中设计一种在线神经网络用于补偿模型逆误差。仿真表明，该控制方案具有较好的自适应能力的鲁棒性。     

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.     

并联式混合动力车能量控制策略设计(英文)

提出了一种新颖的能量控制策略的设计方法用于并联式混合动力车.首先用SQP算法求解最大系统效率问题以实现全局优化;然后用模糊控制系统来协调发动机和电池的工作点实现局部优化.模糊系统的模糊规则建立则是汲取了SQP优化结果,从而保证全局与局部的统一.计算机仿真结果表明,运用该能量控制策略的混合动力车能达到较好的燃料经济性.     

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。     

Aeroengine Nonlinear Sliding Mode Control Based on Artificial Bee Colony Algorithm

For a class of aeroengine nonlinear systems,a novel nonlinear sliding mode controller(SMC)design method based on artificial bee colony(ABC)algorithm is proposed.In view of the strong nonlinearity and uncertainty of aeroengines,sliding mode control strategy is adopted to design controller for the aeroengine.On basis of exact linearization approach,the nonlinear sliding mode controller is obtained conveniently.By using ABC algorithm,the parameters in the designed controller can be tuned to achieve optimal performance,resulting in a closedloop system with satisfactory dynamic performance and high steady accuracy.Simulation on an aeroengine verifies the effectiveness of the presented method.     

一种变论域模糊自适应导引律研究

针对空空导弹的导引律问题，基于模糊逻辑和遗传算法．提出了一种论域自调整的进化模糊导引律。将导弹与目标的接近速度以及导弹的视线角速度作为模糊控制器的输入，指令加速度作为输出，并在传统的模糊逻辑控制基础上引入了一个非线性变论域函数，从而实现了模糊变量论域的动态改变，然后使用遗传算法对导引规则进行了寻优。以某型空空导弹模型为对象使用MATLAB对导弹攻击过程进行了仿真。仿真结果表明，该方法的机动过载小，拦截飞行时间短，是一种较为优越的制导方法。     

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。     

基于模糊神经网络的异步电机速度控制系统

针对矢量控制异步电动机，利用模糊神经网络控制理论．提出了一种教师值指导和隶属函数自调整的模糊神经网络控制器。详细描述了模糊神经网络控制器和教师值控制器的设计过程，采用了隶属函数参数在线调节的办法，推导了隶属函数参数调整的公式和算法，研究了以转矩电流Iqs为目标函数和系统输出转速ω为目标函数的情况下的系统转速响应，分析了系统转动惯量J、粘滞摩擦系数B和转矩系数Kt变化情况下系统的性能，仿真结果表明该控制器具有速度响应快、鲁棒性较强等优点。     

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.     

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。     

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。     

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.     

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。     

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。     

数据驱动的风能转换系统最优控制

风能转换系统具有很强的非线性,为了解决风能转换系统的建模困难问题,实现额定风速以下风能捕获率的最大化,根据数据驱动控制理论,在风能转换系统中采用数据驱动的最优控制方法。利用风能转换系统的输入输出数据获取马尔可夫参数,并构造一个数据驱动的控制器状态观测器,通过差分R iccati方程的闭合解设计出最优反馈控制器。仿真结果表明,采用数据驱动的最优控制方法,功率系数和叶尖速比都可以维持在最优值附近,有效地实现额定风速以下风能转换系统的最大风能捕获。