基于GSAGA的模糊PID控制在自动油门系统中的应用研究

针对现代民用飞机非线性和时变的特点,设计了一种用于民机自动油门控制系统的模糊PID控制器;模糊控制器以速度跟踪误差及其微分信号作为输入调节PID控制器的比例、积分及微分参数,进而控制油门开度以调节发动机推力,最终实现对速度的控制;文中进一步采用广义自适应遗传算法(GSAGA)对模糊PID控制器的输出因子进行优化,在着陆模态下采用所设计的优化控制策略与传统模糊PID控制进行了对比仿真,仿真结果显示,在民机自动油门控制系统中基于GSAGA的模糊PID控制器的控制效果优于传统模糊控制方法,仿真结果符合飞行品质指标,控制效果良好。     

氯霉素生产中温度控制的模糊控制器设计

温度是制药过程中的一个重要参数，其控制精度对药品性能有重大的影响。设计了一个用于氯霉素生产中的硝氧化反应过程温度控制系统，针对被控对象模型不易建立的实际问题，确定了采用模糊控制技术的控制算法，并对数字式PID控制器、模糊控制器、模糊PI控制器和参数自调整模糊PI控制器的性能进行了仿真比较分析，最后确定采用参数自调整模糊PI控制方法。该系统已经在山西某药厂投入使用，达到了预期的目标，取得了良好的经济效益。     

自适应神经模糊控制器及其在炉温控制系统中的应用

将自适应模糊控制技术与神经网络技术相结合,提出了一种自适应神经模糊控制器的实现方法,并用一种改进的快速ＢＰ算法来训练网络。该方法和算法用于炉温控制系统,获得了满意的控制效果,验证了方法和算法的有效性。     

燃料电池温度模糊自适应控制

如何控制燃料电池温度性能是燃料电池的一个重要问题。首先基于模糊辨识建模方法建立质子交换膜燃料电池温度性能的T-S模型。模型结构简单,精度高,方便地应用于质子交换膜燃料电池系统控制中。其次针对该模型设计电堆温度的模糊自适应控制器。最后在Matlab平台进行仿真,模糊自适应控制器在较大幅度变化的系统参数下都得到较好的控制性能,证明模糊自适应控制系统具有很好的鲁棒性和良好的控制品质,能够满足质子交换膜燃料电池温度控制系统的要求。     

采用遗传优化自适应模糊PID控制球杆系统

为解决球杆系统动态、静态性能不高的问题,提出了遗传算法优化自适应模糊PID控制器的控制方法.该模型在拉格朗日方程建立球杆系统数学模型的基础上,采用遗传算法优化模糊控制规则、隶属函数和自适应PID参数.在GBB1004系统中建立了遗传算法优化后的自适应模糊PID控制器以及控制模型,并对该控制器进行实验验证.实验结果证明了遗传算法优化后的模糊控制器有效地减小了系统的超调量,缩短了系统的调节时间,能够较好地控制球杆系统.     

基于扩展$L_1$自适应的战斗机大迎角非线性控制

针对常规动态逆控制对系统不确定性较为敏感的缺点,提出一种扩展$L_1$自适应控制方法,用于战斗机大迎角非线性控制.采用时标分离原理将控制系统分为内外两个回路,分别设计动态逆控制器作为基本控制器,用于角速率和角度的跟踪控制.设计$L_1$自适应控制器作为扩展控制器,用于抵消系统中的不确定性.分别在标称和加入参数摄动的情况下进行仿真验证与对比,仿真结果表明所提出的控制方法能够有效抵消系统中的不确定性,提高控制效果.     

船舶航向模型参考模糊自适应控制器的设计

本文介绍了模型模糊自适应控制器的结构，调节机理。针对船舶航向控制，设计了参考模型模糊自适应控制器，并进行了仿真。与普通模糊控制器控制效果进行了比较，仿真表明参考模型模糊自适应控制有良好的控制性能。     

SVC对电力系统稳定性的模糊控制

利用模糊逻辑系统,设计了用于控制电力系统暂态稳定性的静止无功补偿器（SVC）模糊自适应控制器。该控制器采用反向传播学习算法自动调节控制规则,并通过辨识器部分获取数据修改控制器参数。通过一个两机系统的计算机仿真,证明该SVC模糊控制器能有效地控制系统的暂态稳定性。     

基于DeviceNet现场总线变频器自适应模糊控制系统

本文以实现变频器智能启动为控制目标，尝试如何把现场总线和模糊控制技术密切结合，为此建立了基于DeviceNet现场总线变频器自适应模糊控制系统。提出了一种参数自适应模糊控制器设计方法，并经MATLAB仿真验证了其有效性。该系统经实际应用获得了良好效果。     

基于一种FGA–ANFIS技术的DMFC温度建模和控制

为了提高直接甲醇燃料电池(DMFC)的发电性能,采用自适应神经模糊推理技术(FGA-ANFIS)对电池的工作温度进行建模与控制.首先,基于实验的输入输出数据建立了DMFC电堆温度的自适应神经模糊辨识模型,避开了DMFC电堆的内部复杂性.然后,将训练好的网络模型作为DMFC控制系统的参考模型,采用一种改进的模糊遗传算法对神经模糊控制器的参数和模糊规则进行自适应调整.最后,通过仿真.将所提出的算法与非线性PID和传统模糊算法进行比较,结果表明所设计的神经模糊控制器具有较好的性能.     

采用动态神经网络的多模型自适应重构控制方法

针对复杂的系统,提出一种基于多模型结构的自适应重构控制方法,使得系统可以在不同的运行环境下跟踪给定的信号,并且对特定的故障情况具有控制重构的能力;首先,由多个线性模型和一个模糊模型构成多模型控制结构,并设计多模型自适应控制器的权值调整规则,以获得当前最佳的控制输入,再引入动态自适应神经网络以保证系统的稳定性,并避免模型切换等噪声干扰;最后,对某型歼击机进行正常和故障状态下的控制仿真,结果表明所提重构控制方法是可行有效的。     

用GA寻优线性系统模糊控制器规则

控制精度和自适应能力一直是模糊控制应用中较难解决的问题，解决这一问题的关键在于选取适当的控制规则，而遗传算法可以较好地解决常规的数学优化技术所不能有效解决的问题。该文给出了对于具有修正因子的控制规则，采用遗传算法对其参数进行自调整的方法，它可提高模糊控制器的性能。通过仿真实验表明了该方法对于线性系统的控制是有效的。     

基于模糊自适应PID的剪板机控制系统研究

针对剪板机伺服控制系统的实际需求,在分析了剪板机常用伺服控制方法的基础上,设计了模糊自适应PID控制器.采用模糊控制和PID相结合,克服了传统PID控制的一些缺点.通过对控制系统建模、仿真,其结果表明,和模糊控制、传统PID相比较,该控制器在超调量、调节时间、抗干扰、鲁棒稳定性等方面有更好的品质.     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

基于自适应模糊神经网络控制器的网络控制系统

网络控制系统中存在着时延、丢包、网络干扰等问题。针对网络控制系统中存在恶化系统的控制性能,甚至导致系统不稳定的因素,提出了一种基于自适应模糊神经网络控制器的网络控制系统,它能根据系统的实际输出与期望输出误差,利用自适应模糊控制和神经网络自学习的原理进行控制参数的自行调整,以符合控制系统的实际要求,同时,分析了网络延时,丢包率及网络干扰因素对系统性能的影响。利用TrueTime工具箱建立了包含自适应模糊神经网络控制器的网络控制系统的仿真模型,并将其分别与基于常规PID控制器的网络控制系统和基于模糊参数PID控制器的网络控制系统进行了比较。实验结果表明,在相同的网络环境下,基于自适应模糊神经网络控制器的网络控制系统的控制效果比基于常规的PID控制器和基于模糊参数PID控制器的要好,且具有较好的抗干扰能力和鲁棒性能。     

基于遗传算法的管道机器人分层模糊控制

为了适应空调管道的复杂环境,提高空调管道清扫机器人控制性能,降低控制复杂度,构建了一个分层的自适应模糊控制器.通过多输入系统进行分层输入和叠加输出,大量简化了模糊逻辑推理,减少了控制规则数.应用遗传算法对控制器参数进行优化,有效地融合了控制信息,达到了较理想的控制特性.实验和仿真结果表明,模糊控制器适应性强,优化后模糊控制器具有很好的控制效果,实现了机器人在管道中自主导航.     

GA-based modified adaptive fuzzy sliding mode controller for nonlinear systems

In this paper, the stability analysis of the GA-based adaptive fuzzy sliding model controller for a nonlinear system is presented. First, an uncertain and nonlinear plant for the tracking of a reference trajectory is well approximated and described via the reference model and the fuzzy model involving fuzzy logic control rules. Next, the difficulty in designing a fuzzy sliding mode controller (FSMC) capable of rapidly and efficiently controlling complex and nonlinear systems is how to select the most appropriate initial values for the parameter vector. The initial values of the consequent parameter vector are decided via the genetic algorithm. After this, a modified adaptive law can be adopted to find the best high-performance parameters for the fuzzy sliding model controller. The adaptive fuzzy sliding model controller is derived to simultaneously stabilize and control the system. The stability of the nonlinear system is ensured by the derivation of the stability criterion based upon Lyapunov’s direct method. Finally, a numerical simulation is provided as an example to demonstrate the control methodology.     

Decentralized adaptive fuzzy sliding mode control for reconfigurable modular manipulators

A stable decentralized adaptive fuzzy sliding mode control scheme is proposed for reconfigurable modular manipulators to satisfy the concept of modular software. For the development of the decentralized control, the dynamics of reconfigurable modular manipulators is represented as a set of interconnected subsystems. A first‐order Takagi–Sugeno fuzzy logic system is introduced to approximate the unknown dynamics of subsystem by using adaptive algorithm. The effect of interconnection term and fuzzy approximation error is removed by employing an adaptive sliding mode controller. All adaptive algorithms in the subsystem controller are derived from the sense of Lyapunov stability analysis, so that resulting closed‐loop system is stable and the trajectory tracking performance is guaranteed. The simulation results are presented to show the effectiveness of the proposed decentralized control scheme. Copyright © 2009 John Wiley & Sons, Ltd.     

Fuzzy‐Neuron Intelligent Coordination Control Fora Unit Power Plant

A novel fuzzy‐neuron intelligent coordination control method for a unit power plant is proposed in this paper. Based on the complementarity between a fuzzy controller and a neuron model‐free controller, a fuzzy‐neuron compound control method for Single‐In‐Single‐Out (SISO) systems is presented to enhance the robustness and precision of the control system. In this new intelligent control system, the fuzzy logic controller is used to speed up the transient response, and the adaptive neuron controller is used to eliminate the steady state error of the system. For the multivariable control system, the multivariable controlled plant is decoupled statically, and then the fuzzy‐neuron intelligent controller is used in each input‐output path of the decoupled plant. To the complex unit power plant, the structure of this new intelligent coordination controller is very simple and the simulation test results show that good performances such as strong robustness and adaptability, etc. are obtained. One of the outstanding advantages is that the proposed method can separate the controller design procedure and control signals from the plant model. It can be used in practice very conveniently.